Machine Learning Approaches for Hourly Emergency Department Patient Arrival Forecasting: A Multi-Horizon Comparison with Operational Benchmarking at a Norwegian Hospital
本研究表明，机器学习模型，特别是能够避免递归自回归方法中固有的“冻结特征”问题的 Direct LSTM+Optuna 架构，在针对挪威现行的基于日历的每小时急诊科患者到达预测基准时，无论是在短期还是扩展规划周期内，其表现都显著优于该基准。
原始论文采用 CC BY 4.0 许可（https://creativecommons.org/licenses/by/4.0/）。 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。 阅读完整免责声明
医院是处于持续运动之中的场所，管理人员流量的重要性，正如管理血液或电力的流量一样关键。在急诊科，一次平稳的轮班与一场混乱的危机之间的区别，往往取决于时机。如果医院确切知道下一小时会有多少患者到来，它就可以在第一位患者走进门之前，开放正确数量的床位、安排正确数量的护士并准备好诊断设备。几十年来，医院管理者一直依赖简单的历史平均值来做出这些决策，他们观察过去几个月里某个周二下午2点发生了什么，并假设今天也会是一样的。这种方法对于把握宏观模式还算有效，但它对眼下的现实情况视而不见：一场突如其来的风暴、流感病例的激增或意外的伤亡潮，都可能使历史平均值变得毫无用处。现代医学面临的挑战是，如何借助能够从复杂且变化的数据中学习的计算机，实现从基于过去的猜测向预测未来的转变。
挪威韦斯特福尔德医院信托基金（Vestfold Hospital Trust）的一个研究小组致力于解决这一特定问题，他们构建了一个能够逐小时预测患者到访量的机器学习系统。他们收集了一年的数据，追踪了超过35,000次就诊记录，并将这些数据与天气、当地感染率和公众假期等实时信息相结合。随后，他们训练了五种不同类型的计算机模型，以学习隐藏在这些数据中的模式。其目标不仅是看计算机是否能比简单的日历查询更好地预测未来，更要了解这种预测在多长时间内能保持准确。研究人员将这些新模型与医院目前的系统进行了对比，该系统仅是查找特定日期和时间的到访人数中位数。
结果显示，对于近期未来，计算机模型的准确性显著高于传统方法。在预测仅一小时后的情况时，表现最好的机器学习模型比医院的标准方法减少了近一个患者/小时的平均误差。这听起来可能是一个很小的数字，但在繁忙的急诊室，知道预期是四名还是六名患者，可以决定是提前召集医生还是让医生等待。计算机模型之所以能做到这一点，是因为它们捕捉到了日历无法察觉的细微信号，例如到访率当前的动态变化，或者当前的天气如何影响人们寻求医疗服务的决策。
然而，研究发现了一些先进计算机模型在被要求预测更远未来时存在一个令人惊讶且关键的缺陷。当研究人员要求模型预测12小时或24小时后的情况时，那些最复杂的深度学习系统突然失效了。它们的预测变得如此不准确，甚至比直接猜测平均值还要糟糕。研究人员发现了原因：他们将其称为“冻结特征问题”（frozen-feature problem）的结构性问题。这些模型的设计初衷是观察一段过去的窗口期来预测下一步，然后利用该预测来猜测下一步。在此过程中，它们将时间点信息固定在了窗口期的起始点。由于时间点是预测患者到访的最重要因素，模型实际上“忘记”了时间的流逝。它持续预测未来，仿佛仍处于起始时的那个小时，导致随着预测时界的延伸，准确性彻底崩溃。
为了解决这个问题，团队开发了一种不同的方法，不再尝试逐小时进行预测并将其结果反馈回系统，而是构建了一个能够在一个同步步骤中计算出未来24小时所有情况的模型。他们将这种方法命名为“直接LSTM模型”（Direct LSTM model），该模型避免了“忘记时间流逝”的陷阱。虽然与其它模型相比，它在预测第一个小时时精确度略低，但它在长达一整天的预测周期内都能保持可靠。在其他先进模型陷入无用境地的12小时节点上，这种新方法仍然能提供有意义的预测。在24小时节点上，它是唯一能够提供有用预报的模型，其表现优于传统的医院系统和其他机器学习尝试。
研究结论指出，并没有一种适用于所有情况的“最佳”模型。对于即时决策（如下一小时的人员配置），传统的深度学习模型效果最好；但对于长期规划（如为第二天做准备），这种新的直接法则是必不可少的。研究人员已经将这一解决方案转化为了一个原型工具，供医院直接使用，通过输入实时数据来生成符合其现有规划仪表盘的完整24小时预测。这项工作表明，虽然人工智能可以极大地改善医院运营，但技术的构建方式与它所学习的数据同样重要。通过识别并修复这些模型处理时间时的特定结构性弱点，研究人员为全球医院如何管理其最宝贵的资源——时间，提供了一条切实可行的路径。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。