医疗质量|基于多层神经网络算法的主诊医师岗位核定

国内已有多家医院试行主诊医师负责制，但仍存在未衡量各主诊组工作量和病种难度等问题，导致床位资源配置不合理，难以调动医师主观能动性。对此，复旦大学附属肿瘤医院利用人工智能算法（BP神经网络）对岗位设置进行了探索，构建了主诊医师岗位核定模式。

该院为肿瘤专科医院。本研究基于主诊医师负责制，将13个外科科室的主诊医师岗位数作为研究对象，深入研究主诊医师岗位核定的影响因素。采用BP神经网络算法，将筛选出的床位数、年床均出院量和三四级手术占比3个因素作为自变量，经过多次训练修正各层单元的权重值。通过此方法分析主诊医师岗位数与床位数、年床均出院量和三四级手术占比三者的内在联系，科学预测各外科科室主诊医师岗位数。  

主诊医师岗位数与床位数、年床均出院量和三四级手术占比3个因素的标准化重要性排序从高到低依次为：床位数（100%）、年床均出院量（10.1%）、三四级手术占比（9.3%），并精准预测了各外科科室主诊医师岗位数，外科医师对主诊医师岗位核定方案满意，总体满意度得分为（4.40±0.31）分。 

该院所建立的多层神经网络模型对主诊医师岗位核定的预测准确率较高，具有较强预测效能，为主诊医师岗位核定提供了客观依据。目前，判断错误预测率高低没有明确标准，BP神经网络是对解析表达式的迭代收敛逼近，不可能达到零误差，只能依据实际研究的技术要求来判断。另外，神经网络模型给出了所有影响因素的敏感度，有利于综合考量各影响因素对主诊医师岗位核定的重要程度。本研究所选择的3个影响因素均是从医院信息系统获取的定量指标，可推广性较强。  

该院实行主诊医师负责制以来，实现了院-科-组三级精细化管理，科主任有更多的精力对科室进行战略规划，将大部分权力下放给主诊医师，运用神经网络算法科学设置主诊医师岗位数，形成良性竞争机制，医生的主观能动性被充分调动，使各个亚专科不断发展，学科影响力不断提升。精确的主诊医师岗位数核定，可以使主诊医师数量和岗位合理匹配，床位使用率得到大幅度提升，保证了医院床位资源的科学合理分配，有助于提高医疗资源利用率。

作者来源： 复旦大学附属肿瘤医院 邢晨伟等

全文拟发表于本刊2022年第4期