A data-driven approach for surgical case assignment problem

doi:10.1016/j.cor.2026.107675

A data-driven approach for surgical case assignment problem

2026-09-16

0

PRE

AI

D

Dimitrios Karagiannis

DOI：10.1016/j.cor.2026.107675

原文链接

原文求助

摘要

En 中文

对手术时长估计的偏差会降低手术室效率，导致时间块利用不足或过度利用、昂贵的加班以及患者等待时间延长。英国国家医疗服务体系（NHS）的当前排程实践依赖于固定的时长基准或临床医生判断，未能捕捉患者和手术特有的变异性。我们开发了一个数据驱动框架，将机器学习预测与确定性及鲁棒优化模型整合用于手术病例分配。利用一家NHS基金会信托机构三年的数据，我们比较了备选预测模型，并证明我们的方法将时长估计的平均误差从38分钟降至11分钟（相对于NHS基准）。这些预测被嵌入到一个通过列与约束生成算法求解的鲁棒优化公式中，以构建最大化利用并规避不确定性的排程。纳入预测输入将预期与实际利用率的差距从25.8%缩小至1.5%，患者吞吐量最多提高45%，等待名单长度减少超过70%。所提出的框架表明，结合预测分析和鲁棒优化能显著提升效率和服务交付。该方法可直接应用于择期手术排程，并适用于其他寻求数据驱动、具备不确定性感知决策工具的医疗系统。

A data-driven approach for surgical case assignment problem

摘要

期刊

机构

引用论文