[發(fā)明專利]醫(yī)院排班方法及裝置

在審

• 申請?zhí)枺?/td>: 201811326022.1
• 申請日: 2018-11-08
• 公開（公告）號: CN109493959A
• 公開（公告）日: 2019-03-19
• 發(fā)明（設(shè)計(jì)）人: 王超
• 申請（專利權(quán)）人: 泰康保險(xiǎn)集團(tuán)股份有限公司
• 主分類號: G16H40/20
• 分類號: G16H40/20;G06N3/00
• 代理公司: 北京同立鈞成知識產(chǎn)權(quán)代理有限公司 11205
• 代理人: 張子青;劉芳

本發(fā)明提供一種醫(yī)院排班方法及裝置，通過獲取患者滿意度模型和醫(yī)療師總成本模型，并根據(jù)預(yù)設(shè)約束條件獲取粒子群算法的初始種群參數(shù)，然后根據(jù)所述初始種群參數(shù)、所述患者滿意度模型輸出的滿意度以及所述醫(yī)療師總成本模型輸出的總成本，得到所述粒子群算法的全局最優(yōu)解，并將所述全局最優(yōu)解作為排班結(jié)果，實(shí)現(xiàn)了根據(jù)患者滿意度和醫(yī)療師的總時(shí)間成本進(jìn)行排班安排，使得最終得到的排班方案更加合理化，實(shí)現(xiàn)了提升患者滿意度和降低服務(wù)成本的雙重目標(biāo)。

技術(shù)領(lǐng)域

本發(fā)明涉及人工智能技術(shù)領(lǐng)域，尤其涉及一種醫(yī)院排班方法及裝置。

背景技術(shù)

隨著康復(fù)醫(yī)院在全國范圍內(nèi)的興起，康復(fù)治療正朝著專業(yè)化、集成化的趨勢發(fā)展。相對于醫(yī)療過程來說，康復(fù)治療過程往往比較漫長，不只是身體和肢體的訓(xùn)練，還要有精神和心理的康復(fù)，患者才能夠全面康復(fù)，因此，康復(fù)治療需要非常強(qiáng)大的康復(fù)團(tuán)隊(duì)協(xié)同完成。

康復(fù)團(tuán)隊(duì)中的醫(yī)療師的類型較多，包括：物理醫(yī)療師、作業(yè)醫(yī)療師、言語醫(yī)療師、運(yùn)動(dòng)醫(yī)療師、心理醫(yī)療師等，其中每一種類型的醫(yī)療師又可以分為不同等級。目前，康復(fù)醫(yī)院的日常運(yùn)營安排主要運(yùn)用人工經(jīng)驗(yàn)法，即采用人工調(diào)度方法去安排各醫(yī)療室的排班順序。

然而，上述的人工排班方法相對固定，造成患者滿意度較低或者醫(yī)療師服務(wù)時(shí)間成本較高的問題。

發(fā)明內(nèi)容

本發(fā)明提供一種醫(yī)院排班方法及裝置，以實(shí)現(xiàn)提高患者滿意度和降低醫(yī)療師服務(wù)時(shí)間成本的雙重目標(biāo)。

第一方面，本發(fā)明提供的醫(yī)院排班方法，包括：

獲取患者滿意度模型和醫(yī)療師總成本模型；所述患者滿意度模型包括醫(yī)療師是否排班參數(shù)，所述醫(yī)療師總成本模型包括各所述醫(yī)療師是否排班的參數(shù)以及各所述醫(yī)療師的排班時(shí)長參數(shù)；

根據(jù)預(yù)設(shè)約束條件獲取粒子群算法的初始種群參數(shù)，所述初始種群參數(shù)包括待優(yōu)化粒子的位置和速度，所述待優(yōu)化粒子的位置為各所述醫(yī)療師的排班時(shí)長參數(shù)，所述速度為排班時(shí)長變化量；

根據(jù)所述初始種群參數(shù)、所述患者滿意度模型輸出的滿意度以及所述醫(yī)療師總成本模型輸出的總成本，得到所述粒子群算法的全局最優(yōu)解，并將所述全局最優(yōu)解作為排班結(jié)果。

可選的，所述預(yù)設(shè)約束條件包括如下中的至少一個(gè)：

患者需求預(yù)測模型輸出的預(yù)測總時(shí)長和目標(biāo)服務(wù)總時(shí)長之間的誤差小于預(yù)設(shè)誤差，其中，所述目標(biāo)服務(wù)總時(shí)長是根據(jù)各所述醫(yī)療師是否排班的參數(shù)以及各所述醫(yī)療師的排班時(shí)長參數(shù)確定的；

所述目標(biāo)服務(wù)總時(shí)長大于或等于醫(yī)囑執(zhí)行總時(shí)長；

所述患者滿意度模型輸出的滿意度大于預(yù)設(shè)滿意度。

可選的，所述根據(jù)預(yù)設(shè)約束條件獲取粒子群算法的初始種群參數(shù)之前，所述方法還包括：

將患者數(shù)量、醫(yī)囑數(shù)量及類型、執(zhí)行預(yù)約醫(yī)囑的工時(shí)、執(zhí)行現(xiàn)有醫(yī)囑的工時(shí)輸入至患者需求預(yù)測模型；

獲取所述患者需求預(yù)測模型輸出的預(yù)測總時(shí)長，其中，所述患者需求預(yù)測模型為神經(jīng)網(wǎng)絡(luò)模型。

可選的，所述根據(jù)所述初始種群參數(shù)、所述患者滿意度模型輸出的滿意度以及所述醫(yī)療師總成本模型輸出的總成本，得到所述粒子群算法的全局最優(yōu)解，并將所述全局最優(yōu)解作為排班結(jié)果，包括：

根據(jù)所述患者滿意度模型輸出的滿意度、所述醫(yī)療師總成本模型輸出的總成本和懲罰因子確定各粒子的適應(yīng)度值；

根據(jù)各所述粒子的適應(yīng)度值確定粒子最優(yōu)位置和全局最優(yōu)位置；

判斷所述粒子群算法是否達(dá)到迭代終止條件；

若是，則將所述全局最優(yōu)位置作為所述全局最優(yōu)解；

若否，則根據(jù)各所述粒子的粒子最優(yōu)位置、全局最優(yōu)位置更新各所述粒子的速度和位置；