Akutmodtagelser på hospitaler får hjælp til kortere ventetider

Nyt forskningsprojekt fra DTU skal afhjælpe flaskehalse og optimere personaleressourcer i akutmodtagelsen på hospitaler.

Meget lange ventetider i akutmodtagelsen i danske sygehuse er et velkendt problem og er med til at skabe stress og irritation hos både patienter og sygehuspersonale. Men hvordan kan ventetider og flaskehalse i akutmodtagelsen afhjælpes, og hvordan kan hospitaler planlægge sig ud af under- eller overbemanding, når der sker ændringer og f.eks. øget pres i akutmodtagelsen?

Det undersøger ErhvervsPhD John Bruntse Larsen fra DTU Compute i forskningsprojektet 'Hospital Staff Planning with Multi-Agent Goals' i samarbejde med virksomheden PDC A/S. I projektet udvikler John Bruntse Larsen forudsigelses-algoritmer eller matematiske modeller, som skal optimere planlægningen, identificere patienter i risikogrupper og indgå som understøttende beslutningsværktøj i form af en app eller et andet it-værktøj til personalet i akutmodtagelsen på et hospital.

Algoritmer og matematiske modeller forudsiger flowet i akutafdelingen

"I projektet arbejder jeg med meget store mængder historiske data fra tidligere patientforløb og løbende, aktuelle data om patienter og hospitalspersonale fra akutmodtagelsen og fra forskellige afdelinger i et hospital i Region Hovedstaden. På den baggrund opbygger jeg algoritmer og matematiske modeller, som skal forudsige, hvordan flowet af patienter vil se ud time for time - samt dag for dag. Formålet er, at akutmodtagelsen får en forudsigelse af, hvordan fremtiden i afdelingen vil være. Det kan være et overblik over, hvor længe patienter kommer til at være indskrevet, afhængigt af om lægerne beslutter A eller B, eller hvilket tidspunkt der er godt til at gøre nye senge klar, osv.," forklarer John Bruntse Larsen.

Efterligning af virkeligheden giver udfordringer

”De matematiske modeller i projektet efterligner interaktionen mellem medarbejdere, patienter og it-systemer, både i akutafdelingen og i andre afdelinger på hospitalet, i et såkaldt multiagent-system. I kunstig intelligens definerer man en agent som en autonom enhed, der er i stand til at opfatte ting, som sker i dens miljø og har evner til at agere i og derved påvirke miljøet. En agent kan være en robot med sensorer og motorer, men en agent kan også være et selvstændigt program i et computersystem. I mit forskningsprojekt er en agent en aktør som f.eks. en læge, en sygeplejerske eller en patient i akutmodtagelsen eller i en anden afdeling på hospitalet, som hver især omsættes til et selvstændigt computerprogram. De forskellige programmer eller aktører interagerer indbyrdes og efterligner virkeligheden,” uddyber John Bruntse Larsen.

Udfordringen i at opbygge de matematiske modeller eller programmer ligger i at vurdere, hvilke data der er relevante at have med. Det kræver dels et indblik i det område, man undersøger, som i dette tilfælde er et hospital, og dels en evaluering af, om efterligningen og de forudsigelser, som man laver, holder. 

"Jeg arbejder på løsningen af begge udfordringer. Jeg har besøgt et hospital og fået indblik i deres arbejdsgang og eksperimenteret med at modellere den. Min endelige model vil potentielt kunne udvikles til at kunne bruges i andre afdelinger på andre hospitaler," siger John Bruntse Larsen.

ErhvervsPhD-projektet forventes afsluttet i løbet af 2019.