[논문 리뷰] Emergency Centre Organization and Automated Triage System

Daniel Golding, Linda Wilson외 1명|ArXiv.org|2008. 10. 20.

Disaster Response and Management참고 문헌 13인용 수 4

한 줄 요약

이 논문은 환자의 우선순위 정하기를 위한 퍼지 추론과 환자-의사 대기 시간을 동적으로 추정하기 위한 퍼지 Q-학습을 사용한 자동 비상진료 시스템을 제안하며, 큐 순서 최적화를 위해 유전 알고리즘을 통합한다. 시뮬레이션 결과, 응급실의 평균 대기 시간이 48분 감소하고, 중증도 기반 우선순위 정하기가 향상됨을 확인하였다.

ABSTRACT

The excessive rate of patients arriving at accident and emergency centres is a major problem facing South African hospitals. Patients are prioritized for medical care through a triage process. Manual systems allow for inconsistency and error. This paper proposes a novel system to automate accident and emergency centre triage and uses this triage score along with an artificial intelligence estimate of patient-doctor time to optimize the queue order. A fuzzy inference system is employed to triage patients and a similar system estimates the time but adapts continuously through fuzzy Q-learning. The optimal queue order is found using a novel procedure based on genetic algorithms. These components are integrated in a simple graphical user interface. Live tests could not be performed but simulations reveal that the average waiting time can be reduced by 48 minutes and priority is given to urgent patients

연구 동기 및 목표

• 남아프리카 공화국 응급실에서 높은 환자 유입과 수동 진료 시스템의 비효율성을 해결하기 위해.
• 자동화된 지능형 큐 관리 시스템을 통해 환자 대기 시간을 단축하기 위해.
• 실시간으로 적응 가능한 진료 평가 점수를 사용해 중증 환자를 우선순위로 정하기 위해.
• 진료 평가 점수, 시간 추정, 큐 최적화를 하나의 사용자 친화적인 인터페이스에 통합한 시스템을 개발하기 위해.

제안 방법

• 환자의 증상과 상태를 바탕으로 삼투기 시스템을 사용해 진료 점수를 할당한다.
• 별도의 퍼지 Q-학습 시스템이 실시간으로 환자-의사 상담 시간을 동적으로 추정하며, 지속적으로 새로운 데이터에 적응한다.
• 진료 점수와 추정된 서비스 시간을 바탕으로 최적의 환자 큐 순서를 계산하기 위해 유전 알고리즘을 활용한다.
• 진료 점수, 시간 추정, 큐 최적화를 통합된 그래픽 사용자 인터페이스로 통합하여 임상 현장에서 사용 가능하게 한다.
• 실제 응급실 환경에서의 테스트가 실용적 제약로 인해 불가능하여 전체 시스템은 시뮬레이션을 통해 평가된다.
• 다양한 응급실 업무 부하와 환자 프로파일에 대응할 수 있도록 확장 가능하고 유연하게 설계되었다.

실험 결과

연구 질문

• RQ1 자동화된 진료 시스템이 응급실에서 평균 환자 대기 시간을 줄일 수 있는가?
• RQ2 퍼지 논리와 Q-학습을 어떻게 조합하여 환자-의사 상담 시간을 동적으로 추정할 수 있는가?
• RQ3 우선순위와 예상 서비스 시간을 모두 고려할 때, 유전 알고리즘이 환자 큐 순서를 얼마나 효과적으로 최적화할 수 있는가?
• RQ4 진료, 시간 추정, 큐 최적화의 통합이 임상 워크플로우와 환자 우선순위 정하기를 어떻게 향상시킬 수 있는가?
• RQ5 수동 진료와 비교해 높은 환자 유입 조건에서 시스템의 성능은 어떠한가?

주요 결과

• 시스템은 시뮬레이션 환경에서 평균 환자 대기 시간을 48분 감소시켰다.
• 정확한 진료 평가 점수를 통해 중증 환자가 항상 경미한 사례보다 우선순위가 높게 유지된다.
• 퍼지 Q-학습 구성요소는 변화하는 환자 데이터에 지속적으로 적응하여 시간 추정 정확도를 점차 향상시킨다.
• 유전 알고리즘이 전체 대기 시간을 최소화하는 데 효과적으로 최적의 큐 순서를 계산한다.
• 실제 응급실에 도입 가능할 잠재력을 보이며, 실시간 테스트가 부족함에도 불구하고.
• 진료, 시간 추정, 큐 최적화를 하나의 인터페이스에 통합함으로써 사용성과 임상 의사결정을 향상시킨다.