数据科学和人工智能因其改变从药物研发到信息工作流程等一切领域的潜力，持续成为医疗保健领域的头条新闻。
我们预计运筹学领域将带来重大影响。尽管公众对这一领域了解较少，但其潜在变革性同样不可忽视。
运筹学是利用数据和数学优化组织运作的科学，能够在质量和效率方面带来显著改进。对于癌症中心而言，这涵盖了从程序安排到实施新技术以及未来医院设计的所有内容。
位于休斯敦的德克萨斯大学MD安德森癌症中心（The University of Texas MD Anderson Cancer Center）致力于推进战胜癌症的高风险使命，这意味着我们必须不断评估癌症护理过程的每个步骤，以适应治疗和人口的变化。运筹学确保我们的科学家的发现能够尽可能快速高效地惠及有需要的患者。
以下是我们在运筹学应用中开发的一些工具示例。
预测住院时长和非计划再入院率
运筹学的一个重要主题是更好地利用数据来预测未来。其中两个具有巨大潜力的领域是预测住院患者的住院时长和出院后非计划再入院的可能性。
我们正与胃肠道肿瘤内科的Ryan Huey（瑞安·休伊）博士合作，开发工具以预测化疗患者成本高昂的非计划再入院情况。我们的模型估算风险，并为肿瘤学家提供针对每位患者的决策支持，使他们能够权衡和考虑患者是否能从延长恢复期或更频繁的随访中受益，从而降低返回急诊室的风险。该模型还可以为肿瘤学家提供信息，帮助调整治疗方案，进一步减少副作用和再入院的可能性。
我们的运筹学团队正在开发算法以预测患者的住院时长。利用MD安德森近十年的数据，我们与医院管理层和护士经理合作，了解住院床位管理和出院的挑战，开发了一种预测工具，可以以99%的准确率预测安全恢复和出院所需的住院夜数。该模型令人兴奋的特点包括在预测中纳入患者特定信息，以及在患者护理过程中根据治疗和恢复期间出现的信息更新预测的能力。这种方法真正展示了运筹学在医疗保健领域的变革潜力，不仅有助于指导最佳治疗和恢复路径，还能捕捉到那些恢复时间意外延长的“异常”病例，为医生提供更早干预的机会，实现更顺利的康复。
手术调度：优化效率并改善劳动力福祉
在过去几十年中，运筹学推动了许多行业的巨大变革。例如，在航空旅行领域，效率的提高并非通过建造更多跑道，而是通过使用数据优化航班时间表和工作流程。
然而，手术调度在过去50多年中仍然主要依赖手动操作，而即使一个手术超出预期时间所带来的下游影响也可能令人疲惫不堪。这些低效不仅让患者感到沮丧，还会导致工作人员加班和轮班时间延长。因此，提高手术调度的稳健性、可靠性和效率可以减少延误手术的情况，并大幅改善患者和员工的体验。
关键的第一步是更准确地估算手术时长，而目前最先进的方法容易出错，通常不考虑重要的患者特定因素，如年龄、体重、虚弱程度和疾病严重程度。
我们与围手术服务副总裁Mark Clemens（马克·克莱门斯）博士领导的团队密切合作，发现了导致调度不准确的众多因素。这使我们能够开发一种算法，更准确地预测手术时长，包括那些手术可能比正常预期更长的“异常”病例。
下一步，我们正在开发类似于“区块调度”方法的手术调度优化算法，这种方法已经在其他行业中掀起革命，不仅优化手术室的利用率，还直接关系到每日调度质量以及患者和员工满意度的提升。
容量规划：利用数据科学提前规划
作为运营数据科学家，我们的工作通常会在边缘带来渐进式的改进（这些改进可能会累积），但很少有机会建议重大变革。当我们将运筹学洞察应用于新设施的规划和开发时，就出现了这样的机会。
传统思维可能只是简单地将当前的做法扩大一点。毕竟，如果只是计划做更多的相同事情，那么规划就很简单。然而，在快速变化的医疗保健环境中，我们需要为变革做好准备，并从数据中获取深刻见解，以战略性地思考未来。
向以门诊为中心的护理转变的趋势很明显，这为我们规划新的医疗设施带来了格局的变化。对于诸如手术室和恢复床位数量等重大问题，“更多相同”将无法满足需求。
我们与程序和治疗运营副总裁Robert Ghafar（罗伯特·加法尔）密切合作，再次将近十年的数据应用于这些问题，并得出了与传统思维截然不同的预测。这种做法正在帮助解答许多问题，从哪些技术最适合整合到每个护理场景中，到未来几年我们服务的整体规模和扩展。
推动有效实施
运筹学可以为医院和卫生系统提供宝贵的资产。希望实施这些数据驱动解决方案的团队应牢记一些最佳实践。通过我们与总部位于休斯敦的莱斯大学（Rice University）联合发起的新成立的癌症运筹学研究中心（Center for Operations Research in Cancer），我们期待继续利用数据更好地为运营决策提供信息。
虽然医疗保健行业相对较晚采用运筹学解决方案，但现在我们面临着一个引人注目的机会来应对行业最紧迫的需求。成功实现运营转型以带来临床效益，取决于组织收集和使用数据以获取重要问题洞察的能力、吸引和留住这些应用数学和工程重要领域的人才，以及在运营中有效实施和管理数据科学解决方案的能力。
(全文结束)
