最近在《外科学》杂志上发表的一项研究中，研究人员旨在开发一个机器学习模型，能够准确预测手术案例在不同服务和地点下的时长。通过利用案例创建时可获得的有限数据，准确的预测可以提高手术室的调度效率和资源的有效利用，降低成本。
为了构建预测模型，研究人员采用了相似性级联技术来分析案例的复杂性以及操作者对其时长的影响。然后将这些信息纳入到梯度提升机器学习模型中。团队进一步调整了模型的损失函数，以在高估或低估案例时长之间取得平衡。
为了便于广泛部署和使用，他们实施了简化的生产流程，使模型可以在学校内无缝应用，避免遇到任何障碍。
在评估模型的性能时，2022年8月至12月的结果证明其优于传统调度预测。在横跨门诊和医院平台的33815个手术案例的全面分析中，该模型成功预测到比预期时间短的案例减少了11.2%，预测到在实际案例时长的20%范围内的案例增加了5.9%，而超出预计时长的案例仅增加了5.3%。
此模型的实施还使调度员受益，因为它使他们能够准确估计更多3.4%的案例在实际时长的20%范围内，同时将超出预测时间的案例次数减少了4.3%。
总之，研究人员开发了一个独特的框架，证明其在预测手术案例时长方面的可靠性。此外，该框架还可作为未来旨在提升医疗行业手术调度和资源分配的机器学习模型的基础。
The source of the article is from the blog kunsthuisoaleer.nl