KI optimierte Patientenplanung

Ausgangssituation

In der Planung von Operationen kommt es immer wieder zu Wartezeiten für die Patienten. Wartezeiten erzeugen Unzufriedenheit bei Patienten und dem ärztlichen Personal.

Um eine reibungslose Planung umsetzen zu können, ist es wichtig die Operationsdauer so gut wie möglich abzuschätzen. Die besten Ergebnisse ergaben sich wenn als Operationsdauer nicht die Schnitt-Naht Zeit, sondern die Zeit von Schnitt Patient A bis Schnitt Patient B berechnet wurde.

Die getesteten Algorithmen leiten diese anhand verschiedener Parameter wie durchschnittlicher historischer Länge einer Operation, Ausbildungsgrad des Operateurs, Alter des Patienten, Text in der OP-Planung und anderen Parametern ab.

Vorgehen

In der Klinik wurde bereits ein KI-System eingesetzt, das es erlaubt hatte, OP-Zeiten zu berechnen und in die Planung einzubeziehen. 

Im Rahmen des Quick Check wurde das Planungsergebnis durch die noch genauere Vorhersage von Operationsdauern verbessert. Die getesteten Algorithmen leiten diese anhand verschiedener Parameter wie durchschnittlicher historischer Länge einer Operation, Ausbildungsgrad des Operateurs und anderen Variablen ab. 

Ergebnis

Im Rahmen des Quick Check wurden durchgeführt:

• Clusteranalyse zur möglichen einheitlichen Gruppierung mehrerer Features im Zusammenhang von Befund und Diagnose
• Betrachtung der statistischen Verteilung verschiedener Features zur Analyse und Ableitung möglicher Planungs-Heuristiken
• Training unterschiedlicher Modelle, u.a. mit Gradient Boosting Verfahren (XGboost)
• Erstellung einer Simulationsroutine zum Testen verschiedener Strategien

Insgesamt konnten mit den genannten Verfahren die Zuverlässigkeit der Prognosen verbessert werden. Die Simulationsroutine erlaubt es darüber hinaus, unterschiedliche Planungsstrategien testen zu können.

Der neu entstandene Ansatz wird zurzeit für die Planung laufender Operationen evaluiert.