Acil servislerde yapay sinir ağları ile tahminleme ve kaynak planlaması

Acil ve ölümcül hastaların, hastanede ilk tedavi gördükleri birim olan acil servis (AS) biriminin çok etkin olması gerekir. AS biriminin etkin olabilmesi için de sahip olduğu kaynakların çok verimli kullanılması gerekir. Genellikle, sağlık sistemlerinde kaynak optimizasyonu yapabilmek için simülasyon modellerinden faydalanılır. AS'de ideal yatak sayısının tespit edilmesi çok önemlidir, çünkü bir çok kaynak yatak sayısına göre planlanır. Bu çalışmada ideal yatak sayısını bulmak amacıyla bir simülasyon modeli geliştirilmiştir. Simülasyon modelinin tasarlanması için gerçek sistemle ilgili bilgilere gereksinim vardır ve bu bilgilerden en önemli girdi parametresi hasta geliş sıklıklarının tahminidir. 10 farklı makine öğrenme algoritması kullanılarak hasta geliş sıklığı tahmin edilmeye çalışılmış, makine öğrenme algoritmalarının girdi olarak kullanacağı ideal öznitelik kümesi de kapsamlı öznitelik seçim yöntemi ile belirlenmiş ve en önemli öznitelik verisi ortalama geliş oranı olarak belirlenmiştir. Uzun Kısa Vadeli Hafıza (LSTM) modeli tahminde mutlak ortalama hata yüzde oranı %46,7 ile en başarılı algoritma olmuş ve simülasyon metodu yardımıyla acil serviste hasta kalış süresi %7 azalmıştır.