一种基于预测的在线动态患者调度方法：以放射治疗为例
机器学习
2022-10-25 v2 人工智能
摘要
患者调度是一项涉及随机因素（如患者到达时间未知）的困难任务。类似地，癌症治疗放射治疗的调度需要在分配资源时处理具有不同紧急程度的患者。高优先级患者可能随时到达，且必须有可用资源来接待他们。一种常见解决方案是为急诊患者预留固定比例的治疗能力。然而，该方案可能导致紧急患者治疗逾期、治疗能力未充分利用以及低优先级患者治疗延迟。该问题在大型拥挤医院中尤为严重。本文中，我们提出一种基于预测的在线动态放射治疗调度方法，其基于每位到达患者与当前资源分配情况动态适应当前的调度决策。我们的方法基于一个回归模型，该模型经训练以识别患者到达模式与已知所有未来到达的最优离线解中其理想等待时间之间的关联。将我们基于预测的方法与固定预留策略比较时，其在防止急诊患者治疗逾期方面表现更好，同时也维持了其他患者相当的等待时间。我们还演示了所提方法如何利用 SHAP 值支持调度决策的可解释性与可理解性。
引用
@article{arxiv.2112.08549,
title = {A prediction-based approach for online dynamic patient scheduling: a case study in radiotherapy treatment},
author = {Tu-San Pham and Antoine Legrain and Patrick De Causmaecker and Louis-Martin Rousseau},
journal= {arXiv preprint arXiv:2112.08549},
year = {2022}
}