高子寒,楊麗,魏曉

(青島大學 護理學院，山東 青島266071)

多智能體系統(tǒng)(multi-agent system,MAS)是分布式人工智能的一個重要分支，是一種能夠通過計算機建立模型模擬出復(fù)雜環(huán)境下微觀個體間交互現(xiàn)象進而推出宏觀局勢的微觀仿真技術(shù)[1]。多智能體仿真技術(shù)能打破傳統(tǒng)評估測量工具的限制，借助計算機復(fù)現(xiàn)出現(xiàn)實醫(yī)療環(huán)境，再在仿真模型中進行措施干預(yù)實驗以觀察其效果，能避免承擔風險，以最節(jié)約成本的方式獲取最優(yōu)解決方案[2]。近年來多智能體仿真技術(shù)基于能反映出個體行為復(fù)雜性這一特點被廣泛應(yīng)用于醫(yī)療領(lǐng)域。本文將多智能體仿真技術(shù)在護理領(lǐng)域的應(yīng)用研究進行整理綜述，為護理人員提供參考。

1 多智能體仿真相關(guān)概念

智能體(agent)指具有自治性、社會性、反應(yīng)性和預(yù)動性等基本特性的實體[3]。由于本文是針對多智能體仿真在護理領(lǐng)域中的應(yīng)用，有對個體自身行為和個體間交互的仿真需求，注重個體的高智能性，故譯為“智能體”。多智能體(multi-agent)是由多個智能體組成的集合，集合中的各智能體具有自治性、智能性和適應(yīng)性，且成員間能不斷交互[4]，即通過協(xié)調(diào)系統(tǒng)統(tǒng)一控制多個簡單智能體，完成復(fù)雜智能。多智能體仿真技術(shù)在此基礎(chǔ)上制定簡單智能體規(guī)則，借助仿真平臺建模，模擬微觀層面智能體的交互演變，進而推導(dǎo)出真實世界宏觀變化，實現(xiàn)復(fù)雜智能轉(zhuǎn)化。

2 多智能體仿真的優(yōu)勢

多智能體仿真技術(shù)為解決復(fù)雜醫(yī)學問題提供了新的思路,可作為傳統(tǒng)建模方法的有益補充。多智能體技術(shù)具備的分布性、協(xié)調(diào)性、自治性、學習能力和推理能力等屬性賦予其不同的優(yōu)勢[2]。多智能體仿真系統(tǒng)靈活度大，經(jīng)濟效益高，采用分布式的控制系統(tǒng)，將任務(wù)分配給多個子智能體控制單元，相比設(shè)計一個復(fù)雜的單智能系統(tǒng)的成本來說，多個簡單的智能體的經(jīng)濟效益更高；通過計算機建立的仿真模型，在運行實驗后能夠得到量化的輸出結(jié)果，能精準評估各種措施的優(yōu)劣；隨著人類社會的不斷進步和發(fā)展，各個領(lǐng)域內(nèi)部均呈大量交互、關(guān)聯(lián)復(fù)雜的態(tài)勢，而該技術(shù)具備仿真復(fù)雜系統(tǒng)的能力，應(yīng)用前景廣泛。

3 多智能體仿真的步驟

早在1979年仿真技術(shù)就被應(yīng)用于醫(yī)療領(lǐng)域，現(xiàn)今仿真建模步驟已基本達成統(tǒng)一，分為系統(tǒng)分析、模型設(shè)計、構(gòu)建模型、模型校核、仿真和結(jié)果分析等5步。Yousefi等[5]考慮到急診室調(diào)配難度大，部分患者經(jīng)歷長時間的排隊等待而得不到及時診治，建立了一個急診室仿真模型以改善患者就診環(huán)境，本文以此為例展開描述步驟：(1)系統(tǒng)分析。確定研究目的后，對整個需要建模的系統(tǒng)進行分析，構(gòu)建研究框架。Yousefi等[5]將患者、醫(yī)生、護士作為3類智能體，再確定智能體間的交互規(guī)則；如當患者進入分診室，分診護士的狀態(tài)則從“等待患者”變?yōu)椤疤峁┓?wù)”；當床位達到飽和，護士將告知候診室所有的患者床位不夠，而患者則會離開。(2)模型設(shè)計。確定模型中所需的各類參數(shù)，包括收集數(shù)據(jù)、設(shè)置詳細規(guī)則等。將急診室患者等候時間設(shè)定為受患者自身對于排隊的耐受時長和周圍排隊人群兩方面影響，當超過患者自身的耐受時長后則會離開，或與周圍排隊人群交互溝通，耐受時長則會相應(yīng)延長。故先查閱經(jīng)驗文獻獲取一般耐受時長，綜合兩方面影響構(gòu)建候診排隊等待規(guī)則。(3)構(gòu)建模型。利用NetLogo仿真平臺完成急診室患者就診模型。(4)模型校核。立足于復(fù)雜系統(tǒng)的仿真建模意味著即使設(shè)置了明確規(guī)則，也可能與現(xiàn)實有差異，故模型需校核。在校核過程中，需將仿真結(jié)果與真實情況進行比較并按照情況進行調(diào)試，直至獲得模擬效果最佳的仿真模型。Yousefi等[5]結(jié)合2016年急診信息系統(tǒng)數(shù)據(jù)對仿真運行結(jié)果進行校核，結(jié)果顯示，仿真結(jié)果和現(xiàn)實數(shù)據(jù)一致，證實仿真模型可靠。(5)仿真和結(jié)果分析。Yousefi等借助模型進行4組仿真實驗，依次是：增加分診護士人數(shù)、快速通道診療、增加候診室容量、縮短治療時間，并評估4項策略對候診患者的影響，結(jié)果顯示，4項策略均能改善患者就診，其中快速通道診療效果最佳。

4 多智能體仿真在護理領(lǐng)域的應(yīng)用現(xiàn)狀

4.1 多智能體仿真平臺的選擇 仿真平臺的出現(xiàn)為研究者減輕了技術(shù)負擔，讓研究者不必從底層代碼開始，能集中精力專注于建模仿真的研究設(shè)計上。目前NetLogo和AnyLogic仿真平臺是護理領(lǐng)域中應(yīng)用最廣泛的兩個[2]。NetLogo適合于編程初級階段的人群，其簡單實用的仿真語言、內(nèi)置仿真圖形化接口和豐富的支持文檔，便于研究者使用。AnyLogic除了能實現(xiàn)多智能體仿真外還能與多種其他仿真方法結(jié)合完成混合仿真，從而滿足復(fù)雜系統(tǒng)仿真的需求。對AnyLogic中內(nèi)置模塊進行選取，結(jié)合命令框輸入指令完成模型設(shè)計，再錄入?yún)?shù)數(shù)據(jù)即可完成仿真的構(gòu)建。AnyLogic還可支持各種二維三維或連續(xù)的空間環(huán)境，其集成空間作用模型要強于NetLogo[6]，此外AnyLogic仿真平臺還內(nèi)附醫(yī)護相關(guān)仿真建模的案例和操作教程，對醫(yī)護研究者有較大的應(yīng)用啟發(fā)。

4.2 多智能體仿真對老年人護理需求分析的預(yù)測 全球人口老齡化問題加劇，高質(zhì)量滿足老年人的護理需求成為一大難題[7]，尚需結(jié)合護理需求的分析預(yù)測提高護理服務(wù)質(zhì)量。護理人員在制定老年人的護理措施時需考慮多種因素，如患者社會支持情況、老年人自身意愿等[8]。而多智能體仿真技術(shù)能充分考慮老年人的自身情況，Berndt等[9]先利用人口普查、地理信息、健康信息等數(shù)據(jù)創(chuàng)建了一個綜合人口分布數(shù)據(jù)集，依據(jù)這個數(shù)據(jù)集初步預(yù)測有護理需求的人群和他們所在地理位置。再根據(jù)社會角色類型構(gòu)建社交機制規(guī)則從而建立護理需求個人決策仿真模型，借助智能體仿真技術(shù)預(yù)測出多樣化人群的護理需求。

4.3 多智能體仿真在養(yǎng)老照護體系中的應(yīng)用 我國為提高老年人養(yǎng)老質(zhì)量試行了長期護理保險制度。Chang等[10]為評估長期護理保險對青島醫(yī)療服務(wù)質(zhì)量與成本的影響，基于智能體仿真技術(shù)對該政策的影響及效果進行仿真。該研究采用Andersen衛(wèi)生服務(wù)利用模型，將老年人和護理機構(gòu)作為兩類智能體，護理機構(gòu)類型分為醫(yī)院護理、養(yǎng)老院護理和家庭護理三類，結(jié)果顯示，收入高、擁有城鎮(zhèn)居民保險的居民能享受更全面的護理服務(wù)，并能根據(jù)老年人口需求分配護理人員能增加長期護理保險受益人群。Yan等[11]為構(gòu)建養(yǎng)老護理體系將老年人、日間護理中心和居家護理機構(gòu)設(shè)定為模型中的三類智能體，并確定各智能體間的交互規(guī)則。其中老年人仿真模塊包括：生命周期、護理模式轉(zhuǎn)換、生活安排與護理模式選擇、重新配置和設(shè)施選擇等；日托中心模塊和居家護理模塊均包括業(yè)務(wù)周期和位置模塊。多個模塊不斷交互，經(jīng)由協(xié)調(diào)程序控制，該模型能對建立高質(zhì)量護理服務(wù)城市規(guī)劃提供啟示。在構(gòu)建養(yǎng)老照護體系中應(yīng)用仿真建模主要為預(yù)測老年人護理需求、提供全面護理服務(wù)和判斷護理機構(gòu)選址，以建立更完善的養(yǎng)老服務(wù)體系。

4.4 多智能體仿真在護理服務(wù)模式中的應(yīng)用 在對患者進行臨終護理照料的過程中，當患者有嚴重疾病以至于無法做出醫(yī)療決定[12]，則需要預(yù)定臨終照顧計劃(advance care planning，ACP)來幫助患者完成醫(yī)療決定，但這一舉措在實踐過程中面臨倫理挑戰(zhàn)。Ernecoff等[13]基于跨理論模型框架建立的仿真模型能精確地反映個體在接受ACP過程中的多種行為改變影響因素，研究結(jié)果表明，仿真建模能夠測試ACP的干預(yù)效果，有助于護理人員的決策。

喘息服務(wù)(respite care)最早由居家養(yǎng)老發(fā)展較好的西方國家提出的一種能降低家庭照護者倦怠的服務(wù)模式[14]。當家庭照護者出現(xiàn)倦怠常會導(dǎo)致不良入院情況增多繼而產(chǎn)生高昂的住院費用，故對照顧者進行預(yù)先識別是管理喘息服務(wù)的關(guān)鍵。Batata等[15]先采用有效的監(jiān)督式機器學習方法以預(yù)測家庭照護者的倦怠，后通過仿真技術(shù)分別對進行機器學習的智能喘息服務(wù)管理策略和非機器學習的喘息服務(wù)管理策略進行比較，研究顯示，機器學習中的神經(jīng)網(wǎng)絡(luò)算法是對照護者進行倦怠仿真的最佳算法，用于喘息服務(wù)中的管理決策時能顯著減少不良入院情況。

4.5 多智能體仿真在家庭護理中的應(yīng)用 家庭護理能夠減輕醫(yī)院床位緊張、提高護理質(zhì)量[16]。Marcon等[17]采用多智能體系統(tǒng)仿真護理人員行為，對護理人員選擇家庭護理的路徑問題設(shè)計了4個動態(tài)決策規(guī)則，依次是：最短路徑規(guī)則、患者就近規(guī)則、無等待路徑規(guī)則和平衡路徑規(guī)則(同時考慮計劃路徑時間和患者等待時間選擇最佳護理路線完成家庭護理計劃)；再通過NetLogo平臺對以上規(guī)則進行比較評價，確定平衡路徑規(guī)則為最佳規(guī)則后投入到調(diào)度系統(tǒng)使用，能極大減少患者等待時間和護士花費的路徑時間。在家庭護理動態(tài)調(diào)度醫(yī)護人員的過程中常出現(xiàn)即時動態(tài)請求，為了降低服務(wù)成本，Xie等[18]提出了一種基于修復(fù)的動態(tài)調(diào)度算法，將協(xié)調(diào)人員和醫(yī)護人員作為智能體，借助AnyLogic平臺建立仿真模型并驗證動態(tài)調(diào)度算法的效率，結(jié)果表明采用該算法調(diào)度的家庭醫(yī)療服務(wù)比一般模式的平均服務(wù)成本低14%，達到了控制家庭醫(yī)療成本的目的。

4.6 多智能體仿真在慢性病護理中的應(yīng)用 世界人口老齡化是必然發(fā)展趨勢，老年人多合并多種慢性病，故對于慢病護理人員而言，近年來護理壓力也在加重。Batata等[19]建立仿真護理人員職業(yè)倦怠演化的模型，用以描述護理人員職業(yè)倦怠的演化過程和休息結(jié)構(gòu)對系統(tǒng)的影響，從而建立合理的慢病護理人員的工作排班制度。

癌癥是致死率高的慢性疾病，癌癥的治療特點是需要臨床、護理、營養(yǎng)、心理等綜合的服務(wù)協(xié)調(diào)。Mustapha等[20]為提高腸癌患者治愈率和生活質(zhì)量，以患者、醫(yī)生、護士、醫(yī)院設(shè)施等作為主要智能體，并在模型中輔以多種模塊集合。由此仿真出癌癥患者和醫(yī)護人員間可能出現(xiàn)的所有復(fù)雜行為、決策過程和相互作用；進而模擬醫(yī)院環(huán)境的多種要素對腸癌患者的影響，利用仿真模型評估不同治療措施用于患者身上的效果從而制定出最佳的護理治療模式，給予癌癥患者更多的安全保障。

5 多智能體仿真在我國護理領(lǐng)域的應(yīng)用前景及挑戰(zhàn)

當前我國急需調(diào)配護理資源以應(yīng)對人口老齡化，在資源應(yīng)用上，一方面能對我國老年人護理需求進行仿真預(yù)測，為養(yǎng)護機構(gòu)的選址提供參考，另一方面在體檢中心、急診室等調(diào)配難度大的醫(yī)療區(qū)域?qū)ψo理人員工作調(diào)配進行仿真，以優(yōu)化護理人力調(diào)配；在養(yǎng)老政策上，能借助仿真建模探討各項政策措施的實施效果，從而有效整合護理資源、提高民眾的養(yǎng)老質(zhì)量；在照護服務(wù)上，結(jié)合疾病轉(zhuǎn)化過程、個人需求等多方面情況對患者進行仿真，從而制定個性化的護理措施，并且在實施有爭議的護理措施前，通過結(jié)合患者自身情況對護理措施進行一個全方位仿真評估，以確定最佳護理方式，從而減少患者承受的風險，打破傳統(tǒng)的量化評分、經(jīng)驗性人為評估等護理方法的局限。多智能體仿真在我國護理領(lǐng)域的應(yīng)用面臨的挑戰(zhàn)。首先，護理人員跨學科研究的素質(zhì)和能力有待加強。其次，多智能體仿真的規(guī)范化有待完善，護理研究者在初步運用該技術(shù)時，較難一次性仿真出真實世界的復(fù)雜性[21]，需在未來的探索中不斷規(guī)范和完善。最后，多智能體仿真數(shù)據(jù)應(yīng)用和收集數(shù)據(jù)上略顯薄弱。多智能體仿真在模型的建立和驗證兩個階段中都需要借助數(shù)據(jù)進行，數(shù)據(jù)有效地獲取和利用是仿真建模的關(guān)鍵支撐[22]。我國正處在衛(wèi)生信息化的背景下，大力發(fā)展護理信息學，加快護理信息的價值轉(zhuǎn)化既是大勢所趨也是護理專業(yè)快速發(fā)展的重要機遇。