CN115035998A - 基于早期预测和无人快速配送的紧急血液调度方法及系统 - Google Patents
基于早期预测和无人快速配送的紧急血液调度方法及系统 Download PDFInfo
- Publication number
- CN115035998A CN115035998A CN202210921805.4A CN202210921805A CN115035998A CN 115035998 A CN115035998 A CN 115035998A CN 202210921805 A CN202210921805 A CN 202210921805A CN 115035998 A CN115035998 A CN 115035998A
- Authority
- CN
- China
- Prior art keywords
- blood
- hospital
- patient
- emergency
- unmanned aerial
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 239000008280 blood Substances 0.000 title claims abstract description 349
- 210000004369 blood Anatomy 0.000 title claims abstract description 344
- 238000000034 method Methods 0.000 title claims abstract description 42
- 239000010836 blood and blood product Substances 0.000 claims abstract description 182
- 229940125691 blood product Drugs 0.000 claims abstract description 182
- 208000014674 injury Diseases 0.000 claims abstract description 41
- 230000008733 trauma Effects 0.000 claims abstract description 27
- 230000036770 blood supply Effects 0.000 claims abstract description 13
- 210000003743 erythrocyte Anatomy 0.000 claims description 120
- 208000027418 Wounds and injury Diseases 0.000 claims description 30
- 230000000302 ischemic effect Effects 0.000 claims description 20
- 206010052428 Wound Diseases 0.000 claims description 16
- 238000004891 communication Methods 0.000 claims description 15
- 230000006378 damage Effects 0.000 claims description 14
- 230000006872 improvement Effects 0.000 claims description 14
- 238000004422 calculation algorithm Methods 0.000 claims description 13
- 238000011156 evaluation Methods 0.000 claims description 12
- 238000012546 transfer Methods 0.000 claims description 11
- 238000004364 calculation method Methods 0.000 claims description 10
- 238000012163 sequencing technique Methods 0.000 claims description 9
- 230000002093 peripheral effect Effects 0.000 claims description 8
- 239000000523 sample Substances 0.000 claims description 8
- 230000010006 flight Effects 0.000 claims description 7
- 239000013610 patient sample Substances 0.000 claims description 7
- 238000004458 analytical method Methods 0.000 claims description 6
- 238000012544 monitoring process Methods 0.000 claims description 6
- 230000008859 change Effects 0.000 claims description 4
- 239000002131 composite material Substances 0.000 claims description 4
- 208000028867 ischemia Diseases 0.000 claims description 4
- 230000001174 ascending effect Effects 0.000 claims description 3
- 125000004122 cyclic group Chemical group 0.000 claims description 3
- 238000001514 detection method Methods 0.000 claims description 3
- 238000011478 gradient descent method Methods 0.000 claims description 3
- 238000001802 infusion Methods 0.000 claims description 3
- 239000011159 matrix material Substances 0.000 claims description 3
- 238000010606 normalization Methods 0.000 claims description 3
- 230000008569 process Effects 0.000 claims description 3
- 230000000472 traumatic effect Effects 0.000 claims description 3
- 210000004027 cell Anatomy 0.000 claims 1
- 238000012913 prioritisation Methods 0.000 claims 1
- 230000000740 bleeding effect Effects 0.000 abstract description 3
- 238000004088 simulation Methods 0.000 description 9
- 101150070547 MAPT gene Proteins 0.000 description 4
- 208000032843 Hemorrhage Diseases 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 102100027211 Albumin Human genes 0.000 description 2
- 206010029216 Nervousness Diseases 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000007726 management method Methods 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 239000002699 waste material Substances 0.000 description 2
- 108010088751 Albumins Proteins 0.000 description 1
- 102000001554 Hemoglobins Human genes 0.000 description 1
- 108010054147 Hemoglobins Proteins 0.000 description 1
- 241000521257 Hydrops Species 0.000 description 1
- 206010030113 Oedema Diseases 0.000 description 1
- 206010034246 Pelvic fractures Diseases 0.000 description 1
- 208000009344 Penetrating Wounds Diseases 0.000 description 1
- 210000000683 abdominal cavity Anatomy 0.000 description 1
- 239000003513 alkali Substances 0.000 description 1
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 description 1
- 238000004159 blood analysis Methods 0.000 description 1
- 210000000601 blood cell Anatomy 0.000 description 1
- 230000036760 body temperature Effects 0.000 description 1
- 229960001948 caffeine Drugs 0.000 description 1
- 150000001875 compounds Chemical class 0.000 description 1
- 230000035487 diastolic blood pressure Effects 0.000 description 1
- 238000005534 hematocrit Methods 0.000 description 1
- GPRLSGONYQIRFK-UHFFFAOYSA-N hydron Chemical compound [H+] GPRLSGONYQIRFK-UHFFFAOYSA-N 0.000 description 1
- 239000003550 marker Substances 0.000 description 1
- 239000001301 oxygen Substances 0.000 description 1
- 229910052760 oxygen Inorganic materials 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 230000035488 systolic blood pressure Effects 0.000 description 1
- RYYVLZVUVIJVGH-UHFFFAOYSA-N trimethylxanthine Natural products CN1C(=O)N(C)C(=O)C2=C1N=CN2C RYYVLZVUVIJVGH-UHFFFAOYSA-N 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H40/00—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices
- G16H40/20—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the management or administration of healthcare resources or facilities, e.g. managing hospital staff or surgery rooms
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
- G06Q10/047—Optimisation of routes or paths, e.g. travelling salesman problem
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06315—Needs-based resource requirements planning or analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/08—Logistics, e.g. warehousing, loading or distribution; Inventory or stock management
- G06Q10/083—Shipping
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/08—Logistics, e.g. warehousing, loading or distribution; Inventory or stock management
- G06Q10/083—Shipping
- G06Q10/0835—Relationships between shipper or supplier and carriers
- G06Q10/08355—Routing methods
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H20/00—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance
- G16H20/10—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance relating to drugs or medications, e.g. for ensuring correct administration to patients
- G16H20/17—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance relating to drugs or medications, e.g. for ensuring correct administration to patients delivered via infusion or injection
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/20—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for computer-aided diagnosis, e.g. based on medical expert systems
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- General Business, Economics & Management (AREA)
- Strategic Management (AREA)
- Health & Medical Sciences (AREA)
- Entrepreneurship & Innovation (AREA)
- Marketing (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Development Economics (AREA)
- Operations Research (AREA)
- Medical Informatics (AREA)
- Public Health (AREA)
- Game Theory and Decision Science (AREA)
- Biomedical Technology (AREA)
- Primary Health Care (AREA)
- General Health & Medical Sciences (AREA)
- Epidemiology (AREA)
- Educational Administration (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Pathology (AREA)
- Chemical & Material Sciences (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Medicinal Chemistry (AREA)
- Medical Treatment And Welfare Office Work (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Mechanical Engineering (AREA)
- Remote Sensing (AREA)
- Aviation & Aerospace Engineering (AREA)
Abstract
本发明公开了一种基于早期预测和无人快速配送的紧急血液调度方法及系统,本发明引入紧急用血预测模型和无人机快速配送航线,准确预测院前急救创伤患者的用血需求,通过无人机站点实现患者院前紧急输血,不需要耗费大量道路交通时间抵达医院后再开始输血,提升了创伤大出血患者的供血速度和救治质量,对抢救偏远山区创伤患者的价值重大。出现大规模创伤事件时,用血量激增,医院的血液库存不足,本发明实时评估医院用血需求,联合无人机和送血车从血液中心快速配送所需血制品到医院,提升了医院血液补给效率。
Description
技术领域
本发明属于医疗信息技术领域和无人机技术领域,尤其涉及一种基于早期预测和无人快速配送的紧急血液调度方法及系统。
背景技术
对严重创伤患者的院前急救,目前方式是转运患者到医院,抵达医院后进行患者用血判断及医院血液供需综合评估,必要时向血液中心申请调血,通过道路交通运送血制品。目前方式存在的问题是对急救用血的响应不够快,具体体现在:(1)对创伤大出血患者而言供血效率低,尤其对于在偏远山区出现的患者;(2)若发生大规模创伤事件,医院的紧急血液补给速度偏慢。
目前中国已开始尝试将无人机应用于医疗领域,使用无人机辅助日常血制品运送,但尚未应用于急救血液供应。在严重创伤患者的急救流程中,紧急供血的效率仍是不足的。
发明内容
本发明针对以上技术问题,提供一种基于早期预测和无人快速配送的紧急血液调度方法及系统,本发明利用无人机飞行专线,提升紧急血液供应效率及救治质量,具体体现在:
(1)针对偏远山区发生创伤大出血事件,本发明利用紧急用血预测模型和医院至无人机站点的无人机航线,实现患者在院前无人机站点完成紧急输血,不需要耗费大量道路交通时间抵达医院后再开始输血。
(2)针对大规模创伤事件,用血量激增,医院的血液库存不足,需向血液中心快速调血,本发明利用紧急用血预测模型和血液中心至医院的无人机航线,实现医院紧急血液供需的实时评估及无人机快速补给血制品。
本发明的目的是通过以下技术方案实现的:
根据本说明书的第一方面,提供一种基于早期预测和无人快速配送的紧急血液调度方法,该方法包括以下步骤:
步骤1:收集院前创伤患者样本,搭建分阶段多层次紧急用血预测模型;
步骤2:根据创伤患者信息,基于紧急用血预测模型预测患者用血需求;
步骤3:根据患者位置以及与周边无人机站点、周边医院的距离,利用两层结构加权复合比例算法,通过以受伤点为圆心的对比评估和加权三角综合评估,实现患者转运目的地和院前血液配送的智能推荐,辅助急救医生决策;
步骤4:统计各医院血制品需求总量,计算各医院所有患者的全部血制品需求紧张度并排序,形成院内血制品供应先后顺序表;
步骤5:根据各医院血制品需求总量及供应紧张度、院内库存、运输中血制品数量,基于联合无人机和送血车的循环序列算法,以等待时间最小化为目标不断循环进行无人机优先级排序、无人机与送血车差异比较和不定长路线序列调整,实现运输工具智能调度及血制品快速配送;
步骤6:实时评估各医院血制品供需关系、所有患者用血情况、所有运输工具状态,评估当前调度配送方案是否满足需求,若不满足需求则更新调度配送方案。
进一步地,所述步骤1具体为:
收集院前创伤患者样本,记录院前和院内多维信息;预测目标Y为K类,根据紧急程度选用初步方案或改进方案;
初步方案,K取2,预测目标Y为24小时红细胞输注量属于[0, 4]或(4,+∞),分别取值为0、1;若Y=0则不申请紧急用血;若Y=1则在受伤现场立即提出2单位O型红细胞用血申请;
改进方案,K取3,预测目标Y为24小时红细胞输注量属于0或(0, 4]或(4,+∞),分别取值为0、1、2;若Y=0则表示不需要输血;若Y=1则到达医院后测定血型再提出2单位特定血型红细胞用血申请;若Y=2则在受伤现场立即提出2单位O型红细胞用血申请、到达医院后测定血型再提出2单位特定血型红细胞用血申请;
所述分阶段多层次紧急用血预测模型表示为:
其中s表示预测阶段,s=1表示院前阶段,s=2表示院内阶段;函数和分别表示
院前预测模型和院内预测模型,分别表示经过均值补缺和归一化预处理后的院前
特征集和院内新增特征集;表示将进行拼接;为分阶段多层次紧
急用血预测模型输出的类别k预测值,取;为预测的用血类别,初步方案中
取0或1,改进方案中取0或1或2。
进一步地,所述分阶段多层次紧急用血预测模型中,
其中表示softmax函数,表示可训练的权重参数,表示矩阵
乘,表示可训练的偏置参数,为院前预测模型输出的类别k预测值,为院内
预测模型输出的类别k预测值,K取2或3,取;K取2时代表初步方案,K取3时代表
改进方案;
其中为权重系数,分别为院前预测模型损失函数、院内预测模型损失函
数,M为样本量,为指示函数,为第i个样本的真实类别,分别为院前预测模型、
院内预测模型输出的第i个样本类别j的预测值,为惩罚项系数,表示L2范数;
进一步地,所述步骤2具体为:
对每位创伤患者,将患者院前信息输入步骤1建立的分阶段多层次紧急用血预测模型,输出患者的紧急用血类别;当患者抵达医院后,将患者院前信息和院内信息均输入步骤1建立的分阶段多层次紧急用血预测模型,更新紧急用血预测结果;
初步方案中,预测为1表示需紧急用血,即在受伤现场立即提出2单位O型红细胞用血申请;预测为0表示不需紧急用血;
改进方案中,预测为2表示红细胞血制品需求十分紧急,即在受伤现场立即提出2单位O型红细胞的用血申请、到达医院后测定血型再申请2单位特定血型红细胞;预测为1表示红细胞血制品需求中等紧急,即到达医院后测定血型再申请2单位特定血型红细胞;预测为0表示不需要输血。
进一步地,所述步骤3中,分为以下两种情况:
情况1:对于步骤2中预测为不需要O型红细胞的患者,通过以受伤点为圆心,对比抵达每个医院的道路交通时间,建议将患者转运至道路交通时间最短的医院NHI进行救治,患者的用血需求对应医院NHI;
情况2:对于步骤2中预测为需要用O型红细胞的患者,判断将患者运送到某无人机站点进行O型红细胞紧急输血再转运至附近医院进一步治疗,或转运至某医院进行O型红细胞紧急输血及进一步治疗;每个无人机站点属于与其无人机飞行耗时最短的医院;具体为:
(a)计算通过急救车将患者从受伤现场运送到医院的最短道路交通时间TNH,记录TNH对应的医院序号NHI;
(b)计算通过急救车将患者从受伤现场运送到无人机站点进行O型红细胞紧急输血的最短时间TNS,记录TNS对应的无人机站点序号NSI;
(c)对医院NHI和无人机站点NSI进行加权三角综合评估,计算加权三角判断指标C,计算公式如下:
其中TSH为无人机站点NSI到其耗时最短医院Q的道路交通时间;
如果指标C大于0,则建议将患者运送到无人机站点NSI进行O型红细胞紧急输血,再转运至医院Q进一步治疗,患者在无人机站点NSI的用血需求由该无人机站点所属医院供应而进一步治疗的用血需求由医院Q供应;否则建议将患者运送到医院NHI进行O型红细胞紧急输血及进一步治疗,患者的用血需求对应医院NHI。
进一步地,所述步骤4中,统计各医院血制品需求总量,具体为:
改进方案中,若则;若则判断患者n在时刻t是否已测定血型,
若未测定血型则,若已测定血型则;若则判断患者n紧急输血使用的O型
红细胞是否由该医院供应、进一步救治使用的特定血型红细胞是否由该医院供应、患者n在
时刻t是否已测定血型,若患者n的所有红细胞由该医院供应且未测定血型则,若患
者n的所有红细胞由该医院供应且已测定血型则,若对于患者n仅O型红细胞由该医
院供应则,若对于患者n仅特定血型红细胞由该医院供应且未测定血型则,若
对于患者n仅特定血型红细胞由该医院供应且已测定血型则;
进一步地,所述步骤4中,计算各医院所有患者的全部血制品需求紧张度并排序,形成院内血制品供应先后顺序表,具体为:
改进方案中,若则;若则,其中
表示患者n的紧急血制品是否由该医院供应且是否已测定血型,如果由该医院供应且已测
定血型则,否则,表示在时刻t患者n等待紧急血制品已消耗的时间;若则,其中A为十分紧急患者输血重要性与中
等紧急患者输血重要性的比例系数,A>1,分别表示患者n第一步紧急治疗所用O
型红细胞血制品是否由该医院供应、进一步治疗所用特定血型红细胞是否由该医院供应且
是否已测定血型,如果第一步紧急治疗所用O型红细胞血制品由该医院供应则,否
则,如果进一步治疗所用特定血型红细胞由该医院供应且已测定血型则,
否则;分别表示在时刻t患者n等待第一步紧急治疗所需O型红细胞已
消耗的时间、等待进一步治疗所需特定血型红细胞已消耗的时间,为进一步治疗所需特定
血型红细胞的价值折扣因子,;若则没有;若则血制品需求
紧张度;若则血制品需求紧张度,而;
进一步地,所述步骤5具体为:
(5.1)根据运输工具配送状态,衡量各医院血制品供需情况,构建当前调度配送方案;
集合表示启用无人机的情况,其中取值0,i,-i分别代
表第u架无人机处于在血液中心待命的状态、正在去往医院i的途中、正在从医院i返回血液
中心的途中;为第u架无人机预定飞行的航班数量,集合
表示第u架无人机预定飞行的目标医院,如果则表示第u架无人机预定飞行的第k次
航班的目标医院为医院i;集合;
集合表示启用送血车的情况,其中取值0,i,-i分别代
表第t辆送血车处于在血液中心待命的状态、正在去往医院i的途中、正在从医院i返回血液
中心的途中;为第t辆送血车预定驾驶的趟次,集合表示第t
辆送血车预定驾驶的目标医院,如果则表示第t辆送血车预定驾驶的第k趟次的目
标医院为医院i;集合;
(5.3)基于无人机和送血车,制定出医院m等待时间尽可能小的调度方案,包括:
采用循环序列算法,以医院m所有患者的血制品等待时间最小为目标,通过无人机优先级排序、无人机与送血车的差异比较和不定长路线序列调整,在当前调度配送方案基础上制定出下一步调度配送方案,即派出一架待命无人机至医院m,或者在某架无人机的预定序列中增加一项医院m的预定航班,或者派出一辆待命送血车至医院m,或者在某辆送血车的预定序列中增加一项医院m的预定趟次;
接着利用调度代价函数进行调度策略评价和判断,通过计算无人机和送血车调度策略的调度代价差异大小,比较两种工具调度优势;
派出就绪时间最短的无人机装载BU单位血制品,得到调度代价值为;派出送
血车装载BT单位血制品,BU单位血制品用于救治患者,其余浪费,得到调度代价值为;计
算调度代价差异,若则调度无人机,否则调度最短就绪时间的
送血车;
(5.4)循环运行步骤(5.1)~步骤(5.3),直到所有缺血状态医院血制品供应均已满足。
进一步地,所述步骤6中,如果出现新发创伤患者则更新步骤2中的患者数量及患者用血需求,再执行步骤3~步骤5;如果患者信息发生变化,则更新步骤2中的患者用血需求,再执行步骤3~步骤5;如果患者的转运路线、患者血型检测状态发生变化导致对医院的血制品需求改变,则更新患者对医院的血制品需求,再执行步骤4、步骤5;如果无人机或送血车抵达某医院则更新该医院的血制品库存量、运输途中血制品数量,再执行步骤4、步骤5;如果患者在某无人机站点完成输血则更新该无人机站点所属医院的血制品库存量、患者对该无人机站点所属医院的血制品需求,再执行步骤4、步骤5;如果患者在某医院完成输血则更新该医院的血制品库存量、患者对该医院的血制品需求,再执行步骤4、步骤5。
根据本说明书的第二方面,提供一种基于早期预测和无人快速配送的紧急血液调度系统,该系统包括急救医生终端和调度指挥平台两部分;
所述急救医生终端包括信息录入模块和第一通信模块,所述第一通信模块发送患者信息,接收患者紧急用血预测信息、患者的转送目的地推荐方案;
所述调度指挥平台包括第二通信模块、需求分析监测模块和调度计算模块;所述第二通信模块接收患者信息,发送供血需求、调度指令;所述需求分析监测模块通过紧急用血预测模型判断患者的紧急用血需求情况及综合评估医院需求血量、院内库存、运输中血量情况;所述调度计算模块用于生成无人机和送血车的调度指令,通过第二通信模块发送指令。
本发明的有益效果为:本发明引入紧急用血预测模型和无人机快速配送航线,准确预测院前急救创伤患者的用血需求,通过无人机站点实现患者院前紧急输血,提升了创伤大出血患者的供血速度和救治质量,对抢救偏远山区创伤患者的价值重大。出现大规模创伤事件时,用血量激增,本发明实时评估医院用血需求,联合无人机和送血车从血液中心快速配送所需血制品到医院,提升了医院血液补给效率。
附图说明
图1为一示例性实施例提供的基于早期预测和无人快速配送的紧急血液调度方法流程图;
图2为一示例性实施例提供的基于早期预测和无人快速配送的紧急血液调度框架示意图;
图3为一示例性实施例提供的基于早期预测和无人快速配送的紧急血液调度系统结构图;
图4为城市仿真场景示例;
图5为乡村仿真场景示例。
具体实施方式
为使本发明的上述目的、特征和优点能够更加明显易懂,下面结合附图对本发明的具体实施方式做详细的说明。
在下面的描述中阐述了很多具体细节以便于充分理解本发明,但是本发明还可以采用其它不同于在此描述的其它方式来实施,本领域技术人员可以在不违背本发明内涵的情况下做类似推广,因此本发明不受下面公开的具体实施例的限制。
本发明提供一种基于早期预测和无人快速配送的紧急血液调度方法,如图1、图2所示,该方法包括以下步骤:
步骤1:收集院前创伤患者样本,搭建分阶段多层次紧急用血预测模型;
步骤2:根据创伤患者信息,基于紧急用血预测模型预测患者用血需求;
步骤3:根据患者位置以及与周边无人机站点、周边医院的距离,利用两层结构加权复合比例算法,通过以受伤点为圆心的对比评估和加权三角综合评估,实现患者转运目的地和院前血液配送的智能推荐,辅助急救医生决策;
步骤4:统计各医院血制品需求总量,计算各医院所有患者的全部血制品需求紧张度并排序,形成院内血制品供应先后顺序表;
步骤5:根据各医院血制品需求总量及供应紧张度、院内库存、运输中血制品数量,基于联合无人机和送血车的循环序列算法,以等待时间最小化为目标不断循环进行无人机优先级排序、无人机与送血车差异比较和不定长路线序列调整,实现运输工具智能调度及血制品快速配送;
步骤6:实时评估各医院血制品供需关系、所有患者用血情况、所有运输工具状态,评估当前调度配送方案是否满足需求,若不满足需求则更新调度配送方案。
下述说明进一步给出了符合本申请要求的基于早期预测和无人快速配送的紧急血液调度方法实现的部分实施例。
步骤1:收集一批院前创伤患者样本,搭建分阶段多层次紧急用血预测模型,具体为:
收集一批院前严重创伤患者样本,剔除烧伤患者,样本量记为M。对每个入选样本记录其院前和院内多维信息。
当患者被转运到医院,在院内通过血液检验和超声检查,采集到更多特征构成新
增特征集,其中HGB、ALB、BE、pH、HCT和
分别代表血红蛋白、白蛋白、剩余碱、氢离子浓度指数、血细胞压积、是否有腹腔积液。
预测目标Y为K类,可选用初步方案和改进方案。
初步方案,K取2,预测目标Y为24小时红细胞输注量是否大于某个阈值ε,取值1代表需要紧急用血的情况,取值0则不是紧急用血样本。根据已有研究,该阈值ε设置为4单位,若Y=0则不申请紧急用血;若Y=1则在受伤现场立即提出2单位通用O型红细胞的用血申请。
在初步方案的基础上提出改进方案,具体为,K取3,预测目标Y为24小时红细胞输注量属于0或(0,4]或(4,+∞),分别取值为0、1、2。若Y=0则表示不需要输血;若Y=1则到达医院后测定血型再提出2单位特定血型红细胞的用血申请;若Y=2则在受伤现场立即提出2单位通用O型红细胞的用血申请、到达医院后测定血型再提出2单位特定血型红细胞的用血申请。
其中s表示预测阶段,包括院前阶段(s=1)和院内阶段(s=2)。函数和分别表示
院前预测模型和院内预测模型,表示将进行拼接。为分阶段多层
次紧急用血预测模型输出的类别k预测值,取。为预测的用血类别,初步方案
中取0或1,改进方案中取0或1或2。
其中表示softmax函数,表示可训练的权重参数,表示矩阵
乘,表示可训练的偏置参数,为院前预测模型输出的类别k预测值,为院内
预测模型输出的类别k预测值,K取2或3,取。K取2时代表初步方案,K取3时代
表改进方案,不同紧急程度对应不同方案,通过紧急程度的分层,进一步提高患者用血需求
预测精度。
步骤2:应用步骤1建立的模型预测患者紧急用血需求,具体为:
对每位创伤患者n,将其院前信息输入步骤1建立的分阶段多层次紧急用血预测模
型,模型输出患者n的紧急用血类别;如有需要,提出O型红细胞用血申
请。当患者抵达医院后,将其院前信息和院内信息均输入步骤1建立的分阶段多层次紧急用
血预测模型,更新紧急用血预测结果;同时,如有需要,测定血型后提出特定血型红细胞用
血申请。
初步方案中,预测为1表示需紧急用血,即在受伤现场立即提出2单位通用O型红细胞的用血申请;预测为0表示不需紧急用血。
改进方案中,预测为2表示红细胞血制品需求十分紧急,即在受伤现场立即提出2单位通用O型红细胞的用血申请、到达医院后测定血型再申请2单位特定血型红细胞;预测为1表示红细胞血制品需求中等紧急,即到达医院后测定血型再申请2单位特定血型红细胞;预测为0表示不需要输血。
步骤3:根据患者位置以及与周边无人机站点、周边医院的距离,利用两层结构加权复合比例算法,通过以受伤点为圆心的对比评估和加权三角综合评估,实现患者转运目的地(包括无人机站点及医院)和院前血液配送的智能推荐,辅助急救医生决策。急救医生根据推荐结果为每位患者指定转运目的地。具体为:
符号H和S为设定区域内医院的数量和无人机站点的数量。医院位置标记为
,其中代表第i个医院的位置。无人机站点位置
标记为,其中代表第j个无人机站点的位置。符号PP代表院
前创伤患者的位置。函数MapT(start, end)表示通过地图应用计算的从起始点start到终
结点end所需的道路交通时间。分为以下两种情况:
①对于步骤2中预测为不需要O型红细胞的患者,通过以受伤点为圆心,对比抵达每个医院的耗时,判断将患者转运至哪家医院进行救治。
选出道路交通时间最短的医院的序号NHI:
建议将患者转运至医院NHI进行救治,患者的用血需求对应医院NHI。
②对于步骤2中预测为需要用O型红细胞的患者,判断将患者运送到某无人机站点进行O型红细胞紧急输血再转运至附近医院进一步治疗,或转运至某医院进行O型红细胞紧急输血及进一步治疗。每个无人机站点属于与其无人机飞行耗时最短的医院。在该步骤使用以受伤点为圆心的对比评估,获取转运患者耗时最短的医院和无人机站点。具体为:
(a)计算通过急救车将患者从受伤现场运送到医院的最短时间,包括以下步骤:
选出道路交通时间最短的医院的序号NHI:
因此,运送患者到医院的最短时间,即患者到医院NHI的耗时TNH:
(b)计算通过急救车将患者从受伤现场运送到无人机站点进行O型红细胞紧急输血的最短时间,包括以下步骤:
通过函数MapT()计算患者位置到第j个无人机站点位置的道路交通时间,再计算该无人机站点所属医院血液库存充足的条件下患者在该无人机站点获取到O型红细胞的时间:
因此,运送患者到无人机站点进行紧急输血的最短时间TNS:
(c)计算加权三角判断指标,用于判断患者运送目的地,即在该步骤对医院NHI和无人机站点NSI进行加权三角综合评估。首要的因素是相比医院输血,无人机站点输血如果能实现患者尽可能早的紧急输血,无人机站点输血的价值会较大。且无人机站点完成输血后运送到医院的耗时越短,患者能越早进行输血后进一步治疗,越有利。因此,加权三角判断指标C为:
其中TSH为无人机站点NSI到其耗时最短医院Q的道路交通时间。
该步骤的输出为DEST,包含患者运送目的地的类型和具体地点信息。如果指标C大
于0,则输出,即建议将患者运送到无人机站点NSI进
行O型红细胞紧急输血,再转运至医院Q进一步治疗,患者在无人机站点NSI的用血需求由该
无人机站点所属医院供应而进一步治疗的用血需求由医院Q供应;否则,输出,即建议将患者运送到医院NHI进行O型红细胞紧急输血及进一步
治疗,患者的用血需求对应医院NHI。
步骤4:统计各家医院在时刻t的血制品需求总量,计算每家医院所有患者的全部血制品需求紧张度并进行排序,形成医院内血制品供应先后顺序表。具体为:
(4.1)统计各家医院的血制品需求总量。对于患者n采用分阶段多层次紧急用血预
测模型预测其所处的类别记为,通过、患者救治路线、患者血型测定状态等信息计算得
到为救治患者n提出的对该医院红细胞血制品需求数量。
初步方案中,若,则;若,则判断患者n的紧急血制品是否由该
医院供应,若在该医院或在该医院管理的无人机站点进行O型红细胞紧急输血则即
在受伤现场立即提出该医院的2单位O型红细胞用血申请,若不需要该医院准备患者n的紧
急血制品则。
改进方案中,若则;若,则判断患者n在时刻t是否已测定血
型,若未测定血型则,若已测定血型则即提出2单位特定血型红细胞用血申
请;若,则判断患者n紧急输血使用的O型红细胞是否由该医院供应、进一步救治使用
的特定血型红细胞是否由该医院供应、患者n在时刻t是否已测定血型,若患者n的所有红细
胞由该医院供应且未测定血型则即在受伤现场提出2单位O型红细胞用血申请,若患
者n的所有红细胞由该医院供应且已测定血型则即在受伤现场、院内各提出2单位
用血申请,若对于患者n仅O型红细胞由该医院供应则,若对于患者n仅特定血型红细
胞由该医院供应且未测定血型则,若对于患者n仅特定血型红细胞由该医院供应且
已测定血型则。
(4.2)计算每家医院所有患者的全部血制品需求紧张度并进行排序,形成医院内
血制品供应先后顺序表。对于医院i的患者n,根据步骤2得到其紧急用血需求预测结果,结
合患者n等待血制品的时长(单位可采用分钟),计算患者n在医院i的用血紧张度,
根据计算患者n所有红细胞在医院i的需求紧张度为患者n的
红细胞需求总量。
初步方案中,若则患者用血紧张度;若则,其中表示患者n的紧急血制品是否由该医院供应,如果由该医院
供应则,否则,表示在时刻t患者n等待紧急血制品已消耗的时间。若则没有;若则血制品需求紧张度,即第1单
位和第2单位的血制品需求紧张度相同,均等于。
改进方案中,若则患者用血紧张度;若则,其中表示患者n的紧急血制品是否由该医院供应且是否已测定血
型,如果由该医院供应且已测定血型则,否则,表示在时刻t患者n等
待紧急血制品已消耗的时间;若则,
其中A为十分紧急患者输血重要性与中等紧急患者输血重要性的比例系数,A 由临床经验
确定,A>1,分别表示患者n第一步紧急治疗所用O型红细胞血制品是否由该医院供
应、进一步治疗所用特定血型红细胞是否由该医院供应且是否已测定血型,如果第一步紧
急治疗所用O型红细胞血制品由该医院供应,则,否则,如果进一步治疗所用
特定血型红细胞由该医院供应且已测定血型,则,否则;分别
表示在时刻t患者n等待第一步紧急治疗所需O型红细胞已消耗的时间、等待进一步治疗所
需特定血型红细胞已消耗的时间,为进一步治疗所需特定血型红细胞的价值折扣因子,。若则没有;若则血制品需求紧张度;若则血制品需求紧张度,而。
步骤5:根据各医院在时刻t的血制品需求总量及紧张度、院内库存、运输中血制品数量等信息,基于联合无人机和送血车的循环序列优化算法,以等待时间最小化为目标不断循环进行无人机优先级排序、无人机与送血车差异比较和不定长路线序列调整,实现运输工具的智能调度及大量血制品的快速配送。具体为:
综合所有将要送往该医院或该医院管理无人机站点的患者情况,评估每家医院的血制品供需情况及血制品供应紧张度。通过对比所有医院的用血紧张度,确定如何调度无人机或送血车进行血制品快速配送。
(5.1)根据运输工具的配送状态,衡量各家医院的血制品供需情况,构建当前调度配送方案。
其中U和T为血液中心管理的无人机数量和送血车数量。无人机和送血车能装载的
最大量分别为BU和BT。为指示函数。集合表示启用无人机的
情况,其中取值0代表第u架无人机处于在血液中心待命的状态,取值i代表该无人机正
在去往医院i的途中,取值-i代表该无人机正在从医院i返回血液中心的途中。为第u架
无人机预定飞行的航班数量,集合表示第u架无人机预定飞行
的目标医院,如果则表示第u架无人机预定飞行的第k次航班的目标医院为医院i。
集合。集合表示启用送血车的情况,具
体取值的涵义与SU一致。为第t辆送血车预定驾驶的趟次。集合表示第t辆送血车预定驾驶的目标医院,如果则表示第t
辆送血车预定驾驶的第k趟次的目标医院为医院i。集合。
(5.2)汇总血制品供应不足的医院,即缺血状态的医院,评估这些医院的总体未来血制品供应紧张度,选出优先调度配送的医院。
初步方案中,若则不存在;若则未来血制品供应紧张度
估算值,其中表示根据当前调度配送方案得到的患
者n等待紧急血制品的估算时间,如果当前调度配送方案无法满足患者n所需血制品的需
求,则将设置为一个较大的固定值,例如分钟。
改进方案中,若则不存在;若则未来血制品供应紧张度估
算值;若则,而,其中分别表示根据当前调度配送方
案患者n等待第一步紧急治疗所需O型红细胞的估算时间、等待进一步治疗所需特定血型红
细胞的估算时间,如果当前调度配送方案无法满足患者n所需第1,2单位或第3,4单位血制
品的需求,则将或设置为一个较大的固定值,例如令分钟或
者令分钟。
(5.3)基于无人机和送血车,制定出医院m等待时间尽可能小的调度方案。
采用循环序列优化算法,以医院m所有患者的血制品等待时间最小为目标,通过无人机优先级排序、无人机与送血车的差异比较和不定长路线序列调整,在当前调度配送方案基础上制定出下一步调度配送方案,即派出一架待命无人机至医院m,或者在某架无人机的预定序列中增加一项医院m的预定航班,或者派出一辆待命送血车至医院m,或者在某辆送血车的预定序列中增加一项医院m的预定趟次。
接着,利用调度代价函数进行调度策略评价和判断,通过计算无人机和送血车调度策略的调度代价差异大小,比较两种工具调度优势。
初步方案中,调度代价函数为:
其中为指示函数,为医院m的患者数量。表示根据制定出的下一步调度
配送方案得到的患者n等待紧急血制品的估算时间,如果该调度配送方案无法满足患者n所
需血制品的需求,则将设置为一个较大的固定值,例如令等于1440分钟。表示血制
品浪费的惩罚系数,由临床经验和血液中心血制品库存量决定。表示由于过度供应
导致浪费的血制品数量。
改进方案中,调度代价函数为:
式中,为指示函数;分别表示根据制定出的下一步调度配送方案
得到的患者n等待第一步紧急治疗所需O型红细胞的估算时间、等待进一步治疗所需特定血
型红细胞的估算时间,如果该调度配送方案无法满足患者n所需O型红细胞或特定血型红细
胞的需求,则将或设置为一个较大的固定值,例如令分钟或者令分钟。表示血制品浪费的惩罚系数,由临床经验和血液中心血制品库存量决
定。表示由于过度供应导致浪费的血制品数量。
为了具备可比性,方案1为派出就绪时间最短的无人机(装载BU单位血制品),得
到调度代价值为;方案2为派出送血车(装载BT单位血制品,BU单位血制品用于救治患者,
其余浪费),得到调度代价值为。计算调度代价差异。若则使用无
人机,并根据其状态判断使用方式,若等于0则立即派出无人机运送血制品到医
院m,若大于0则预定列表增加一项医院m的预定航班,同时更新运输途中血制品
数量、就绪时间及无人机调度排序表;若则调度最短就绪时间的
送血车,具体操作与上述使用无人机的操作一致。
(5.4)循环运行步骤(5.1)~步骤(5.3),直到所有缺血状态医院的血制品供应都已满足。具体为:计算各医院的血制品供需情况,即再次执行步骤(5.1);若仍存在供应不足的医院,再次执行步骤(5.2),选出需要进一步调度的缺血状态医院;执行步骤(5.3),调度无人机或送血车配送血制品。重复以上步骤,直到所有缺血状态医院的血制品供应都已满足再退出。
步骤6:实时评估所有医院的血制品供需关系、所有患者的用血情况、所有运输工具的状态,步骤2~步骤5中任一变量发生变化时,评估当前调度配送方案是否满足需求,若不满足需求则对调度配送方案进行更新。
如果出现新发创伤患者,则更新步骤2中的患者数量及患者用血需求,再执行步骤3~步骤5;如果患者信息发生变化,则更新步骤2中的患者用血需求,再执行步骤3~步骤5;如果患者的转运路线、患者血型检测状态等发生变化导致对医院的血制品需求有所改变,则更新患者对医院的血制品需求,再执行步骤4、步骤5;如果无人机或送血车抵达某医院则更新该医院的血制品库存量、运输途中血制品数量,再执行步骤4、步骤5;如果患者在某无人机站点完成输血则更新该无人机站点所属医院的血制品库存量、更新患者对该无人机站点所属医院的血制品需求,再执行步骤4、步骤5;如果患者在某医院完成输血则更新该医院的血制品库存量、更新患者对该医院的血制品需求,再执行步骤4、步骤5。
与前述基于早期预测和无人快速配送的紧急血液调度方法的实施例相对应,本发明还提供了基于早期预测和无人快速配送的紧急血液调度系统的实施例。
如图3所示,本发明实施例提供的一种基于早期预测和无人快速配送的紧急血液调度系统, 包括急救医生终端和调度指挥平台两部分。
急救医生终端包括信息录入模块和第一通信模块。第一通信模块发送患者信息,接收患者紧急用血预测信息、患者的转送目的地推荐方案。
调度指挥平台包括第二通信模块、需求分析监测模块和调度计算模块。具体功能为:第二通信模块接收患者信息,发送供血需求、调度指令;需求分析监测模块通过紧急用血预测模型判断患者的紧急用血需求情况及综合评估医院需求血量、院内库存、运输中血量等情况;调度计算模块基于调度算法生成无人机和送血车的调度指令,通过第二通信模块发送指令。
在以下实施例中,说明本发明的应用场景及仿真结果。
(1)本发明经过仿真实验测试,结果表明减少了等待时间,提高了紧急血液供应效率。
本发明调度方法及系统在两个仿真实验中进行测试,分别模拟城市特征的场景和乡村特征的场景,基于AnyLogic软件(免费版本)实现。
a.城市特征的仿真实验
该场景中包含血液中心、医院、受伤现场。其中血液中心拥有若干送血车和无人机,受伤现场会出现若干严重创伤患者且部分患者需要紧急输血。城市仿真场景如图4所示。
结果是,受伤现场出现300名创伤患者时,传统策略的平均等待输血时间为30.52分钟,而本发明调度系统所需的平均等待输血时间为17.55分钟。
b.乡村特征的仿真实验
该场景中包含医院、无人机站点、受伤现场。其中医院拥有若干无人机,受伤现场会出现若干严重创伤患者且部分患者需要紧急输血。乡村仿真场景如图5所示。
结果是,传统策略的平均等待输血时间为89.37分钟,而本发明调度系统所需的平均等待输血时间为42.05分钟。
(2)本发明调度方法及系统已经过真实运行,在11例上证实确实可行。从接收到院前到患者抵达医院是21-132分钟,无人机从血液中心飞到医院仅需5分钟,在患者抵达前可达到准备就绪的状态。
以上所述仅是本发明的优选实施方式,虽然本发明已以较佳实施例披露如上,然而并非用以限定本发明。任何熟悉本领域的技术人员,在不脱离本发明技术方案范围情况下,都可利用上述揭示的方法和技术内容对本发明技术方案做出许多可能的变动和修饰,或修改为等同变化的等效实施例。因此,凡是未脱离本发明技术方案的内容,依据本发明的技术实质对以上实施例所做的任何的简单修改、等同变化及修饰,均仍属于本发明技术方案保护的范围内。
Claims (10)
1.一种基于早期预测和无人快速配送的紧急血液调度方法,其特征在于,包括以下步骤:
步骤1:收集院前创伤患者样本,搭建分阶段多层次紧急用血预测模型;
步骤2:根据创伤患者信息,基于紧急用血预测模型预测患者用血需求;
步骤3:根据患者位置以及与周边无人机站点、周边医院的距离,利用两层结构加权复合比例算法,通过以受伤点为圆心的对比评估和加权三角综合评估,实现患者转运目的地和院前血液配送的智能推荐,辅助急救医生决策;
步骤4:统计各医院血制品需求总量,计算各医院所有患者的全部血制品需求紧张度并排序,形成院内血制品供应先后顺序表;
步骤5:根据各医院血制品需求总量及供应紧张度、院内库存、运输中血制品数量,基于联合无人机和送血车的循环序列算法,以等待时间最小化为目标不断循环进行无人机优先级排序、无人机与送血车差异比较和不定长路线序列调整,实现运输工具智能调度及血制品快速配送;
步骤6:实时评估各医院血制品供需关系、所有患者用血情况、所有运输工具状态,评估当前调度配送方案是否满足需求,若不满足需求则更新调度配送方案。
2.根据权利要求1所述的基于早期预测和无人快速配送的紧急血液调度方法,其特征在于,所述步骤1具体为:
收集院前创伤患者样本,记录院前和院内多维信息;预测目标Y为K类,根据紧急程度选用初步方案或改进方案;
初步方案,K取2,预测目标Y为24小时红细胞输注量属于[0, 4]或(4,+∞),分别取值为0、1;若Y=0则不申请紧急用血;若Y=1则在受伤现场立即提出2单位O型红细胞用血申请;
改进方案,K取3,预测目标Y为24小时红细胞输注量属于0或(0, 4]或(4,+∞),分别取值为0、1、2;若Y=0则表示不需要输血;若Y=1则到达医院后测定血型再提出2单位特定血型红细胞用血申请;若Y=2则在受伤现场立即提出2单位O型红细胞用血申请、到达医院后测定血型再提出2单位特定血型红细胞用血申请;
所述分阶段多层次紧急用血预测模型表示为:
3.根据权利要求2所述的基于早期预测和无人快速配送的紧急血液调度方法,其特征在于,所述分阶段多层次紧急用血预测模型中,
其中表示softmax函数,表示可训练的权重参数,表示矩阵乘,表示可训练的偏置参数,为院前预测模型输出的类别k预测值,为院内预测模型输出的类别k预测值,K取2或3,取;K取2时代表初步方案,K取3时代表改进方案;
其中为权重系数,分别为院前预测模型损失函数、院内预测模型损失函数,M为样本量,为指示函数,为第i个样本的真实类别,分别为院前预测模型、院内预测模型输出的第i个样本类别j的预测值,为惩罚项系数,表示L2范数;
4.根据权利要求3所述的基于早期预测和无人快速配送的紧急血液调度方法,其特征在于,所述步骤2具体为:
对每位创伤患者,将患者院前信息输入步骤1建立的分阶段多层次紧急用血预测模型,输出患者的紧急用血类别;当患者抵达医院后,将患者院前信息和院内信息均输入步骤1建立的分阶段多层次紧急用血预测模型,更新紧急用血预测结果;
初步方案中,预测为1表示需紧急用血,即在受伤现场立即提出2单位O型红细胞用血申请;预测为0表示不需紧急用血;
改进方案中,预测为2表示红细胞血制品需求十分紧急,即在受伤现场立即提出2单位O型红细胞的用血申请、到达医院后测定血型再申请2单位特定血型红细胞;预测为1表示红细胞血制品需求中等紧急,即到达医院后测定血型再申请2单位特定血型红细胞;预测为0表示不需要输血。
5.根据权利要求4所述的基于早期预测和无人快速配送的紧急血液调度方法,其特征在于,所述步骤3中,分为以下两种情况:
情况1:对于步骤2中预测为不需要O型红细胞的患者,通过以受伤点为圆心,对比抵达每个医院的道路交通时间,建议将患者转运至道路交通时间最短的医院NHI进行救治,患者的用血需求对应医院NHI;
情况2:对于步骤2中预测为需要用O型红细胞的患者,判断将患者运送到某无人机站点进行O型红细胞紧急输血再转运至附近医院进一步治疗,或转运至某医院进行O型红细胞紧急输血及进一步治疗;每个无人机站点属于与其无人机飞行耗时最短的医院;具体为:
(a)计算通过急救车将患者从受伤现场运送到医院的最短道路交通时间TNH,记录TNH对应的医院序号NHI;
(b)计算通过急救车将患者从受伤现场运送到无人机站点进行O型红细胞紧急输血的最短时间TNS,记录TNS对应的无人机站点序号NSI;
(c)对医院NHI和无人机站点NSI进行加权三角综合评估,计算加权三角判断指标C,计算公式如下:
其中TSH为无人机站点NSI到其耗时最短医院Q的道路交通时间;
如果指标C大于0,则建议将患者运送到无人机站点NSI进行O型红细胞紧急输血,再转运至医院Q进一步治疗,患者在无人机站点NSI的用血需求由该无人机站点所属医院供应而进一步治疗的用血需求由医院Q供应;否则建议将患者运送到医院NHI进行O型红细胞紧急输血及进一步治疗,患者的用血需求对应医院NHI。
6.根据权利要求5所述的基于早期预测和无人快速配送的紧急血液调度方法,其特征在于,所述步骤4中,统计各医院血制品需求总量,具体为:
改进方案中,若则;若则判断患者n在时刻t是否已测定血型,若未测定血型则,若已测定血型则;若则判断患者n紧急输血使用的O型红细胞是否由该医院供应、进一步救治使用的特定血型红细胞是否由该医院供应、患者n在时刻t是否已测定血型,若患者n的所有红细胞由该医院供应且未测定血型则,若患者n的所有红细胞由该医院供应且已测定血型则,若对于患者n仅O型红细胞由该医院供应则,若对于患者n仅特定血型红细胞由该医院供应且未测定血型则,若对于患者n仅特定血型红细胞由该医院供应且已测定血型则;
7.根据权利要求6所述的基于早期预测和无人快速配送的紧急血液调度方法,其特征在于,所述步骤4中,计算各医院所有患者的全部血制品需求紧张度并排序,形成院内血制品供应先后顺序表,具体为:
改进方案中,若则;若则,其中表示患者n的紧急血制品是否由该医院供应且是否已测定血型,如果由该医院供应且已测定血型则,否则,表示在时刻t患者n等待紧急血制品已消耗的时间;若则,其中A为十分紧急患者输血重要性与中等紧急患者输血重要性的比例系数,A>1,分别表示患者n第一步紧急治疗所用O型红细胞血制品是否由该医院供应、进一步治疗所用特定血型红细胞是否由该医院供应且是否已测定血型,如果第一步紧急治疗所用O型红细胞血制品由该医院供应则,否则,如果进一步治疗所用特定血型红细胞由该医院供应且已测定血型则,否则;分别表示在时刻t患者n等待第一步紧急治疗所需O型红细胞已消耗的时间、等待进一步治疗所需特定血型红细胞已消耗的时间,为进一步治疗所需特定血型红细胞的价值折扣因子,;若则没有;若则血制品需求紧张度;若则血制品需求紧张度,而;
8.根据权利要求7所述的基于早期预测和无人快速配送的紧急血液调度方法,其特征在于,所述步骤5具体为:
(5.1)根据运输工具配送状态,衡量各医院血制品供需情况,构建当前调度配送方案;
集合表示启用无人机的情况,其中取值0,i,-i分别代表第u架无人机处于在血液中心待命的状态、正在去往医院i的途中、正在从医院i返回血液中心的途中;为第u架无人机预定飞行的航班数量,集合表示第u架无人机预定飞行的目标医院,如果则表示第u架无人机预定飞行的第k次航班的目标医院为医院i;集合;
集合表示启用送血车的情况,其中取值0,i,-i分别代表第t辆送血车处于在血液中心待命的状态、正在去往医院i的途中、正在从医院i返回血液中心的途中;为第t辆送血车预定驾驶的趟次,集合表示第t辆送血车预定驾驶的目标医院,如果则表示第t辆送血车预定驾驶的第k趟次的目标医院为医院i;集合;
(5.3)基于无人机和送血车,制定出医院m等待时间尽可能小的调度方案,包括:
采用循环序列算法,以医院m所有患者的血制品等待时间最小为目标,通过无人机优先级排序、无人机与送血车的差异比较和不定长路线序列调整,在当前调度配送方案基础上制定出下一步调度配送方案,即派出一架待命无人机至医院m,或者在某架无人机的预定序列中增加一项医院m的预定航班,或者派出一辆待命送血车至医院m,或者在某辆送血车的预定序列中增加一项医院m的预定趟次;
接着利用调度代价函数进行调度策略评价和判断,通过计算无人机和送血车调度策略的调度代价差异大小,比较两种工具调度优势;
派出就绪时间最短的无人机装载BU单位血制品,得到调度代价值为;派出送血车装载BT单位血制品,BU单位血制品用于救治患者,其余浪费,得到调度代价值为;计算调度代价差异,若则调度无人机,否则调度最短就绪时间的送血车;
(5.4)循环运行步骤(5.1)~步骤(5.3),直到所有缺血状态医院血制品供应均已满足。
9.根据权利要求8所述的基于早期预测和无人快速配送的紧急血液调度方法,其特征在于,所述步骤6中,如果出现新发创伤患者则更新步骤2中的患者数量及患者用血需求,再执行步骤3~步骤5;如果患者信息发生变化,则更新步骤2中的患者用血需求,再执行步骤3~步骤5;如果患者的转运路线、患者血型检测状态发生变化导致对医院的血制品需求改变,则更新患者对医院的血制品需求,再执行步骤4、步骤5;如果无人机或送血车抵达某医院则更新该医院的血制品库存量、运输途中血制品数量,再执行步骤4、步骤5;如果患者在某无人机站点完成输血则更新该无人机站点所属医院的血制品库存量、患者对该无人机站点所属医院的血制品需求,再执行步骤4、步骤5;如果患者在某医院完成输血则更新该医院的血制品库存量、患者对该医院的血制品需求,再执行步骤4、步骤5。
10.一种实现如权利要求1-9中任一项所述方法的基于早期预测和无人快速配送的紧急血液调度系统,其特征在于,包括急救医生终端和调度指挥平台两部分;
所述急救医生终端包括信息录入模块和第一通信模块,所述第一通信模块发送患者信息,接收患者紧急用血预测信息、患者的转送目的地推荐方案;
所述调度指挥平台包括第二通信模块、需求分析监测模块和调度计算模块;所述第二通信模块接收患者信息,发送供血需求、调度指令;所述需求分析监测模块通过紧急用血预测模型判断患者的紧急用血需求情况及综合评估医院需求血量、院内库存、运输中血量情况;所述调度计算模块用于生成无人机和送血车的调度指令,通过第二通信模块发送指令。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210921805.4A CN115035998B (zh) | 2022-08-02 | 2022-08-02 | 基于早期预测和无人快速配送的紧急血液调度方法及系统 |
US18/353,865 US20240047051A1 (en) | 2022-08-02 | 2023-07-17 | Emergency blood dispatching method and system based on early prediction and unmanned fast delivery |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210921805.4A CN115035998B (zh) | 2022-08-02 | 2022-08-02 | 基于早期预测和无人快速配送的紧急血液调度方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115035998A true CN115035998A (zh) | 2022-09-09 |
CN115035998B CN115035998B (zh) | 2022-11-11 |
Family
ID=83130832
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210921805.4A Active CN115035998B (zh) | 2022-08-02 | 2022-08-02 | 基于早期预测和无人快速配送的紧急血液调度方法及系统 |
Country Status (2)
Country | Link |
---|---|
US (1) | US20240047051A1 (zh) |
CN (1) | CN115035998B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117455100A (zh) * | 2023-12-26 | 2024-01-26 | 长春市优客云仓科技有限公司 | 一种基于全局最优化的智能仓储物流调度方法 |
CN117541042A (zh) * | 2024-01-10 | 2024-02-09 | 山东钢铁股份有限公司 | 一种实现炼钢炉机匹配的排程方法和排程系统 |
CN117766095A (zh) * | 2024-01-10 | 2024-03-26 | 广东迈科医学科技股份有限公司 | 一种用户输血的血液量确定方法和系统 |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
TW200629790A (en) * | 2005-02-15 | 2006-08-16 | Univ Nat Pingtung Sci & Tech | Emergency medical flow path of environmental cognition and system using embedded multimedia communication technique |
US20120016686A1 (en) * | 2010-07-13 | 2012-01-19 | Cerner Innovation, Inc. | Inpatient blood management |
CN111161865A (zh) * | 2019-09-06 | 2020-05-15 | 中国人民解放军总医院 | 一种用于血液需求量预测方法以及血液动态库存预警系统 |
CN111290424A (zh) * | 2020-03-26 | 2020-06-16 | 南方医科大学南方医院 | 用于医院血液样本运输的无人机姿态控制方法及无人机 |
CN111724910A (zh) * | 2020-05-25 | 2020-09-29 | 北京和兴创联健康科技有限公司 | 一种适用于围手术期患者血液管理的检测评估方法 |
CN113921127A (zh) * | 2021-11-25 | 2022-01-11 | 浙江大学医学院附属第一医院 | 一种区域内血液资源优化调度及精准使用信息系统及方法 |
CN114203284A (zh) * | 2021-11-01 | 2022-03-18 | 重庆工商大学 | 一种应急血液调度方法 |
CN114462693A (zh) * | 2022-01-26 | 2022-05-10 | 电子科技大学 | 一种基于车辆无人机协同的配送路线优化方法 |
CN114496180A (zh) * | 2020-10-27 | 2022-05-13 | 青岛海尔生物医疗科技有限公司 | 一种血液调配方法及系统 |
CN114626836A (zh) * | 2022-05-17 | 2022-06-14 | 浙江大学 | 基于多智能体强化学习的急救后送决策系统及方法 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10872307B2 (en) * | 2013-12-27 | 2020-12-22 | Fenwal, Inc. | System and method for blood component supply chain management |
US20210280287A1 (en) * | 2019-11-27 | 2021-09-09 | Vineti Inc. | Capacity optimization across distributed manufacturing systems |
-
2022
- 2022-08-02 CN CN202210921805.4A patent/CN115035998B/zh active Active
-
2023
- 2023-07-17 US US18/353,865 patent/US20240047051A1/en active Pending
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
TW200629790A (en) * | 2005-02-15 | 2006-08-16 | Univ Nat Pingtung Sci & Tech | Emergency medical flow path of environmental cognition and system using embedded multimedia communication technique |
US20120016686A1 (en) * | 2010-07-13 | 2012-01-19 | Cerner Innovation, Inc. | Inpatient blood management |
CN111161865A (zh) * | 2019-09-06 | 2020-05-15 | 中国人民解放军总医院 | 一种用于血液需求量预测方法以及血液动态库存预警系统 |
CN111290424A (zh) * | 2020-03-26 | 2020-06-16 | 南方医科大学南方医院 | 用于医院血液样本运输的无人机姿态控制方法及无人机 |
CN111724910A (zh) * | 2020-05-25 | 2020-09-29 | 北京和兴创联健康科技有限公司 | 一种适用于围手术期患者血液管理的检测评估方法 |
CN114496180A (zh) * | 2020-10-27 | 2022-05-13 | 青岛海尔生物医疗科技有限公司 | 一种血液调配方法及系统 |
CN114203284A (zh) * | 2021-11-01 | 2022-03-18 | 重庆工商大学 | 一种应急血液调度方法 |
CN113921127A (zh) * | 2021-11-25 | 2022-01-11 | 浙江大学医学院附属第一医院 | 一种区域内血液资源优化调度及精准使用信息系统及方法 |
CN114462693A (zh) * | 2022-01-26 | 2022-05-10 | 电子科技大学 | 一种基于车辆无人机协同的配送路线优化方法 |
CN114626836A (zh) * | 2022-05-17 | 2022-06-14 | 浙江大学 | 基于多智能体强化学习的急救后送决策系统及方法 |
Non-Patent Citations (3)
Title |
---|
POOJA SELVARAJ ET AL.: "Blood Donation Prediction System Using Machine Learning Techniques", 《2022 INTERNATIONAL CONFERENCE ON COMPUTER COMMUNICATION AND INFORMATICS (ICCCI)》 * |
秦晓燕: "应急救援血液优化调度模型与算法研究", 《中国优秀硕士学位论文全文数据库 信息科技辑》 * |
胡锋兰等: "非同型输血方案在重度创伤患者紧急抢救中的应用", 《中国输血杂志》 * |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117455100A (zh) * | 2023-12-26 | 2024-01-26 | 长春市优客云仓科技有限公司 | 一种基于全局最优化的智能仓储物流调度方法 |
CN117455100B (zh) * | 2023-12-26 | 2024-03-15 | 长春市优客云仓科技有限公司 | 一种基于全局最优化的智能仓储物流调度方法 |
CN117541042A (zh) * | 2024-01-10 | 2024-02-09 | 山东钢铁股份有限公司 | 一种实现炼钢炉机匹配的排程方法和排程系统 |
CN117766095A (zh) * | 2024-01-10 | 2024-03-26 | 广东迈科医学科技股份有限公司 | 一种用户输血的血液量确定方法和系统 |
CN117766095B (zh) * | 2024-01-10 | 2024-05-24 | 广东迈科医学科技股份有限公司 | 一种用户输血的血液量确定方法和系统 |
Also Published As
Publication number | Publication date |
---|---|
US20240047051A1 (en) | 2024-02-08 |
CN115035998B (zh) | 2022-11-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN115035998B (zh) | 基于早期预测和无人快速配送的紧急血液调度方法及系统 | |
Ghelichi et al. | Logistics for a fleet of drones for medical item delivery: A case study for Louisville, KY | |
CN111815189B (zh) | 模块化公交调度系统 | |
CN108511057A (zh) | 输血量模型建立及预测方法、装置、设备及其存储介质 | |
Yang et al. | The optimization of total laboratory automation by simulation of a pull-strategy | |
CN113764087B (zh) | 医院物资配送方法、装置、服务器及存储介质 | |
US20220214368A1 (en) | Optimization-based load planning systems and methods for laboratory analyzers | |
CN111161865A (zh) | 一种用于血液需求量预测方法以及血液动态库存预警系统 | |
CN111738409B (zh) | 一种资源调度的方法及其相关设备 | |
CN111127274B (zh) | 一种社区居家养老服务调度与路径规划方法和装置 | |
CN114399095A (zh) | 基于云边端协同的动态车辆配送路径优化方法及装置 | |
CN110490503A (zh) | 一种基于海量数据的物流配送车辆优化调度方法 | |
CN106094751B (zh) | 一种原料的调度方法及装置 | |
CN112819228B (zh) | 任务处理方法、装置、存储介质和电子设备 | |
CN113505713A (zh) | 一种基于机场安全管理平台的视频智能分析方法及系统 | |
WO2023071374A1 (zh) | 货物的数据处理方法及装置 | |
CN115995290B (zh) | 一种基于大数据的血液调配智能跟踪监控管理系统 | |
Yin et al. | Exact solution method for vehicle-and-drone cooperative delivery routing of blood products | |
CN114881558B (zh) | 基于无人机与车辆协同的快递配送方法、装置及电子设备 | |
JP2021140418A (ja) | プログラム、情報処理方法および情報処理システム | |
CN116229701B (zh) | 一种车路及中央控制调度系统联动的控制方法 | |
Amrollahibiouki et al. | Operating room scheduling by considering surgical inventory, post anesthesia beds, and emergency surgeries to improve efficiency during the COVID-19 outbreak with machine learning | |
CN114005519B (zh) | 物资调度方法、装置、设备及可读存储介质 | |
CN114943486B (zh) | 基于磁控溅射设备使用效率最优的管理系统及其管理方法 | |
CN116313017A (zh) | 云计算下的公共卫生调度一体化平台 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |