💻 computer science

An Enhanced Memetic Algorithm for Emergency Outpatient Physician Scheduling Considering Patient Psychological Distress and Physician Fatigue in Fuzzy-CPT Framework

본 연구는 팬데믹 기간 중 상하이의 한 병원에서 수집한 실제 데이터를 통해 검증된, 환자의 심리적 고통과 의사의 피로 인식을 동시에 최소화하도록 하는 퍼지-CPT 프레임워크 내의 향상된 메메틱 알고리즘을 제안하여 응급 외래 의사 스케줄링을 최적화한다.

원저자: Junji Zhou, Jiawei Wu

게시일 2026-09-22

📖 5 분 읽기🧠 심층 분석

CC BY 4.0

원저자: Junji Zhou, Jiawei Wu

원본 논문은 CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/) 라이선스로 제공됩니다. ✨ 이것은 아래 논문에 대한 AI 생성 설명입니다. 저자가 작성하거나 승인한 것이 아닙니다. 기술적 정확성을 위해서는 원본 논문을 참조하세요. 전체 면책 조항 읽기

병원 응급실의 긴박한 환경에서 시간은 단순한 지표가 아니라 하나의 심리적 힘입니다. 환자들이 대기할 때, 그들의 불안은 단순히 직선형으로 상승하는 것이 아니라, 대기 줄이 너무 길어지는 순간 급격히 치솟으며 압도적인 고통을 느끼게 합니다. 동시에, 환자를 치료하는 의사들 또한 압박감으로부터 자유롭지 못합니다. 그들의 피로는 단순히 근무 시간의 문제가 아니라, 개인적인 한계를 넘어서는 순간 불균형적으로 깊어지는 감정이며, 동료들이 짐을 나누고 있는지 아니면 자신만이 홀로 남겨졌다고 느끼는지에 따라 크게 좌우됩니다. 수십 년 동안 병원 행정가들은 누가 언제 근무할 것인가라는 퍼즐을 풀기 위해 노력해 왔으나, 종종 피로를 단순한 비용으로, 대기 줄을 단순한 큐(queue)로 취급하는 경직된 스케줄링에 의존해 왔습니다. 그러나 이러한 전통적인 방식은 위기 상황에서 스트레스와 피로가 실제로 어떻게 느껴지는지에 대한 복잡하고 인간적인 현실을 포착하는 데 자주 실패합니다.

연구자 둔지 저우(Junji Zhou)와 자웨이 우(Jiawei Wu)가 수행한 새로운 연구는 인간의 마음을 경청하는 정교한 스케줄링 도구를 구축함으로써 이 문제를 다룹니다. 그들은 코로나19 팬데믹의 정점과 같은 주요 공중 보건 비상사태 동안 응급 외래 의사들의 주간 스케줄링에 초점을 맞췄습니다. 연구진은 진정으로 효과적인 스케율을 만들기 위해서는 두 가지 보이지 않지만 강력한 요인, 즉 환자의 심리적 고통과 의사의 주관적 피로를 반드시 고려해야 한다는 점을 깨달았습니다. 그들은 이 감정들을 모델링하기 위해 두 가지 행동 개념을 결합했습니다. 첫째, 피로가 '피곤함'에서 '탈진'으로 갑자기 전환되는 것이 아니라, 모호하고 점진적으로 느껴지는 방식을 설명하기 위해 퍼지(fuzzy) 기법을 사용했습니다. 둘째, 사람들이 너무 오래 일하는 고통을 (동료들과 비교할 때) 일을 적게 하는 즐거움보다 훨씬 더 강렬하게 느낀다는 의사결정 이론을 적용했습니다. 이러한 인간의 행동을 수학적 모델에 엮어냄으로써, 그들은 환자를 안심시키고 의사의 번아웃을 방지하는 사이의 균형을 찾는 시스템을 만들었습니다.

연구진은 상하이의 한 대형 3차 병원에서 팬데믹 기간 동안 수집한 실제 데이터를 사용하여 그들의 접근 방식을 테스트했습니다. 그들은 이 새로운 방식을 기존의 표준 스케줄링 알고리즘과 비교했습니다. 결과는 그들의 방식이 명확한 우위를 점하고 있음을 보여주었습니다. 12주간의 환자 데이터를 포함한 일련의 테스트에서, 새로운 알고리즘은 일관되게 더 나은 결과를 산출했습니다. 특히 환자의 심리적 고통을 제거하는 데 성공적이었는데, 12개의 테스트 케이스 중 7개에서 새로운 방식은 대기 줄을 짧게 유지하여 환자들이 아무런 고통을 느끼지 않도록 관리해 낸 반면, 기존 방식는 이 중 어떤 경우에서도 이를 달성하지 못했습니다. 또한 새로운 시스템은 의사가 느끼는 피로, 추가 인력 투입에 드는 비용, 그리고 대기실의 불안을 포함한 스케줄의 전체적인 '비용'을 줄이는 데 성공했습니다. 알고-리즘은 단순히 근무 시간을 늘리는 것이 아니라, 하루 중 혹은 밤낮으로 변동하는 환자의 도착 양상에 맞춰 의사의 근무 인원을 배치하는 더 지능적인 방식으로 이를 달과냈습니다.

이 연구에서 가장 드러나는 측면 중 하나는 인간 심리의 문화적 차이가 결과에 어떻게 영향을 미칠 수 있는가 하는 점이었습니다. 연구진은 미국에서 수행된 연구와 중국에서 수행된 연구를 기반으로 한 두 가지 서로 다른 행동 매개변수를 사용하여 모델을 테스트했습니다. 그들은 사람들이 시간을 가치 있게 여기고 타인과 비교하는 방식을 설명하는 구체적인 수치들이 최종 스케줄을 크게 변화시킨다는 것을 발견했습니다. 중국 연구에서 유래된 매개변수를 사용할 때, 모델은 소수의 의사만이 초과 근무를 할 때 발생하는 불공정함에 대해 더 민감하게 반응하는 경고를 생성하는 경향이 있었습니다. 이는 스케줄링에 대한 '원 사이즈 핏 올(one-size-fits-all)' 방식이 전 세계적으로 통용될 수 없음을 시사합니다. 즉, 한 문화권에서 공정하고 효율적이라고 느껴지는 스케줄이 다른 문화권에서는 스트레스를 주거나 비효율적으로 느껴질 수 있다는 것입니다. 이 연구는 이러한 미묘한 심리적 뉘앙스를 이해하는 것이 현실 세계에서 작동하는 스케줄을 만드는 데 필수적임을 확인해 주었습니다.

이 복잡한 퍼즐을 풀기 위해 연구진은 메메틱 알고리즘(memetic algorithm)이라 알려진 유형의 강화된 버전인 특수 컴퓨터 프로그램을 개발했습니다. 이 프로그램은 짧은 시간 내에 수천 가지의 서로 다른 스케줄 조합을 테스트할 수 있는 숙련된 기획자로 생각하면 됩니다. 로컬 솔루션(local solution)에 갇힐 수 있는 기존의 기획자들과 달리, 이 새로운 프로그램은 다층적인 탐색 전략을 사용합니다. 이 프로그램은 여러 각도에서 스케줄을 살펴봅니다. 예를 들어 단일 교대 근무의 시작 시간을 한 시간 앞당기거나, 특정 날짜에 의사를 추가하거나 제거하거나, 팀 전체의 로테이션을 재배치하는 식입니다. 또한 이 프로그램은 '2단계' 접근 방식을 사용하여 작업을 시작하는데, 먼저 야간 근무와 주간 근무에 초점을 맞춘 두 가지 서로 다른 전략을 사용하여 대략적인 초안을 만든 다음 이를 정교화합니다. 이를 통해 프로그램은 수동 스케줄링이나 단순한 컴퓨터 프로그램으로는 달성할 수 없는, 의사에게는 공정하고 환자에게는 효율적인 솔루션을 찾아낼 수 있었습니다.

연구는 특정 규칙을 변경하는 것이 결과에 어떤 영향을 미치는지에 대한 민감도 분석도 수행했습니다. 연구진은 가용 가능한 의사의 수가 결정적인 임계점이라는 것을 발견했습니다. 병원에 의사가 적을 때 시스템은 대기 줄을 짧게 유지하는 데 어려움을 겪었으며, 이는 높은 환자 고통과 높은 의사 피로로 이어졌습니다. 그러나 의사 수가 특정 임계치에 도달하면 시스템은 흐름을 쉽게 관리할 수 있었고, 고통은 제로로 떨어졌습니다. 흥lik하게도, 단순히 의사들이 하루에 더 긴 시간을 근무하도록 허용하는 것이 항상 도움이 되는 것은 아니라는 점을 발견했습니다. 극심한 피로를 유발하지 않으면서 유연성을 발휘할 수 있는 최적의 범위가 존재했습니다. 또한 그들은 다른 부서에서 추가 의사를 불러오는 비용이 결과에 큰 역할을 한다는 것을 발견했습니다. 추가 인력을 불러오는 비용이 저렴하면 시스템은 주 팀의 휴식을 위해 그들을 사용하는 것을 선호했습니다. 반면 비용이 비싸면 기존 팀을 최적화하려고 노력했으며, 이는 때때로 더 높은 피로로 이어졌습니다.

궁극적으로, 이 연구는 공중 보건 위기 상황에 직면한 병원 관리자들에게 과학적으로 근거 있는 도구를 제공합니다. 이 연구는 단순한 수학을 넘어 기다림과 노동의 인간적 경험을 포함합니다. 피로가 비교를 통해 커지는 감정이며, 기다림이 특정 지점에서 급증하는 심리적 부담이라는 점을 인정함으로써, 이 연구는 단순히 효율적인 것을 넘어 인간적인 스케줄링 결정을 내릴 수 있는 방법을 제시합니다. 연구진은 이 방법이 미래의 보건 위기 상황에서 불확실성을 다룰 수 있는 견고한 방식을 제공하며, 의료의 최전선이 가장 강렬한 압박 속에서도 지속 가능하게 유지될 수 있도록 보장한다고 결론지었습니다.

1. 문제 정의

본 연구는 주요 공중 보건 비상사태(예: 팬데믹) 기간 중 응급 외래 의사의 주간 스케줄링 최적화 문제를 다룹니다. 일반적인 외래 환경과 달리, 응급 클리닉은 매우 확률적이고 시간 가변적인 환자 도착, 엄격한 감염 통제 요구 사항, 그리고 환자의 심리적 취약성에 직면해 있습니다.

핵심 과제는 다음과 같은 이중 트레이드오프(dual trade-off)입니다:

환자 심리적 고통 (Patient Psychological Distress): 대기 중인 환자들은 대기열 길이가 임계치를 넘어 증가함에 따라 급격히 상승하고 결국 허용 한계치에서 정체되는 비선형적 심리적 고통(불안, 고통)을 경험합니다.
의사 피로 인지 (Physician Fatigue Perception): 높은 압박 속에서 근무하는 의사들은 피로를 선형적으로 경험하지 않습니다. 그들의 인지는 다음 요소들에 의해 영향을 받습니다:
- 손실 회피 (Loss Aversion): 의사들은 주관적인 심리적 기준점을 초과하는 근무 시간에 대해, 허용 가능한 범위 내의 근무 시간보다 훨씬 더 민감하게 반응합니다.
- 집단 역학 (Group Dynamics): 소수의 동료만이 초과 근무를 할 때(불공정성) 개인의 피로 인지는 증폭되지만, 초과 근무가 광범위할 때(집단 동질화)는 완화됩니다.
- 퍼지 경계 (Fuzzy Boundaries): 피로 수준은 엄격한 임계값이 아닌 점진적으로 전이됩니다.

기존 모델들은 피로를 선형적 페널티로 취급하거나 환자의 심리를 무시하는 경우가 많아, 이러한 행동적 복잡성을 포착하지 못합니다. 목표는 복잡한 운영 제약 조건(교대 근무 제한, 휴식 시간, 야간 근무 규정 및 대기열 길이 임계값)을 준수하면서, 의사 피로 인지 비용, 환자 심리적 고통 비용, 그리고 의사 파견(secondment) 비용으로 구성된 통합 목적 함수를 최소화하는 것입니다.

2. 방법론

A. "Fuzzy-CPT" 모델링 프레임워크

저자들은 비용을 정량화하기 위해 **퍼지 집합 이론(Fuzzy Set Theory)**과 **누적 전망 이론(Cumulative Prospect Theory, CPT)**을 통합한 통합 프레임워크를 제안합니다.

환자 심리적 고통 비용 ( $C_{tor}$ ): 대기열 길이와 고통 사이의 비선형 관계를 포착하기 위해 수정된 ALO-S2 함수(시그모이드 유사 곡선)를 사용하여 모델링되었습니다. 고통은 임계값( $L_c$ ) 미만에서는 0이며, 민감 구간에서 급격히 증가하다가 상한선( $L_{ul}$ )에서 캡(cap)이 씌워집니다.
의사 피로 인지 비용 ( $C_{tir}$ ): 세 단계의 로직을 통해 구축되었습니다:
1. 퍼지 피로 등급 멤버십: 트라페조이드(trapezoidal) 퍼지 멤버십 함수를 통해 객관적인 주간 근무 시간을 세 가지 퍼지 피로 수준(경도, 중등도, 중증)으로 매핑하여 피로의 연속적이고 모호한 성격을 포착합니다.
2. CPT 가치 함수: 가치 함수 $\nu(T_n)$ 은 손실 회피를 모델링합니다. 기준점( $T_{ref}$ ) 미만의 근무 시간은 "이득(gain)" 영역에 해당하며, 초과 시간은 "손실(loss)" 영역에 해당하여 손실 회피 계수( $\lambda$ )에 의해 초과 근무의 고통이 증폭됩니다.
3. 팀 효과 가중치: 확률 가중치 함수 $w(p)$ 는 팀 내 초과 근무 비율( $p$ )에 따라 개인의 피로도를 조정합니다. 이는 고립된 초과 근무가 집단적 초과 근무보다 더 부담스럽게 느껴지는 사회적 비교 효과를 포착합니다.
파견 비용 ( $C_{bor}$ ): 수요 충족을 위해 다른 부서에서 일시적으로 배정된 의사들에 대한 선형 비용입니다.

B. 향상된 메메틱 알고리즘 (Enhanced Memetic Algorithm, EMA)

문제가 비선형 제약을 가진 NP-hard 문제이므로, 저자들은 이를 해결하기 위해 **향상된 메메틱 알고리즘(EMA)**을 설계했습니다. EMA는 세 가지 핵심 개선 사항을 통해 기본 메메틱 알고리즘(BMA)을 개선합니다.

계층적 인코딩 및 다중 목적 디코딩:
- 각 의사를 교대 근무 시퀀스와 메타데이터를 포함하는 유전자 단위로 하는 계층적 염색체 구조를 사용합니다.
- 불필요한 계산 없이 실시간 적합도 평가를 가능하게 하기 위해 사전 계산된 피로, 고통, 파견 비용을 저장하는 "비용 캐시 유전자(cost-cache genes)"를 포함합니다.
적응형 2단계 모집단 초기화:
- 1단계: 두 가지 뚜렷한 그리디(greedy) 전략(하나는 야간 근무 분포에, 다른 하나는 주간 근무 균형에 집중)을 사용하여 스케줄링 골격을 생성합니다.
- 2단계: 지역 최적해(local optima)를 피하고 다양성을 확보하기 위한 리셋 메커니즘과 반복적 조정을 통해 골격을 정교화합니다.
다중 입도 협력 이웃 탐색 (Multi-Granularity Collaborative Neighborhood Search):
- 변수 이웃 하강법(VND), 변수 이웃 탐색(VNS), 그리고 일반화된 변수 이웃 탐색(GVNS)을 통합합니다.
- 네 가지 수준의 이웃 연산자를 정의합니다: 시간 단위(이동, 단축, 연장), 교대 단위(증가, 감소), 의사 단위(추가, 축소), 그룹 단위(재배치).
- 수렴 속도와 해의 품질 사이의 균형을 맞추기 위해 지수적 감쇠 수용 기준을 사용합니다.

3. 주요 기여

본 논문은 네 가지 주요 기여를 주장합니다:

이론적 프레임워크: 선형 페널티 모델을 넘어 생리적 부하, 주관적 인지, 집단 영향이라는 3차원 피로 평가 프레임워크를 구축하는 "Fuzzy-CPT" 관점을 개발했습니다.
최적화 모델: 복잡한 행동적 제약을 포함하여 의사 피로 인지, 환자 심리적 고통, 파견 비용을 동시에 최소화하는 주간 스케줄링 모델을 공식화했습니다.
알고리즘 혁신: 계층적 인코딩, 2단계 초기화 전략, 다중 입도 협력 탐색을 특징으로 하는 EMA를 설계하여 NP-hard 모델을 효과적으로 해결했습니다.
실증적 검증 및 문화적 적응성: 코로나19 정점기 당시 상하이의 한 3차 병원에서 수집된 실제 데이터를 사용하여 검증했습니다. 본 연구는 CPT 파라미터(중국 vs 미국 설정)에 대한 교차 문화적 비교를 포함하여, 다양한 행동적 맥락에 대한 모델의 적응성을 입증했습니다.

4. 실험 결과

상하이의 대형 병원에서 얻은 12주간의 실제 데이터를 사용하여 수치 실험이 수행되었습니다.

알고리즘 성능: EMA는 기본 메메틱 알고리즘(BMA) 및 개선된 변수 이웃 탐색(IVNS) 알고리즘보다 유의미하게 우수한 성능을 보였습니다.
- EMA는 모든 테스트 케이스에서 가장 낮은 총 목적 함수 값( $Z$ )을 달-성했습니다.
- EMA는 12개 케이스 중 7개에서 환자 심리적 고통 비용( $C_{tor}$ )을 0으로 줄이는 데 성공한 반면, BMA는 1개 케이스, IVNS는 단 한 건도 성공하지 못했습니다.
- EMA는 경직된 실제 스케줄링 및 지연된 IVNS 결과와 비교하여 환자 도착 변동에 대해 우수한 동적 대응력을 보여주었습니다.
파라미터 민감도:
- 문화적 차이: 중국 CPT 파라미터(높은 위험 민감도 $\alpha, \beta$ )를 사용한 스케줄링 결과는 일반적으로 미국 파라미터보다 높은 피로 비용을 나타냈으며, 이는 행동적 특성이 최적화 결과에 미치는 영향을 강조합니다.
- 임계값 ( $L_c, L_{ul}$ ): 대기열 길이 임계값을 높이면 가용 영역이 확장되어, 고통을 증가시키지 않으면서도 더 나은 피로 관리가 가능해졌습니다.
- 의사 수 ( $N_1$ ): 임계점까지 의사 수를 늘리면 비용이 급격히 감소하지만, 그 이상의 증가는 수익 체감의 법칙(diminishing returns)을 보였습니다.
- 기준 시간 ( $T_{ref}$ ): 심리적 기준 시간을 높이면 최적화 공간이 이동하여 더 나은 피로 분배가 가능해졌습니다.
- 파견 비용 ( $P_{bor}$ ): 파견 비용이 높아지면 알고리즘은 내부 스케줄링을 최적화하도록 강제되며, 때로는 피로를 증가시키더라도 대기열 제어를 유지했습니다.

5. 의의 및 주장

저자들은 본 연구가 공중 보건 위기 상황에서 응급 외래 스케줄링을 위한 과학적 근거에 기반한 의사결정 지원 도구를 제공한다고 주장합니다.

행동적 현실성: 퍼지 로직과 전망 이론을 통합함으로써, 선형 모델이 놓치는 환자와 의사의 "비합리적이지만 예측 가능한" 심리적 반응을 포착합니다.
실무적 적용 가능성: 실제 데이터 사용과 복잡하고 가변적인 수요를 처리하는 EMA의 능력을 통해 병원 관리자들에게 유용함을 입증했습니다.
교차 문화적 통찰: 스케줄링 파라미터(특히 위험 태도 및 집단 효과)가 문화적으로 의존적임을 밝힘으로써, 글로벌 스케줄링 도구가 현지의 행동적 맥락에 맞춰 조정되어야 함을 시사합니다.
관리적 통찰: 민감도 분석은 핵심 의사 인력 규모 식별 및 내부 스케줄링 유연성과 외부 자원 파견 간의 트레이드오프와 같은 실행 가능한 가이드를 제공합니다.

본 논문은 제안된 프레임워크와 알고리즘이 서비스 효율성, 환자 경험, 그리고 의사의 웰빙 사이의 균형을 효과적으로 맞추며, 고압적인 응급 의료 환경에 대한 강력한 솔루션을 제공한다고 결론짓습니다.