基于模糊決策的醫療設備采購論證方案設計與應用

余 敏

廣東省第二人民醫院 廣東廣州 510317

早期的醫療實踐中,由于科技發展的限制,人類很難獲取足夠的醫療材料和設施來提高醫療水平,因此,人力占有絕對統治的地位,然后輔以少量的醫用器械如鑷子、剪刀、縫合線等。隨著科技的飛速發展,醫療設備在日常醫療實踐中的地位日趨重要,醫療設備的種類和功能日新月異,醫療設備的投入也相應地日趨龐大,因此,對醫療設備的采購和管理便變得越來越重要且復雜,特別是在采購方面[1-8]。目前,醫療設備使用流程大致包括使用部門申請、專家論證、招標采購、安裝調試、臨床使用等幾個主要步驟。整個流程的科學性和執行效率決定著醫療設備運行的效益,特別是大型高端醫療設備。大型高端設備由于具有前期投入高、運行時間久、中間維護成本巨大等特點而成為醫院醫療設備采購的重中之重。畢竟一旦決策有失,必然會造成資源的巨大浪費[9-11]。在這些步驟中,使用部門的調查分析是第一個關口,它既決定著設備預算的精度,同時又決定了設備相應的主觀和客觀指標。然而,在很多時候,使用部門的分析很難做到客觀和公正。故此,專家論證便承擔起設備成本效益控制的關鍵任務,從而備受管理者重視。在早期,專家論證完全由人工完成。隨著醫學專業的逐步精細化和醫療設備的復雜化,許多專家無法在短時間內充分了解相應設備的各項指標和性能,使得論證過程流于形式。為強化專家論證手段,大量研究者針對專家論證領域提煉了許多實用方法來提高論證效率并減少專家論證的隨意性[12-14]。其中,研究較為廣泛的是運用大數據和人工智能手段來作為輔助決策手段來提高論證的科學性和客觀性[15-18]。本文在總結一些研究方法的基礎上,借鑒采用了模糊決策技術來實現醫療設備的采購論證。

1 自然語言評判策略的醫療設備采購專家庫的構建

1.1 專家模糊偏好評分尺度矩陣的構造

將專家系統應用于決策支持,其中一個最重要的環節是專家群體所采用的自然語言的模型化處理,而模糊偏好評分(fuzzy preference scale,FPS)則是該領域的一個有效的工具[19-20]。FPS有著眾多不同的表現形式,在這里,我們采用表1的構造方式。

表1 模糊偏好評分

顯然,表1存在著一個較大的問題,即:模糊尺度沒有考慮到不同專家個體之間的語言偏好的差異。為了更準確地描述各類專家自然語言的特異性,需要依據每一位專家日常語言習慣來對其模糊尺度進行一定的修正,從而構造出全院專家的模糊偏好評分尺度矩陣:

(1)

其中i=0,1,...,m-1為專家總數量;j= 0,2,...,4為模糊尺度個數。

1.2 專家決策權重確定

通常情況下,參與決策的專家所承擔的決策權是均等的。但由于我院的專家是隨機抽取,專家的專業領域各有不同,甚至與所購設備的領域有較大的差別,決策權的均等忽視了專業的差別,有可能造成決策的偏離。故此,我們針對專家的專業領域將決策權重分為2檔,即重點決策和普通決策。以7名專家為例,其中重點決策專家3名,為設備相近專業領域,每人權重為0.2,普通決策專家4名,決策權重為每人0.1,則專家決策權重為

W=[0.2 0.2 0.2 0.1 0.1 0.1 0.1],依此例構建專家決策權重:

(2)

這里,專家模糊偏好評分矩陣和專家決策權重是專家系統的核心部分,需要經過長時間的收集和整理來提高決策的準確性和效率。

2 醫療設備采購的設備指標建立

設備指標是指針對所采購的設備的特性而設定的一系列關鍵性和重點特性指標。這些指標包括通用型指標如設備性能、價格、功能、所需耗材、維護成本等,另外還包含設備的獨特性能如CT排數、MR靜磁場強度等。所有這些指標按照其性質劃分為兩類,即:主觀指標和客觀指標。其中主觀指標為需要專家評定的指標,而客觀指標則為直接運用數字來描述的指標,如設備收益、設備價格、所需耗材價格、維護保養價格等?？陀^指標既有包含在主觀指標內,又有單獨經過變換直接構成客觀指標矩陣。故此,整個設備指標包含兩套矩陣,即主觀指標矩陣:

其中i=0,1,...,m-1為設備供應商數目;j=0,1,...,n-1為主觀指標總數?？陀^指標矩陣:

其中i=0,1,...,m-1為設備供應商數目;j= 0,1,...,n-1為客觀指標總數。

由于正交試驗結果中的最佳因素水平組合未在試驗中出現，我們在上述條件下進行了驗證試驗，結果見圖5。試驗組的顏色評分為91.2，優于前期的各組試驗，表明正交試驗的結果正確。此外，通過對最優方案組的賴氨酸含量和還原糖含量顯著高于企業原始配方組，但蛋白質、脂肪和總糖等主要營養物質的含量無顯著差異。

有關設備指標的建立,我們通過查閱文獻、專家咨詢、設備商了解等各種方式來設置初步的權重占比,并依據不同的設備進行相應調整,以期獲得更合理的結果。

3 醫療設備采購模糊決策過程設計

通常,針對醫院現有的專家群,我們已經預先構造了整個專家模糊偏好評分尺度矩陣Fi,j。當某設備采購過程啟動,則首先在相同或相近專業的專家中隨機選擇3名重點專家,然后在所有專家中隨機選擇4名普通專家,構建7名專家模糊偏好尺度評分矩陣FLi,ji=0,1,…,6;j=0,1,…,4,然后針對設備特點設計主觀指標和客觀指標,決策專家分別對主觀指標依據表1中的自然語言進行獨立判別,經模糊偏好FLi,j變換后形成主觀指標矩陣Si,j,而客觀指標矩陣Oi,j可以直接通過數學變換來構成,分別經加權處理,后構造一個數學公式將Si,j和Oi,j結合起來,對每一個供應商的產品計算出一個唯一的數字,隨后對該組數字進行比較,最終結果便是所需的最佳決策。

由于該方案需要大量的數據統計和矩陣計算,需要使用計算機軟件編程。我們采用的編程語言為Matlab R2022a (mathworks corporation, natick, MA, USA)。系統流程圖見圖1。

圖1 系統流程圖

4 方案應用案例分析

在一次設備采購中,了解申請科室需求后,我們問詢院內、院外相關領域專家并查詢網上信息,構建了主觀指標和客觀指標及各指標的相應權重(見表2、表3),同時對外公布了需求信息。最終有4家供應商符合要求,設定為Ai,i=0,1,2,3,在醫院專家庫內隨機抽取3名重點專家和4名普通專家,依式(1)和式(2)分別構建所選專家的模糊偏好評分表F和各自權重W,請專家分別對4家供應商的產品按主觀指標運用表1中的標準自然語言進行評價,經過模糊偏好評分表F轉換后,生成專家評分矩陣,隨后經經專家權重W加權處理后得到如下結果:

表2 主觀指標及相應權重(WS)

表3 客觀指標及其權重(WO)

其中行代表4個供應商數目,列則代表9項二級主觀指標專家評分合并結果。將該結果經過表2所列主觀指標加權后,最終得到A=[0.6185,0.5655,0.6438,0.4255],這便是主觀指標的最終評分。從結果看,針對主觀指標,A2,即第三家供應商所得分數為最高,其次是第一家,第四家墊底。

針對客觀指標,由于此類指標均可以用數值直接表示,故此,可以直接采用數學公式來計算。本文采用下述判別函數來計算客觀指標:

其中Ni,j為對應的客觀指標值。本次采購得到的客觀矩陣為:

該矩陣經表3加權后,最終得到B=[0.2460,0.2470,0.2600,0.2470],這是客觀指標的最后評分,將主、客觀指標對應求和,得到C=[0.8645,0.8125,0.9038,0.6725],總和第三家供應商得分最高,為0.9038,故建議采購第三家設備(見圖2)。

圖2 論證評分(P:供應商)

在隨后的常規論證過程中,我們隨機抽取了另外七位專家進行現場論證,四家供應商所得票數分別為(0,1,5,1),第三家獲得推薦,與系統推薦相符合。

5 討論

通常情況下,當論證專家被隨機選取后,使用科室的需求便會分發到各位專家的手中。為減少信息泄露的概率,通常會在較短時間內組織專家論證會,會上聽取供應商的介紹及使用科室的評估,專家分別給定相應的論證結果,從而完成專家論證過程。從整個采購過程可以發現,專家論證在整個決策過程中處于最關鍵的位置,通過對專家論證過程的優化,能在很大程度上降低采購成本,同時提高決策效率[21-22]。因此,在本研究中,我們針對專家論證過程進行了幾個方面的改進:首先是引入自然語言模糊偏好評分矩陣。由于不同專家的語言習慣千差萬別,傳統的判別方式可能會帶來決策的誤差,因此,引入模糊偏好評分則能有效減少因專家語言習慣造成的判別偏移;其次是賦予不同論證專家以不同權重,從而強調相關專業的重要性;最后是分別提煉主觀指標和客觀指標,通過歸納客觀指標來減少決策過程對論證專家的依賴度。另外,整個決策過程可以通過軟件實現,所有總結的數據可以分類整理和保存并隨時得到擴展以及優化,還可運用到下一次的采購實踐中,逐步形成一個層層遞進的循環過程,當然,這將是一個較為長期的過程。本次研究仍然處于起步階段,對自然語言的模糊偏好分析還較為粗糙,同時對主觀和客觀指標還未作更多的系統化和精細化的組織,這將是我們下一步努力的方向。

目前本系統仍處于試運行狀態,我們采用雙線并行的方式,即醫院常規論證方式和本系統論證方式相結合,兩種方式中專家群獨立工作,本系統論證早于常規論證,其結果會提供給常規論證專家群作為參考,最終決策仍由常規論證方式決出。試運行期間內首要任務是要完善專家模糊偏好尺度矩陣以及細化專家專業領域的分類,同時加強對本院以及其他類似規模的兄弟醫院常規大型醫療設備相關信息的收集,其次是完善系統架構,提高系統的穩定性。經過一定時間的運行后,當常規論證結果和本系統論證結論符合度達到理想標準便可以以本系統為主導承擔后續的醫療設備采購專家論證工作。

目前經過一段時間的試運行,專家偏好矩陣已進一步完善,涵蓋了我院目前所有滿3年的高級職稱專業技術人員,下一步只需對新入專家建庫。整個工作的重心則關注于醫療設備的種類和設備特點的新增、更新和完善。期間還邀請院內外相關專業的技術人員對系統的決策能力進行評估,為后期承擔起主要論證工作打好基礎。

6 結論

本次研究通過改善大型綜合醫院醫療設備采購過程中專家論證過程來提高設備采購效率以及減少采購成本,從結果分析來看,該方法在一定程度上達到預期目標,同時還能實現增強采購過程中的客觀性,減少主觀隨意性,因此,存在著進一步研究的價值。