預計年底上線！中國附醫要靠ML精準預測422種手術時間，讓手術排程更有效率

中國醫藥大學附設醫院（簡稱中國附醫）開發了一套手術排程模型，可根據病患狀況，來準確預測手術所需的時間，已經可以預測25個科別、共422種手術的時間。透過這套模型，醫院能掌握手術室使用時間，省下不必要的閒置時間成本、提高利用率。中國附醫預計在今年底，將這套模型實際用於臨床手術排程。

用數十萬筆資料來打造精準排程系統

開發這套模型的成員之一、中國附醫智慧醫療科技創新中心主任游家鑫指出，開一臺刀涉及了複雜的醫療資源準備，比如血袋、手術器具、開刀醫生、護士、麻醉醫師、麻醉技師，以及病人的術前準備、麻醉術後的恢復室安排等。

因此，精準預測手術時間，能提高手術室的使用率。而醫院最常見的預測方法，不外乎是取外科醫生開刀紀錄的平均值，或是取電子病歷（EMR）排程系統中，某項手術的平均值。

但這些方法，忽略了影響手術的變數，比如特定患者的病況、手術團隊、麻醉等問題。不準確的手術預測時間，更會導致手術延期或取消。

為改善這個狀況，今年初，智慧醫療科技創新中心聯手中國附醫神經外科醫生暨院長周德陽，決定打造一套ML手術時間預測模型。他們首先收集了中國附醫2017年至2019年、共17萬筆的EMR資料，更從70種參數中，篩選出重要的24種，像是病患的年齡、性別、ICD編碼，還有主治醫生年齡性別、外科手術團隊人數、科別，以及手術類型、麻醉類型等。此外，「我們也考慮了醫生和手術室在開刀前，是否還有上一場手術。」

再來，團隊開始清洗這些資料，排除了手術時間大於10小時和少於10分鐘的案例，也剔除同時進行兩場以上的手術案例，還有患者小於20歲以及緊急刀和搶救刀等例子。

之後，團隊將剩下的14萬筆資料分為兩部分，利用其中的11萬筆來訓練模型，再用剩下的2萬8千筆來驗證。在模型訓練部分，團隊採用了線性迴歸模型、XGBoost模型、隨機森林和對數轉換線性迴歸（Log transformed linear regression）模型來訓練。

訓練好後，除了利用原本的資料來驗證，團隊也額外收集了今年3月至4月的7,000多筆資料，來進行測試。在評估這幾個模型時，團隊發現，XGBoost表現最好，其R²決定係數值可達0.85。一般來說，R²越接近1，表示模型的解釋力越高。游家鑫指出，這套模型已達臨床可用的程度。

預計年底上線，全面數位化手術排程

中國附醫團隊也將這次開發經歷寫成論文，現在，團隊也正將這套模型打造成一套手術排程系統，並納入急救刀和搶救刀兩個因素，甚至是病人轉送流程的時間，要讓系統動態調整預測時間。此外，團隊也透過神經外科院長的試用，來同時改善使用者體驗。

游家鑫也揭露，在今年底前，這套系統會實際應用於中國附醫的臨床手術排程，將過去仰賴人工在白板手寫的模式，全面數位化。文◎王若樸