BEST PRACTISE

OP-Logistik | PROSPER: Entwicklung einer Hospital Machine Learning Plattform zur Optimierung der OP Planung

Beschreibung

Aufgabenstellung

Die übliche OP-Planung an Kliniken und Polikliniken wird durch sehr erfahrene Mediziner überwiegend händisch vorgenommen. Dabei werden neben Art und Typ der Operation auch patientenspezifische Informationen wie Diagnose, aktueller Zustand und Erkrankungshistorie berücksichtigt. Dennoch weichen die geplante und die tatsächliche benötigte Operationszeit häufig deutlich voneinander ab. Bei steigendem Komplexitätsgrad, durch zum Beispiel mehrerer Operationssäle mit verschiedenen Ausstattungen, liefert die händische Belegungsplanung hinsichtlich Auslastung und Belegungsdringlichkeit meist keine optimalen Ergebnisse. Ziel der Forschung ist es, einen datenbasierten, teilautomatisierten Ansatz für die Belegungsplanung zu schaffen und dabei die Auslastung und den Ressourceneinsatz zu optimieren. In der ersten grundlegenden Phase soll den Experten dabei ein Hilfsmittel zur Verfügung gestellt werden, welches OP-Dauern prognostiziert und somit eine exaktere Planung ermöglicht.

Lösungsansatz / Ergebnisse

Zur Lösung der Problemstellung wird ein zweistufiger Ansatz verfolgt. Im ersten Schritt wird eine „Machine-Learning Plattform“ konzipiert, welche OP-Dauern präziser prognostiziert. Hierfür werden Maschinelle Lernmethoden bzw. -algorithmen mit retrospektiven Patientendaten, Erkrankungs- und Operationsarten, erforderlicher Technik, Dringlichkeit sowie notwendigen personellen und materiellen Ressourcen trainiert. Kontinuierliche Anpassungen sowie zusätzliche Experten-Verifikationen gewährleisten eine zunehmende Präzision der Prognosen. Zur Generierung robuster OP-Arbeitspläne werden im nachfolgenden Schritt Ablaufplanungsalgorithmen appliziert. Ziel ist die tagesbasierte Planung sämtlicher Operationen in multiplen Operationssälen mit optimaler Ressourcenauslastung und hoher Effizienz bei gleichzeitiger Gewährleistung einer definierten Flexibilität für Notfalloperationen durch kontinuierliche Anpassung. Hierbei spielt die Bereitstellung der prognostizierten OP-Dauern eine wichtige Rolle.

Nutzen

Die erhöhte Planstabilität und -robustheit einer datenbasierten OP-Planung wirkt sich auf die Stakeholder im gesamten OP-Ablauf aus. Zeitlich abgestimmte multimodale Behandlungspläne können verlässlich eingehalten werden und somit eine optimale medizinische Behandlung gewährleisten. Die verbesserte Planungssicherheit wirkt sich außerdem positiv auf die Mitarbeiterzufriedenheit aus und führt durch Glättung von Arbeitsspitzen zur einer Erhöhung der Arbeitsqualität. Die Erhöhung der OP-Kapazitäten durch eine effektive Ressourcenplanung und -auslastung stellen zudem eine adäquate Versorgung der zunehmenden Patientenzahl sicher und erlauben zugleich eine Steigerung der OP-Leistung. Letztendlich kann durch die höhere Planstabilität eine Reduzierung der Krankenhausverweildauern und Wiedervorstellungsraten erreicht werden, was gleichzeitig zur Kostenreduzierung führt und somit auch einen nachhaltigen Beitrag zur Senkung der Gesundheitskosten leisten kann.

Referent:innen:

Jennifer Saß
Technische Universität Dresden/ Professur für Technische Logistik
Dr. Ulrich Bork
Universitätsklinikum Carl Gustav Carus Dresden