基于模糊決策的醫(yī)療設(shè)備采購(gòu)論證方案設(shè)計(jì)與應(yīng)用

余 敏

廣東省第二人民醫(yī)院 廣東廣州 510317

早期的醫(yī)療實(shí)踐中,由于科技發(fā)展的限制,人類很難獲取足夠的醫(yī)療材料和設(shè)施來(lái)提高醫(yī)療水平,因此,人力占有絕對(duì)統(tǒng)治的地位,然后輔以少量的醫(yī)用器械如鑷子、剪刀、縫合線等。隨著科技的飛速發(fā)展,醫(yī)療設(shè)備在日常醫(yī)療實(shí)踐中的地位日趨重要,醫(yī)療設(shè)備的種類和功能日新月異,醫(yī)療設(shè)備的投入也相應(yīng)地日趨龐大,因此,對(duì)醫(yī)療設(shè)備的采購(gòu)和管理便變得越來(lái)越重要且復(fù)雜,特別是在采購(gòu)方面[1-8]。目前,醫(yī)療設(shè)備使用流程大致包括使用部門申請(qǐng)、專家論證、招標(biāo)采購(gòu)、安裝調(diào)試、臨床使用等幾個(gè)主要步驟。整個(gè)流程的科學(xué)性和執(zhí)行效率決定著醫(yī)療設(shè)備運(yùn)行的效益,特別是大型高端醫(yī)療設(shè)備。大型高端設(shè)備由于具有前期投入高、運(yùn)行時(shí)間久、中間維護(hù)成本巨大等特點(diǎn)而成為醫(yī)院醫(yī)療設(shè)備采購(gòu)的重中之重。畢竟一旦決策有失,必然會(huì)造成資源的巨大浪費(fèi)[9-11]。在這些步驟中,使用部門的調(diào)查分析是第一個(gè)關(guān)口,它既決定著設(shè)備預(yù)算的精度,同時(shí)又決定了設(shè)備相應(yīng)的主觀和客觀指標(biāo)。然而,在很多時(shí)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(dān)起設(shè)備成本效益控制的關(guān)鍵任務(wù),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(yī)學(xué)專業(yè)的逐步精細(xì)化和醫(yī)療設(shè)備的復(fù)雜化,許多專家無(wú)法在短時(shí)間內(nèi)充分了解相應(yīng)設(shè)備的各項(xiàng)指標(biāo)和性能,使得論證過(guò)程流于形式。為強(qiáng)化專家論證手段,大量研究者針對(duì)專家論證領(lǐng)域提煉了許多實(shí)用方法來(lái)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(yùn)用大數(shù)據(jù)和人工智能手段來(lái)作為輔助決策手段來(lái)提高論證的科學(xué)性和客觀性[15-18]。本文在總結(jié)一些研究方法的基礎(chǔ)上,借鑒采用了模糊決策技術(shù)來(lái)實(shí)現(xiàn)醫(yī)療設(shè)備的采購(gòu)論證。

1 自然語(yǔ)言評(píng)判策略的醫(yī)療設(shè)備采購(gòu)專家?guī)斓臉?gòu)建

1.1 專家模糊偏好評(píng)分尺度矩陣的構(gòu)造

將專家系統(tǒng)應(yīng)用于決策支持,其中一個(gè)最重要的環(huán)節(jié)是專家群體所采用的自然語(yǔ)言的模型化處理,而模糊偏好評(píng)分(fuzzy preference scale,FPS)則是該領(lǐng)域的一個(gè)有效的工具[19-20]。FPS有著眾多不同的表現(xiàn)形式,在這里,我們采用表1的構(gòu)造方式。

表1 模糊偏好評(píng)分

顯然,表1存在著一個(gè)較大的問(wèn)題,即:模糊尺度沒(méi)有考慮到不同專家個(gè)體之間的語(yǔ)言偏好的差異。為了更準(zhǔn)確地描述各類專家自然語(yǔ)言的特異性,需要依據(jù)每一位專家日常語(yǔ)言習(xí)慣來(lái)對(duì)其模糊尺度進(jìn)行一定的修正,從而構(gòu)造出全院專家的模糊偏好評(píng)分尺度矩陣:

(1)

其中i=0,1,...,m-1為專家總數(shù)量;j= 0,2,...,4為模糊尺度個(gè)數(shù)。

1.2 專家決策權(quán)重確定

通常情況下,參與決策的專家所承擔(dān)的決策權(quán)是均等的。但由于我院的專家是隨機(jī)抽取,專家的專業(yè)領(lǐng)域各有不同,甚至與所購(gòu)設(shè)備的領(lǐng)域有較大的差別,決策權(quán)的均等忽視了專業(yè)的差別,有可能造成決策的偏離。故此,我們針對(duì)專家的專業(yè)領(lǐng)域?qū)Q策權(quán)重分為2檔,即重點(diǎn)決策和普通決策。以7名專家為例,其中重點(diǎn)決策專家3名,為設(shè)備相近專業(yè)領(lǐng)域,每人權(quán)重為0.2,普通決策專家4名,決策權(quán)重為每人0.1,則專家決策權(quán)重為

W=[0.2 0.2 0.2 0.1 0.1 0.1 0.1],依此例構(gòu)建專家決策權(quán)重:

(2)

這里,專家模糊偏好評(píng)分矩陣和專家決策權(quán)重是專家系統(tǒng)的核心部分,需要經(jīng)過(guò)長(zhǎng)時(shí)間的收集和整理來(lái)提高決策的準(zhǔn)確性和效率。

2 醫(yī)療設(shè)備采購(gòu)的設(shè)備指標(biāo)建立

設(shè)備指標(biāo)是指針對(duì)所采購(gòu)的設(shè)備的特性而設(shè)定的一系列關(guān)鍵性和重點(diǎn)特性指標(biāo)。這些指標(biāo)包括通用型指標(biāo)如設(shè)備性能、價(jià)格、功能、所需耗材、維護(hù)成本等,另外還包含設(shè)備的獨(dú)特性能如CT排數(shù)、MR靜磁場(chǎng)強(qiáng)度等。所有這些指標(biāo)按照其性質(zhì)劃分為兩類,即:主觀指標(biāo)和客觀指標(biāo)。其中主觀指標(biāo)為需要專家評(píng)定的指標(biāo),而客觀指標(biāo)則為直接運(yùn)用數(shù)字來(lái)描述的指標(biāo),如設(shè)備收益、設(shè)備價(jià)格、所需耗材價(jià)格、維護(hù)保養(yǎng)價(jià)格等?？陀^指標(biāo)既有包含在主觀指標(biāo)內(nèi),又有單獨(dú)經(jīng)過(guò)變換直接構(gòu)成客觀指標(biāo)矩陣。故此,整個(gè)設(shè)備指標(biāo)包含兩套矩陣,即主觀指標(biāo)矩陣:

其中i=0,1,...,m-1為設(shè)備供應(yīng)商數(shù)目;j=0,1,...,n-1為主觀指標(biāo)總數(shù)。客觀指標(biāo)矩陣:

其中i=0,1,...,m-1為設(shè)備供應(yīng)商數(shù)目;j= 0,1,...,n-1為客觀指標(biāo)總數(shù)。

由于正交試驗(yàn)結(jié)果中的最佳因素水平組合未在試驗(yàn)中出現(xiàn)，我們?cè)谏鲜鰲l件下進(jìn)行了驗(yàn)證試驗(yàn)，結(jié)果見(jiàn)圖5。試驗(yàn)組的顏色評(píng)分為91.2，優(yōu)于前期的各組試驗(yàn)，表明正交試驗(yàn)的結(jié)果正確。此外，通過(guò)對(duì)最優(yōu)方案組的賴氨酸含量和還原糖含量顯著高于企業(yè)原始配方組，但蛋白質(zhì)、脂肪和總糖等主要營(yíng)養(yǎng)物質(zhì)的含量無(wú)顯著差異。

有關(guān)設(shè)備指標(biāo)的建立,我們通過(guò)查閱文獻(xiàn)、專家咨詢、設(shè)備商了解等各種方式來(lái)設(shè)置初步的權(quán)重占比,并依據(jù)不同的設(shè)備進(jìn)行相應(yīng)調(diào)整,以期獲得更合理的結(jié)果。

3 醫(yī)療設(shè)備采購(gòu)模糊決策過(guò)程設(shè)計(jì)

通常,針對(duì)醫(yī)院現(xiàn)有的專家群,我們已經(jīng)預(yù)先構(gòu)造了整個(gè)專家模糊偏好評(píng)分尺度矩陣Fi,j。當(dāng)某設(shè)備采購(gòu)過(guò)程啟動(dòng),則首先在相同或相近專業(yè)的專家中隨機(jī)選擇3名重點(diǎn)專家,然后在所有專家中隨機(jī)選擇4名普通專家,構(gòu)建7名專家模糊偏好尺度評(píng)分矩陣FLi,ji=0,1,…,6;j=0,1,…,4,然后針對(duì)設(shè)備特點(diǎn)設(shè)計(jì)主觀指標(biāo)和客觀指標(biāo),決策專家分別對(duì)主觀指標(biāo)依據(jù)表1中的自然語(yǔ)言進(jìn)行獨(dú)立判別,經(jīng)模糊偏好FLi,j變換后形成主觀指標(biāo)矩陣Si,j,而客觀指標(biāo)矩陣Oi,j可以直接通過(guò)數(shù)學(xué)變換來(lái)構(gòu)成,分別經(jīng)加權(quán)處理,后構(gòu)造一個(gè)數(shù)學(xué)公式將Si,j和Oi,j結(jié)合起來(lái),對(duì)每一個(gè)供應(yīng)商的產(chǎn)品計(jì)算出一個(gè)唯一的數(shù)字,隨后對(duì)該組數(shù)字進(jìn)行比較,最終結(jié)果便是所需的最佳決策。

由于該方案需要大量的數(shù)據(jù)統(tǒng)計(jì)和矩陣計(jì)算,需要使用計(jì)算機(jī)軟件編程。我們采用的編程語(yǔ)言為Matlab R2022a (mathworks corporation, natick, MA, USA)。系統(tǒng)流程圖見(jiàn)圖1。

圖1 系統(tǒng)流程圖

4 方案應(yīng)用案例分析

在一次設(shè)備采購(gòu)中,了解申請(qǐng)科室需求后,我們問(wèn)詢?cè)簝?nèi)、院外相關(guān)領(lǐng)域?qū)＜也⒉樵兙W(wǎng)上信息,構(gòu)建了主觀指標(biāo)和客觀指標(biāo)及各指標(biāo)的相應(yīng)權(quán)重(見(jiàn)表2、表3),同時(shí)對(duì)外公布了需求信息。最終有4家供應(yīng)商符合要求,設(shè)定為Ai,i=0,1,2,3,在醫(yī)院專家?guī)靸?nèi)隨機(jī)抽取3名重點(diǎn)專家和4名普通專家,依式(1)和式(2)分別構(gòu)建所選專家的模糊偏好評(píng)分表F和各自權(quán)重W,請(qǐng)專家分別對(duì)4家供應(yīng)商的產(chǎn)品按主觀指標(biāo)運(yùn)用表1中的標(biāo)準(zhǔn)自然語(yǔ)言進(jìn)行評(píng)價(jià),經(jīng)過(guò)模糊偏好評(píng)分表F轉(zhuǎn)換后,生成專家評(píng)分矩陣,隨后經(jīng)經(jīng)專家權(quán)重W加權(quán)處理后得到如下結(jié)果:

表2 主觀指標(biāo)及相應(yīng)權(quán)重(WS)

表3 客觀指標(biāo)及其權(quán)重(WO)

其中行代表4個(gè)供應(yīng)商數(shù)目,列則代表9項(xiàng)二級(jí)主觀指標(biāo)專家評(píng)分合并結(jié)果。將該結(jié)果經(jīng)過(guò)表2所列主觀指標(biāo)加權(quán)后,最終得到A=[0.6185,0.5655,0.6438,0.4255],這便是主觀指標(biāo)的最終評(píng)分。從結(jié)果看,針對(duì)主觀指標(biāo),A2,即第三家供應(yīng)商所得分?jǐn)?shù)為最高,其次是第一家,第四家墊底。

針對(duì)客觀指標(biāo),由于此類指標(biāo)均可以用數(shù)值直接表示,故此,可以直接采用數(shù)學(xué)公式來(lái)計(jì)算。本文采用下述判別函數(shù)來(lái)計(jì)算客觀指標(biāo):

其中Ni,j為對(duì)應(yīng)的客觀指標(biāo)值。本次采購(gòu)得到的客觀矩陣為:

該矩陣經(jīng)表3加權(quán)后,最終得到B=[0.2460,0.2470,0.2600,0.2470],這是客觀指標(biāo)的最后評(píng)分,將主、客觀指標(biāo)對(duì)應(yīng)求和,得到C=[0.8645,0.8125,0.9038,0.6725],總和第三家供應(yīng)商得分最高,為0.9038,故建議采購(gòu)第三家設(shè)備(見(jiàn)圖2)。

圖2 論證評(píng)分(P:供應(yīng)商)

在隨后的常規(guī)論證過(guò)程中,我們隨機(jī)抽取了另外七位專家進(jìn)行現(xiàn)場(chǎng)論證,四家供應(yīng)商所得票數(shù)分別為(0,1,5,1),第三家獲得推薦,與系統(tǒng)推薦相符合。

5 討論

通常情況下,當(dāng)論證專家被隨機(jī)選取后,使用科室的需求便會(huì)分發(fā)到各位專家的手中。為減少信息泄露的概率,通常會(huì)在較短時(shí)間內(nèi)組織專家論證會(huì),會(huì)上聽(tīng)取供應(yīng)商的介紹及使用科室的評(píng)估,專家分別給定相應(yīng)的論證結(jié)果,從而完成專家論證過(guò)程。從整個(gè)采購(gòu)過(guò)程可以發(fā)現(xiàn),專家論證在整個(gè)決策過(guò)程中處于最關(guān)鍵的位置,通過(guò)對(duì)專家論證過(guò)程的優(yōu)化,能在很大程度上降低采購(gòu)成本,同時(shí)提高決策效率[21-22]。因此,在本研究中,我們針對(duì)專家論證過(guò)程進(jìn)行了幾個(gè)方面的改進(jìn):首先是引入自然語(yǔ)言模糊偏好評(píng)分矩陣。由于不同專家的語(yǔ)言習(xí)慣千差萬(wàn)別,傳統(tǒng)的判別方式可能會(huì)帶來(lái)決策的誤差,因此,引入模糊偏好評(píng)分則能有效減少因?qū)＜艺Z(yǔ)言習(xí)慣造成的判別偏移;其次是賦予不同論證專家以不同權(quán)重,從而強(qiáng)調(diào)相關(guān)專業(yè)的重要性;最后是分別提煉主觀指標(biāo)和客觀指標(biāo),通過(guò)歸納客觀指標(biāo)來(lái)減少?zèng)Q策過(guò)程對(duì)論證專家的依賴度。另外,整個(gè)決策過(guò)程可以通過(guò)軟件實(shí)現(xiàn),所有總結(jié)的數(shù)據(jù)可以分類整理和保存并隨時(shí)得到擴(kuò)展以及優(yōu)化,還可運(yùn)用到下一次的采購(gòu)實(shí)踐中,逐步形成一個(gè)層層遞進(jìn)的循環(huán)過(guò)程,當(dāng)然,這將是一個(gè)較為長(zhǎng)期的過(guò)程。本次研究仍然處于起步階段,對(duì)自然語(yǔ)言的模糊偏好分析還較為粗糙,同時(shí)對(duì)主觀和客觀指標(biāo)還未作更多的系統(tǒng)化和精細(xì)化的組織,這將是我們下一步努力的方向。

目前本系統(tǒng)仍處于試運(yùn)行狀態(tài),我們采用雙線并行的方式,即醫(yī)院常規(guī)論證方式和本系統(tǒng)論證方式相結(jié)合,兩種方式中專家群獨(dú)立工作,本系統(tǒng)論證早于常規(guī)論證,其結(jié)果會(huì)提供給常規(guī)論證專家群作為參考,最終決策仍由常規(guī)論證方式?jīng)Q出。試運(yùn)行期間內(nèi)首要任務(wù)是要完善專家模糊偏好尺度矩陣以及細(xì)化專家專業(yè)領(lǐng)域的分類,同時(shí)加強(qiáng)對(duì)本院以及其他類似規(guī)模的兄弟醫(yī)院常規(guī)大型醫(yī)療設(shè)備相關(guān)信息的收集,其次是完善系統(tǒng)架構(gòu),提高系統(tǒng)的穩(wěn)定性。經(jīng)過(guò)一定時(shí)間的運(yùn)行后,當(dāng)常規(guī)論證結(jié)果和本系統(tǒng)論證結(jié)論符合度達(dá)到理想標(biāo)準(zhǔn)便可以以本系統(tǒng)為主導(dǎo)承擔(dān)后續(xù)的醫(yī)療設(shè)備采購(gòu)專家論證工作。

目前經(jīng)過(guò)一段時(shí)間的試運(yùn)行,專家偏好矩陣已進(jìn)一步完善,涵蓋了我院目前所有滿3年的高級(jí)職稱專業(yè)技術(shù)人員,下一步只需對(duì)新入專家建庫(kù)。整個(gè)工作的重心則關(guān)注于醫(yī)療設(shè)備的種類和設(shè)備特點(diǎn)的新增、更新和完善。期間還邀請(qǐng)?jiān)簝?nèi)外相關(guān)專業(yè)的技術(shù)人員對(duì)系統(tǒng)的決策能力進(jìn)行評(píng)估,為后期承擔(dān)起主要論證工作打好基礎(chǔ)。

6 結(jié)論

本次研究通過(guò)改善大型綜合醫(yī)院醫(yī)療設(shè)備采購(gòu)過(guò)程中專家論證過(guò)程來(lái)提高設(shè)備采購(gòu)效率以及減少采購(gòu)成本,從結(jié)果分析來(lái)看,該方法在一定程度上達(dá)到預(yù)期目標(biāo),同時(shí)還能實(shí)現(xiàn)增強(qiáng)采購(gòu)過(guò)程中的客觀性,減少主觀隨意性,因此,存在著進(jìn)一步研究的價(jià)值。