ИНТЕЛЛЕКТУАЛЬНАЯ ОПТИМИЗАЦИЯ АМБУЛАТОРНОЙ ЗАПИСИ В МЕДИЦИНСКОЙ ИНФОРМАЦИОННОЙ СИСТЕМЕ

АННОТАЦИЯ

В статье предложен подход к интеллектуальной оптимизации амбулаторной записи как функционального модуля медицинской информационной системы. Цель исследования состоит в снижении времени ожидания пациентов при ограниченном числе кабинетов, различной доступности ресурсов и наличии приоритетных обращений. Методика основана на дискретизации рабочего дня по временным слотам, формулировке задачи в виде целочисленной линейной модели и включении оптимизатора в контур регистратуры и расписания врачей. Модель учитывает временные окна пациентов, совместимость по врачу и оборудованию, пропускную способность кабинетов и вес срочности обращения. На модельном наборе из 16 пациентов, 4 кабинетов и 10 слотов по 15 минут среднее время ожидания уменьшилось с 7,5 до 3,75 мин, максимальное - с 30 до 15 мин, а суммарное взвешенное ожидание - с 210 до 75 мин. Полученные результаты показывают, что оптимизационный модуль может использоваться как механизм поддержки принятия решений при первичном планировании и оперативной перепланировке амбулаторного приема.

ABSTRACT

The paper presents an approach to intelligent optimization of outpatient scheduling as a functional module of a medical information system. The study aims to reduce patient waiting time under a limited number of rooms, heterogeneous resource availability, and priority requests. The method combines time-slot discretization, an integer linear programming model, and integration of the optimizer into registration and physician timetable workflows. The model accounts for patient availability windows, compatibility with physician and equipment, room capacity, and urgency weights. In a model instance with 16 patients, 4 rooms, and 10 slots of 15 minutes each, average waiting time decreased from 7.5 to 3.75 minutes, maximum waiting time from 30 to 15 minutes, and total weighted waiting time from 210 to 75 minutes. The results indicate that the optimization module is suitable for both initial planning and real-time outpatient rescheduling.

Ключевые слова: медицинская информационная система, амбулаторный прием, оптимизация расписания, целочисленное линейное программирование, временные слоты, приоритет пациентов.

Keywords: medical information system, outpatient care, schedule optimization, integer linear programming, time slots, patient priority.

Введение

Для современных поликлиник проблема качества расписания перестала быть исключительно организационной задачей. Даже при наличии электронной медицинской карты и цифровой регистратуры фактическое время ожидания пациента нередко определяется тем, насколько удачно распределены обращения по кабинетам и временным слотам. Если запись формируется без учета совместимости ресурсов и структуры потока, то часть пациентов накапливается в отдельных интервалах, тогда как другие кабинеты остаются недогруженными.

На практике диспетчер часто пользуется ручными правилами: ближайший свободный слот, последовательная запись по времени обращения или минимальное число переносов. Такие правила удобны, но они плохо работают в ситуациях, когда одни пациенты могут быть приняты несколькими специалистами, а другие жестко привязаны к конкретному врачу или оборудованию. Особенно заметны потери в моменты высокой нагрузки, отмены приема или появления срочного пациента.

Публикации по амбулаторному планированию демонстрируют высокую эффективность методов дискретной оптимизации, теории очередей и гибридных моделей [1-6]. Однако при проектировании прикладного модуля медицинской информационной системы важно не только найти математически корректную постановку, но и встроить ее в существующие источники данных, интерфейсы регистратуры и сценарии перепланировки. Поэтому в данной работе акцент сделан на связке модели и программного контура ее использования.

Цель исследования - разработать и описать модуль интеллектуальной оптимизации амбулаторной записи, пригодный для интеграции в медицинскую информационную систему. Объектом исследования является процесс распределения пациентов по кабинетам и слотам рабочего дня, а предметом - методы формального описания ограничений и выбора расписания с минимальным ожиданием.

Материалы и методы исследования

Предлагаемый модуль включает три логических слоя. Входной слой получает данные о доступности кабинетов, расписаниях врачей, списке пациентов и ограничениях совместимости. Оптимизационное ядро формирует множество допустимых назначений и решает задачу выбора лучшего расписания. Выходной слой возвращает регистратору готовый план, а при изменении условий позволяет повторно запустить расчет и получить обновленные рекомендации без ручного перебора вариантов.

Рабочий день разбивается на равные интервалы длительностью Δ минут. Пусть P - множество пациентов, R - множество кабинетов, T - множество временных слотов. Для пациента p задаются ранний допустимый слот , поздний слот , вес приоритета  и бинарный параметр , показывающий, допустимо ли назначение в кабинет r на слот t. В базовой постановке длительность приема считается равной одному слоту, а емкость кабинета в каждом слоте задается параметром .

Таблица 1.

 Основные обозначения модели

Решение описывается бинарной переменной , которая принимает значение 1, если пациент p записан в кабинет r на слот t, и 0 в противном случае. Тогда математическая модель принимает следующий вид.

                                                           (1)

                               (2)

                              (3)

                   (4)

              (5)

Ограничение (2) обеспечивает единственность назначения каждого пациента в пределах допустимого временного окна. Ограничение (3) предотвращает перегрузку кабинетов, а ограничение (4) исключает комбинации, недопустимые по врачу, оборудованию или времени. Целевая функция (5) минимизирует суммарное взвешенное ожидание, поэтому задержка срочного обращения оценивается дороже, чем задержка стандартного посещения.

С инженерной точки зрения выбранная постановка удобна тем, что входные данные естественным образом извлекаются из регистратурных журналов и справочников медицинской информационной системы. Кроме того, модель допускает дальнейшее развитие: учет неодинаковой длительности приема, буферов между слотами, совместного использования оборудования и регулярной переоптимизации при поступлении новых записей.

Результаты и обсуждение

Для оценки практической ценности модуля был проведен вычислительный эксперимент на синтетическом наборе, имитирующем работу амбулаторного подразделения в течение 10 слотов по 15 минут. В эксперименте использованы 16 пациентов и 4 кабинета. Часть пациентов могла быть распределена между несколькими кабинетами, тогда как часть обращений имела жесткую совместимость; для 11 пациентов были заданы повышенные веса приоритета. В качестве базового сценария использовалось правило FCFS, в котором пациенты последовательно записываются на ближайший свободный совместимый слот.

Таблица 2.

 Сравнение базового и оптимизационного сценариев

Как показывают результаты, глобальная оптимизация не просто сокращает среднее ожидание, а перераспределяет нагрузку в пользу пациентов с более жесткими ограничениями и повышенным приоритетом. В базовом расписании часть кабинетов занята гибкими обращениями, которые могли быть перенесены без потери качества. ILP-модель выполняет такое перераспределение автоматически: например, ранние слоты кабинета R2 освобождаются для пациентов с высоким весом приоритета, тогда как более гибкие обращения переводятся в альтернативные кабинеты и более поздние, но допустимые интервалы.

Отдельно следует отметить снижение среднего ожидания приоритетных пациентов с 6,82 до 1,36 мин. Это означает, что целевая функция действительно работает как инструмент поддержки клинической важности обращения, а не только как средство выравнивания загрузки. Максимальное ожидание сократилось вдвое, что также важно для восприятия качества сервиса пациентами и для устойчивости расписания при оперативных изменениях.

Предложенный подход имеет и ограничения. В базовой версии длительность приема считается детерминированной, а вероятность неявки не учитывается. Тем не менее архитектура модуля позволяет расширить постановку за счет стохастических параметров, сценарного анализа и периодической переоптимизации. Для прикладной медицинской информационной системы это означает возможность постепенного наращивания функциональности без отказа от уже реализованного оптимизационного ядра.

Заключение

В работе описан модуль интеллектуальной оптимизации амбулаторной записи, ориентированный на внедрение в медицинскую информационную систему. В отличие от ручного или жадного формирования расписания, предложенный модуль опирается на ILP-модель, которая одновременно учитывает временные окна пациентов, ресурсы кабинетов, совместимость и срочность обращения.

На модельном наборе из 16 пациентов и 4 кабинетов использование оптимизационного модуля позволило сократить среднее ожидание на 50,0 %, максимальное - на 50,0 %, а суммарное взвешенное ожидание - на 64,3 %. Практическая ценность результата состоит в том, что математическая модель напрямую переводится в сценарий поддержки решений для регистратуры и может использоваться как для первичного планирования, так и для повторного расчета после отмен, переносов или появления срочных обращений.

Дальнейшее развитие работы связано с учетом вероятностной продолжительности приема, неявок пациентов, многосервисных маршрутов и обучением правил переоптимизации на исторических данных медицинской информационной системы.

Список литературы:

1. Ahmadi-Javid A., Jalali Z., Klassen K.J. Outpatient appointment systems in healthcare: A review of optimization studies // European Journal of Operational Research. 2017. Vol. 258, no. 1. P. 3-34.
2. Apergi L.A., Baras J.S., Golden B.L., Wood K.E. An optimization model for multi-appointment scheduling in an outpatient cardiology setting // Operations Research for Health Care. 2020. Vol. 26. Art. 100267.
3. Bekker R., Bharti B., Lan L., Mandjes M. A queueing-based approach for integrated routing and appointment scheduling // European Journal of Operational Research. 2024. Vol. 318, no. 2. P. 534-548.
4. Cayirli T., Veral E. Outpatient scheduling in health care: A review of literature // Production and Operations Management. 2003. Vol. 12, no. 4. P. 519-549.
5. Gupta D., Denton B. Appointment scheduling in health care: Challenges and opportunities // IIE Transactions. 2008. Vol. 40, no. 9. P. 800-819.
6. Reihaneh M., Ansari S., Farhadi F. Patient appointment scheduling at hemodialysis centers: An exact branch and price approach // European Journal of Operational Research. 2023. Vol. 309, no. 1. P. 35-52.