개요: 의료 분야에서의 병원 디지털 트윈
디지털 트윈은 다양한 산업 전반에 급속하게 도입되고 있으며, 의료 분야도 예외는 아닙니다. 디지털 트윈은 환자 치료의 정밀도를 높이는 데 도움을 주는 미시적 수준에서부터 병원 운영을 개선하는 거시적 수준에 이르기까지 다양하게 적용될 수 있습니다.
병원 디지털 트윈은 시설을 반영한 안전한 환경에서 동적으로 변경 사항을 테스트할 수 있는 도구입니다. 다시 말해, 여러 상황을 위험 없이 테스트하고 즉시 병원 성능에 미치는 영향을 확인할 수 있습니다. 이는 운영 전략, 자원 용량, 인력 구성 및 의료 서비스 제공에 대한 정보를 제공할 수 있습니다.
문제: 병원 운영 개선, 환자 경험 향상, 자원 배분 방법
Decision Lab은 수학적 모델링, 최적화, 시뮬레이션, 데이터 과학, 인공 지능 분야의 전문가로, 이러한 기술을 활용하여 비즈니스 문제를 해결합니다. 이 회사는 최근 건강관리 산업의 한 프로젝트에서 NHS 재단 신탁의 두 병원에 대한 시뮬레이션 기반 디지털 트윈을 개발하는 임무를 맡았습니다.
NHS 재단 신탁은 영국 및 웨일스의 국가보건서비스(NHS). 내의 하나의 단위로, 일반적으로 지리적인 영역 또는 전문 기능을 제공합니다.
이 공동 프로젝트의 목표는 병원 운영, 환자 경험 및 자원 배분의 개선 가능성을 조사할 수 있는 디지털 트윈을 개발하는 것이었습니다. 주요 과제는 비선택적(응급) 환자와 선택적(계획된) 환자의 전체 여정을 그들의 도착부터 퇴원까지 시뮬레이션하는 것이었습니다.
해결책: 병원 디지털 트윈의 핵심으로 시뮬레이션 모델 구축하기
AnyLogic 시뮬레이션 소프트웨어는 세 가지 주요 시뮬레이션 모델링 접근 방식을 각각 지원할 뿐만 아니라 그 조합도 지원하여 개발자들이 환자 수준에서 병원 수준에 이르기까지 모든 복잡성과 세부 수준의 실제 시스템을 모델링할 수 있도록 무한한 맞춤화를 제공합니다.
이 프로젝트에서는 시설 내 및 시설 간 프로세스를 모델링하기 위해 이산 이벤트 시뮬레이션 접근 방식을 사용했으며, 환자 행동을 모델링하기 위해 에이전트 기반 방법을 적용했습니다.
Decision Lab에서 AnyLogic을 사용하여 만든 시뮬레이션 모델은 미래의 디지털 트윈을 위한 기반으로 사용되었습니다. 이 모델은 첼튼엄 제너럴 병원(CGH)과 글로스터셔 로열 병원(GRH)의 운영을 포함하며, 총 75개의 유닛과 건물(위치)로 구성되어 있습니다.
이 병원들에서는 선택적 환자와 비선택적 환자가 각각 다른 행동 경로를 가지고 있습니다. 입원한 선택적 환자들은 계획된 수술을 받거나 때로는 수술이 취소되기도 합니다. 이는 사용 가능한 병상이 없을 경우 발생할 수 있으며, 이 경우 환자는 시설을 떠나 다른 날에 다시 돌아옵니다. 수술이 진행된 경우, 환자는 전문 병동에 배치되거나 먼저 중환자실에 배치된 후 회복을 위해 전문 병동으로 이동합니다. 결국 그들도 병원을 떠나게 됩니다.
비선택적 환자들의 경로 로직은 더 복잡합니다. 대부분의 환자들에게 표준 경로는 간호사의 트리아지를 거치는 것입니다. 여기서 간호사는 환자의 상태의 심각성을 평가합니다. 이 평가에 기반하여 환자는 적절한 치료를 받기 위해 다른 유닛으로 이동하고, 회복이 될 때까지 전문 병동에 머무르거나 그 후 병원을 떠납니다.
또한, 병원 모델은 매우 맞춤화되어 있었고 여러 주요 속성을 가지고 있었습니다:
- 다양한 의료 문제와 해당 치료는 심장학, 피부학 등과 같은 전문 분야로 분류되며, 각 병동은 치료할 수 있는 특정 범위의 전문 분야와 의료 문제를 가지고 있습니다.
- 환자가 특정 전문 분야의 문제를 치료하는 병동에 배정될 예정이지만 모든 병상이 차있는 경우, 다른 전문 분야의 병동에 배치될 수 있습니다. 예를 들어, 심장학 환자가 피부학 병동에 배치될 수 있습니다.
다른 병동에 해당 의료 문제를 치료할 수 있는 전문의가 부족하기 때문에 이러한 환자를 치료하는 데 더 오랜 시간이 걸립니다. 이러한 환자의 수를 최소화하면 전반적인 환자 경험을 향상시킬 수 있습니다. - 병상에는 대기 시스템이 있습니다 – 각 환자에게는 순위를 매기는 데 도움이 되는 점수가 있습니다. 중환자실에서 온 환자들은 가장 높은 우선순위를 갖습니다. 여기서의 목표는 환자의 대기 시간을 줄이는 것이며, 이는 그들의 경험에도 영향을 미칩니다.
모델의 인터랙티브 UI와 통계
Decision Lab의 엔지니어들은 AnyLogic의 시각화 기능을 활용하여 병원의 최종 시뮬레이션 기반 디지털 트윈에 사용자 친화적인 UI를 제공했습니다. 이를 통해 어떤 관리자도 쉽게 사용하고 병원의 성능에 대한 통찰력을 얻을 수 있습니다.
모델에는 전체 결과 뿐만 아니라 환자와 위치에 대한 뷰도 있습니다. 관리자는 각 병원, 다양한 부서, 자원 및 전체 대기 보고서의 성능 결과를 볼 수 있으며, 이는 추적할 주요 지표 중 하나였습니다.
위치 뷰에서 사용자는 급성 의료 유닛, 심장병 병동 등 75개 가능한 병원 유닛 및 건물 중 4개를 선택하여 각각에 대한 자세한 통계를 분석할 수 있습니다. 사용자가 개별 환자의 행동을 분석하고 싶은 경우 환자 뷰 탭으로 전환할 수 있습니다.
결과: 병원 디지털 트윈 응용 프로그램 및 미래 계획
시뮬레이션 모델의 출력은 세 가지 범주로 나뉘었습니다:
- 환자 – 각 환자가 병원의 각 위치에서 보낸 시간과 다른 전문 분야의 병동에서 보낸 시간..
- 병동 – 병상 사용률 및 다른 전문 분야의 환자 수
- 응급 부서 – 특정 지역에서의 트리아지 시간 및 트롤리 이용률.
CSV 파일로 내보내어 NHS 분석 팀이 다른 도구에서 추가 분석을 위해 시각화할 수 있었습니다.
이제 병원 디지털 트윈이 준비되었기 때문에 NHS 관리팀은 대기 시간과 체류 기간을 줄이고, 다른 환자 경험 지표를 개선하며, 새 병동을 건설하기 위한 계획을 세울 수 있습니다. 또한 겨울철 수요가 최고조에 달했을 때 병원의 수용 능력을 스트레스 테스트하고, 자원 이용이 전체 성능에 미치는 영향을 파악하는 등의 작업을 수행할 수도 있습니다.
향후 개발 팀은 더욱 자세한 직원 통계를 추가하여 인력 배치를 최적화하고, 관리 결정의 영향을 파악하기 위한 비용 통계, 시나리오 비교 차트 등을 추가함으로써 시뮬레이션 모델을 더욱 확장할 수 있습니다.
이 사례 연구는 Decision Lab의 피터 라일리가 2022년 AnyLogic 컨퍼런스에서 발표했습니다.
슬라이드는 PDF 로 제공됩니다.
