本刊记者  孙欣欣

　　
　　
　　目前，医疗服务系统中存在着诸多问题，比如挂号难、就医流程繁琐、资源配置不合理、设施布局不合理、信息化程度低等。对于这些医疗“顽疾”，工业工程可谓是一剂“良药”。所谓工业工程，是从科学管理的基础上发展起来的一门应用性工程专业技术，专门致力于复杂系统的研究，若将其应用于医学领域，将会促进医疗系统的优化。清华大学工业工程系助理教授谢小磊正为推动此项事业而奋斗着。
　　
工业工程 心之所向
　　
　　“现在，工业工程在医疗领域的应用主要包括3个方面：医疗系统运作管理、临床政策和公共卫生政策支持。”谢小磊认为，工业工程的合理运用可以从这3个方面着手来减少病人等待时间、提高医疗效率。
　　所谓运作管理，真正设计起来，是要考虑如何从优化医院诊室布局、改善门诊患者就医流程等问题入手，细化到病人入院、出院和转院的整套服务程序，甚至对急诊、手术、ICU等具体部门都要详细规划，以期在运作管理过程中优化医疗资源配置、提升医疗质量、保障医疗安全措施，并实现良性的绩效评估。
　　既然谈到医疗应用，自然绕不开“病”。谢小磊所说的临床决策多针对慢性病。目前，我国确诊的慢性病患者近3亿。慢性病不是小病，如心脑血管疾病等慢性病灶严重危害着国人的健康，其导致的疾病负担比例高达70%，为个人、家庭乃至社会压上了沉重的担子。而通过工业工程，谢小磊和他的同行们会综合循证医学、转化医学和个体化医学的理念，将某种疾病的不同筛查、治疗方案结合卫生经济学进行比较和评估。这样一来，从慢性病的预防、筛查，到监控以及优化诊疗阶段，都可以得到综合考量，为这些疾病预防和诊疗指南的科学化制订以及更新提供决策支持，从而减轻社会和个人负担。
　　一个国家的卫生政策，会直接影响其医疗行业的发展，而工业工程能为卫生政策的科学制定提供强大的数据支撑。这种支撑无处不在，比如临床效率和公平性等指标评估不同的器官移植政策和疾病诊断相关分组的本土化和改善。目前，该方向正是谢小磊的研究重点。
　　“工业”“工程”，对公众来说，这两个词都不算陌生，但合到一起就演绎成了一个全新的概念。谢小磊在悉心解释过这个概念之后表示，他之所以能走上这个科研新方向，是源于他在大学本科期间的实习经历。
　　那时，谢小磊在北京航空航天大学学习机械工程及其自动化专业，时常会到一些工厂参观实习，工厂的供应链管理引发了他的兴趣，经过进一步了解，他发觉：供应链管理是工业工程中的一个重要分支，而工业工程是一个很有价值的方向，于是，对于自己人生的规划，他有了新的打算。2008年，谢小磊考取了密西根大学工业工程专业硕士。一年后，他又考取了威斯康星大学工业工程专业博士，真正投入到该方向的学习中。海外数年，谢小磊的专业能力在不断提高，而他对待科研的态度也愈发成熟起来。“我的博士导师是一个敬业、勤劳的人，他经常工作到晚上10点以后，这种拼搏精神对我影响很大”，他提到。
　　2014年，学有所成的谢小磊回到了清华大学工业工程系工作，他将自己研究方向对准了工业工程和医疗领域的结合之处。谢小磊认为，随着医疗行业在21世纪快速发展，中国社会健康意识不断增强，在患者、医疗机构和政府层面，新的问题和更复杂的决策不断出现，提高精益化管理水平和科学化决策支持力度迫在眉睫。“在大数据背景下，工业工程这一致力于研究复杂系统的学科，对医疗系统改善和优化的贡献会越来越大，通过工业工程学者与医学专家、卫生从业者和管理者间的深入合作，医疗服务质量和国民幸福感必定会得到很大提升。”谢小磊坚定地说。
　　
数据驱动改善医疗服务
　　
　　2016年，在全国医疗系统开展“进一步改善医疗服务行动”的大背景下，谢小磊开展了在国家卫生计生委支持下的“基于数据驱动的医疗系统改善与预测”项目，该项目致力于运用工业工程专业的知识，建立医疗服务系统的数学模型。当然这只是第一步，之后，团队还会对数据进行分析计算，依据计算结果提出改善医疗服务的建议，并设计辅助医院管理的软件，从而改进医疗服务流程，提高医院管理信息化水平，方便人民群众看病就医。
　　“具体来说，我们主要从3个方面着手，分别为医院患者排程、体检流程、医院门诊效率，尤其是门诊预约。”谢小磊介绍道。项目的展开是从北京某三甲医院血液透析中心患者排程开始的，他计划带领团队根据医院血透中心的设备和诊治人数现状，再考虑普通血透机器与血滤机器的合理配置，设计出一个均衡患者排程的排班模式。
　　达到优化排程的目的并不容易，谢小磊团队遇到的困难主要有两个。一来血液透析病人数量不确定性较大，对于不同种类血透设备的需求也不同，这时候要做患者排程，必须要综合考虑病人需求、设备使用成本、平衡每日透析患者数量等多项指标。二来排程系统设计还必须考虑可操作性，一定要让医护人员能够简单方便地进行血透排程的新增、删除和修改等多项实际操作。这其实不难理解，由于医院现有信息管理系统缺陷，以及医疗服务流程设置问题，患者就医过程的数据往往会部分缺失或有偏差，这时，对于患者各项检查的时间就得用连续两个病人的检查间隔加以估计。“但部分检查缺乏固定记录时间，要靠医生凭借检查经验来估计”，他补充说道。在他们的精心设计下，该医院血液透析中心成功用上了基于动态实时优化算法的新排程软件。该软件的使用，让血液透析中心在同等人力物力的情况下可多吸纳15%的病人，达到合理利用资源，降低病人就医成本和医院管理成本的目标。
　　体检是医疗服务的重要组成部分，是疾病预防管控的重要手段。目前，国内体检中心的工作安排往往缺乏科学性，造成医疗服务效率的降低。怎样才能使体检工作更高效呢？这是谢小磊聚焦的第2个问题，若是想找到方法，就必须要建立仿真系统，而这并不轻松。“体检流程的复杂性和不确定性，病人、医生的差异性，大大增加了仿真系统建立的困难程度。”他说。几经周折，团队终于突破了该难题，根据体检中心的体检病人数量和体检诊查流程，建立了仿真模型。而且，该模型还考虑了病人对于体检导引的依从性，更真实地反映了体检中心的状况。在此基础上，团队又进一步分析了体检中存在的流程问题、资源配置问题，为体检团体预约安排、规划导引病人体检流程、体检医生排班、合理分布各诊室和检查室等事项提出了优化建议。
　　医院门诊效率是该项目的第3个关注点。“国内的三甲医院，因为过高的门诊量，使得患者在医技科室的排队时间过长，导致患者流失。这个问题其实可以通过工业工程的方法来改善。”谢小磊说，他带领团队和北京地区某三甲医院门诊部合作，通过数据挖掘和仿真建模，寻找到最优化的医疗资源和患者需求的匹配度，尤其聚焦基于科室和相关检查的关联度的门诊布局优化以及分时就诊的方案评估，从而提高了门诊效率。
　　
糖尿病“管控之法”
　　
　　2014年，全球总共有4.22亿糖尿病患者，中国患者占据其中四分之一，有1.1亿左右。日后这个数字会继续上升，在不远的将来，将会达到1.5亿。“这样庞大的患者群会对国家造成巨大的经济负担，而且糖尿病会引起很多并发症，《柳叶刀》发表的研究表明，预测到2020年，中国的糖尿病相关疾病的负担会是3600亿。”谢小磊说。
　　毫无疑问，对于我国来说，糖尿病的预防和管理工作已是迫在眉睫。立足国家需求，同样是2016年，谢小磊还在清华伯克利深圳学院（TBSI）和光聚科技共建的联合研究中心支持下，启动了另一个项目——“基于连续血糖监测系统的数据挖掘及人群层面糖尿病发病建模分析”，希望能为临床医生公共卫生管理者提供数据驱动的决策支持。
　　既然是数据驱动，自然要有基础数据。基础数据要如何收集？谢小磊团队应用的是连续血糖监测技术（CGM）。对于糖尿病患者，CGM能有效的反映血糖波动值，评估各种辅助治疗、运动、用药造成的血糖变化。“这个仪器能连续3～7天，每天连续24小时，每3分钟一次测量并记录糖尿病患者血糖值。而且在整个过程中，不会影响到记录者的任何活动，比如洗澡、运动等。”
　　有了CGM仪，就能获得一系列原始数据，比如患者的连续血糖数值、个人基本信息、并发症史、饮食、运动、用药、睡眠情况等。这些数据会被进行系统总结，从而识别出患者血糖变化的历史模式。而对于血糖变化的特殊情况，例如：血糖突变、血糖急剧升高、睡眠期间血糖值过低等，谢小磊团队也会加以考虑，针对不同的特殊情形，创造出与之相对应的患者前期和现期的情况预警方式，以加强对糖尿病患者自我监控的指导。除此之外，团队还重点研究了血糖短期波动对CGM使用者身体健康的影响，在考虑短期波动的情况下，开发新的糖尿病管理模式。
　　这意味着，谢小磊团队将眼、肾、心脏、中风、四肢、老年痴呆等糖尿病并发症与糖尿病之间的关系，做出了一个切实的梳理。以此为基础，他们可以对糖尿病并发症风险进行精准评估，从而建立起基于中国人群的糖尿病并发症风险预测模型和干预方案，并开发出基于个体的仿真模型。这个仿真模型究竟会带来什么好处呢？面对记者的疑问，谢小磊介绍到，该模型可以提供出几个重要数据，既能预测糖尿病未来的发病率和社会经济负担情况，同时还能分析不同干预措施的成本效益。这样一来，当国家要制定公共卫生政策时，就能有直观的数据作为依据，从而拟定出指向性更明确、可行性更好的政策。   
　　如果一定要给出工业工程研究的一个特点，那便是其实践性。作为一位研究者，谢小磊希望自己的成果更可行，而身为一名师者，他总是会带学生们跳出课堂和书本的局限，去探究这些成果是如何形成的。
　　“我经常会带学生去参观一些医院，至今我们已经参观过了北京安贞医院、友谊医院、同仁医院、清华长庚医院，北大第一医院，北大人民医院，上海仁济医院等。同时，我也会带学生去参加一些卫生计生委的会议，之所以这么做，是因为我想让他们切身了解到中国社会中的问题，从而确定学习的目的，提升学习的积极性。另外，我也会在基金项目中设计一些内容，让本科生参与进来。”谢小磊说。
　　
　　
专家简介：
　　谢小磊，清华大学工业工程系助理教授，博士生导师。致力于和卫生医疗专家以及管理者合作，应用工业工程方法解决相关领域实际问题。2010年至2014年与University of Wisconsin Health system、University of Kentucky合作从事出院流程优化，混合预约系统设计及手术室排程等科研项目的研究，2012年夏在Mayo Clinic的Center for Science of Healthcare Delivery从事住院病人紧急救助研究工作。现已和国内医院、卫生医疗相关科研院所和卫生管理部门展开合作，包括基于随机模型的三甲医院运营管理，数据驱动的慢病管理，以及疾病诊断相关分组改善研究。