概要: 医療分野における病院のデジタルツイン
デジタルツインは様々な業界で急速に導入が進んでおり、ヘルスケアも例外ではありません。これは、患者の治療精度の向上などのミクロレベルでの適用や、病院の運営を改善するなどのマクロレベルでの適用も可能です。
病院のデジタルツインは、変更を動的にテストするための安全な環境として施設をモデル化し反映します。つまり、モデル内でリスクなしで仮定のシナリオをテストし、病院のパフォーマンスへの影響をすぐに確認できます。これにより、運用戦略、リソース容量、および人員配置等、ケアの提供に関する情報を得ることができます。
問題点: 病院の運営、患者体験の向上、およびリソースの割り当てをどのように改善するか
Decision Lab は、数学的モデリング、最適化、シミュレーション、データ サイエンス、および人工知能の専門家です。これらのテクノロジーを使用してビジネス上の問題を解決します。ヘルスケア業界のプロジェクトの 1 つとして、同社は NHS Foundation Trust の 2 つの病院のシミュレーションベースのデジタル ツインの開発を依頼されました。
NHS Foundation Trust は、National Health Service of England and Wales 内のユニットです。
この共同プロジェクトの目標は、病院の運営、患者体験、およびリソースの割り当ての潜在的な改善のための「what-if」シナリオの調査に役立つデジタルツインを開発することでした。主なタスクは、非選択的（緊急）患者と選択的（計画的）患者の両方の到着から退出までの全体的な経過をシミュレートすることでした。
解決策: 病院デジタルツインのバックボーンとなるシミュレーションモデルの構築
AnyLogic シミュレーション ソフトウェアは、3 つの主要なシミュレーション モデリング アプローチをサポートしているため、様々なカスタマイズが可能で、開発者は患者レベルから病院レベルまで、あらゆる複雑さと詳細レベルをモデル化できます。
このプロジェクトでは、施設内および施設間のプロセスをモデル化するために離散イベント シミュレーション アプローチが使用され、患者の行動をモデル化するためにエージェント ベース メソッド が適用されました。
Decision Lab が AnyLogic で作成したシミュレーション モデルは、将来のデジタル ツインの基盤として機能しました。これには、Cheltenham General Hospital (CGH) と Gloucestershire Royal Hospital (GRH) の 2 つの病院の運営が含まれ、合計 75 のユニットと建物 (場所) がありました。
これらの病院では、選択的患者と非選択的患者では行動経路が異なります。選択的手術を受ける患者は、入院すると予定された手術を受けるか、あるいは手術がキャンセルされることもあります。空きベッドがないためにこのようなことが起こる可能性があり、その場合、患者は施設を出て別の日に来院することになります。手術が行われる場合、患者は専門病棟に入院するか、最初に集中治療科に入院し、その後専門病棟で回復し、その後退院します。
非選択的患者に対する経路ロジックはより複雑です。ほとんどの患者にとって標準的な治療方法は、看護師が患者の状態の深刻度を評価する看護師トリアージを受けることです。この評価に基づいて、患者は適切な治療を受けるために他の病棟に進み、回復するまで専門病棟に入院し、その後退院します。
さらに、病院モデルは高度にカスタマイズされており、いくつかの重要な属性がありました:
- さまざまな医学的問題とそれに対応する治療は、心臓病学、皮膚科などの専門分野にグループ化されており、各病棟には治療できる専門分野と医学的問題の範囲が一定範囲にわたっています。
- 患者が特定の専門分野の問題を治療する病棟に配置されるはずが、そこのベッドがすべて埋まっている場合、その患者は別の専門分野の病棟に配置されることがあります。たとえば、心臓病の患者が皮膚科病棟に入院することになる可能性もあります。
他の病棟には患者の病状を治療できる専門医がいないために、そのような患者の治療にはより長い時間がかかります。そのような患者の数を最小限に抑えることで、全体的な患者体験が向上します。 - 病院のベッドには順番待ちシステムがあり、患者ごとに順位付けに役立つスコアが付けられています。集中治療室から到着する患者が最優先となります。ここでの目標は、患者の待ち時間を短縮することであり、これは患者の体験にも影響を及ぼします。
モデルのインタラクティブなUIと統計
Decision Lab のエンジニアは、AnyLogic の視覚化機能を使用して、病院のシミュレーションベースのデジタル ツインにユーザーフレンドリーな UI を提供しました。どの管理者も簡単に使用して、病院のパフォーマンスに関する洞察を得ることができます。
モデルには、全体的な結果だけでなく、患者と場所の視点も含まれています。管理者は、各病院、さまざまな部門、リソース、および追跡すべき主要な指標の 1 つである全体的な待ち行列レポートのパフォーマンス結果を確認できるようになりました。
場所のビューでは、ユーザーは急性期治療ユニット、心臓病棟などを含む 75 の病院ユニットと建物から 4 つを選択し、それぞれの詳細な統計を分析できます。ユーザーが個々の患者の行動を分析したい場合は、患者のビュータブに切り替えることができます。
結果: 病院のデジタルツインの応用と将来の計画
シミュレーション モデルの出力は、次の 3 つのカテゴリに分類されます:
- 患者 – 各患者が各病院で過ごした時間、および外れ値（異なる専門分野の病棟に滞在）として過ごした時間。
- 病棟 – ベッドの使用率と例外患者の数。
- 救急科 – 特定のエリアでのトリアージと台車の使用時間。
これらは CSV ファイルとしてエクスポートされるため、NHS Analytics チームはそれらを視覚化して他のツールでさらに分析することができました。
病院のデジタルツインが完成したので、NHS の管理者はそれを活用して、待ち行列や入院期間の短縮、その他の患者体験指標の改善、新しい病棟の建設の計画を立てることができます。また、冬季の需要ピーク時の病院のキャパシティをストレス テストしたり、リソース利用が全体的なパフォーマンスに与える影響を特定したりすることも可能です。
将来的には、開発チームは、人員配置を最適化するためのより詳細なスタッフ統計、経営上の決定の影響を識別するためのコスト統計、シナリオ比較チャートなどを追加することで、シミュレーション モデルをさらに拡張できます。
このケーススタディは、AnyLogic Conference 2022 で Decision Lab の Peter Riley 氏によって発表されました。
スライドは PDF として入手できます。
