多智能体仿真在护理领域的应用

高子寒,杨丽,魏晓

(青岛大学 护理学院，山东 青岛266071)

多智能体系统(multi-agent system,MAS)是分布式人工智能的一个重要分支，是一种能够通过计算机建立模型模拟出复杂环境下微观个体间交互现象进而推出宏观局势的微观仿真技术[1]。多智能体仿真技术能打破传统评估测量工具的限制，借助计算机复现出现实医疗环境，再在仿真模型中进行措施干预实验以观察其效果，能避免承担风险，以最节约成本的方式获取最优解决方案[2]。近年来多智能体仿真技术基于能反映出个体行为复杂性这一特点被广泛应用于医疗领域。本文将多智能体仿真技术在护理领域的应用研究进行整理综述，为护理人员提供参考。

1 多智能体仿真相关概念

智能体(agent)指具有自治性、社会性、反应性和预动性等基本特性的实体[3]。由于本文是针对多智能体仿真在护理领域中的应用，有对个体自身行为和个体间交互的仿真需求，注重个体的高智能性，故译为“智能体”。多智能体(multi-agent)是由多个智能体组成的集合，集合中的各智能体具有自治性、智能性和适应性，且成员间能不断交互[4]，即通过协调系统统一控制多个简单智能体，完成复杂智能。多智能体仿真技术在此基础上制定简单智能体规则，借助仿真平台建模，模拟微观层面智能体的交互演变，进而推导出真实世界宏观变化，实现复杂智能转化。

2 多智能体仿真的优势

多智能体仿真技术为解决复杂医学问题提供了新的思路,可作为传统建模方法的有益补充。多智能体技术具备的分布性、协调性、自治性、学习能力和推理能力等属性赋予其不同的优势[2]。多智能体仿真系统灵活度大，经济效益高，采用分布式的控制系统，将任务分配给多个子智能体控制单元，相比设计一个复杂的单智能系统的成本来说，多个简单的智能体的经济效益更高；通过计算机建立的仿真模型，在运行实验后能够得到量化的输出结果，能精准评估各种措施的优劣；随着人类社会的不断进步和发展，各个领域内部均呈大量交互、关联复杂的态势，而该技术具备仿真复杂系统的能力，应用前景广泛。

3 多智能体仿真的步骤

早在1979年仿真技术就被应用于医疗领域，现今仿真建模步骤已基本达成统一，分为系统分析、模型设计、构建模型、模型校核、仿真和结果分析等5步。Yousefi等[5]考虑到急诊室调配难度大，部分患者经历长时间的排队等待而得不到及时诊治，建立了一个急诊室仿真模型以改善患者就诊环境，本文以此为例展开描述步骤：(1)系统分析。确定研究目的后，对整个需要建模的系统进行分析，构建研究框架。Yousefi等[5]将患者、医生、护士作为3类智能体，再确定智能体间的交互规则；如当患者进入分诊室，分诊护士的状态则从“等待患者”变为“提供服务”；当床位达到饱和，护士将告知候诊室所有的患者床位不够，而患者则会离开。(2)模型设计。确定模型中所需的各类参数，包括收集数据、设置详细规则等。将急诊室患者等候时间设定为受患者自身对于排队的耐受时长和周围排队人群两方面影响，当超过患者自身的耐受时长后则会离开，或与周围排队人群交互沟通，耐受时长则会相应延长。故先查阅经验文献获取一般耐受时长，综合两方面影响构建候诊排队等待规则。(3)构建模型。利用NetLogo仿真平台完成急诊室患者就诊模型。(4)模型校核。立足于复杂系统的仿真建模意味着即使设置了明确规则，也可能与现实有差异，故模型需校核。在校核过程中，需将仿真结果与真实情况进行比较并按照情况进行调试，直至获得模拟效果最佳的仿真模型。Yousefi等[5]结合2016年急诊信息系统数据对仿真运行结果进行校核，结果显示，仿真结果和现实数据一致，证实仿真模型可靠。(5)仿真和结果分析。Yousefi等借助模型进行4组仿真实验，依次是：增加分诊护士人数、快速通道诊疗、增加候诊室容量、缩短治疗时间，并评估4项策略对候诊患者的影响，结果显示，4项策略均能改善患者就诊，其中快速通道诊疗效果最佳。

4 多智能体仿真在护理领域的应用现状

4.1 多智能体仿真平台的选择 仿真平台的出现为研究者减轻了技术负担，让研究者不必从底层代码开始，能集中精力专注于建模仿真的研究设计上。目前NetLogo和AnyLogic仿真平台是护理领域中应用最广泛的两个[2]。NetLogo适合于编程初级阶段的人群，其简单实用的仿真语言、内置仿真图形化接口和丰富的支持文档，便于研究者使用。AnyLogic除了能实现多智能体仿真外还能与多种其他仿真方法结合完成混合仿真，从而满足复杂系统仿真的需求。对AnyLogic中内置模块进行选取，结合命令框输入指令完成模型设计，再录入参数数据即可完成仿真的构建。AnyLogic还可支持各种二维三维或连续的空间环境，其集成空间作用模型要强于NetLogo[6]，此外AnyLogic仿真平台还内附医护相关仿真建模的案例和操作教程，对医护研究者有较大的应用启发。

4.2 多智能体仿真对老年人护理需求分析的预测 全球人口老龄化问题加剧，高质量满足老年人的护理需求成为一大难题[7]，尚需结合护理需求的分析预测提高护理服务质量。护理人员在制定老年人的护理措施时需考虑多种因素，如患者社会支持情况、老年人自身意愿等[8]。而多智能体仿真技术能充分考虑老年人的自身情况，Berndt等[9]先利用人口普查、地理信息、健康信息等数据创建了一个综合人口分布数据集，依据这个数据集初步预测有护理需求的人群和他们所在地理位置。再根据社会角色类型构建社交机制规则从而建立护理需求个人决策仿真模型，借助智能体仿真技术预测出多样化人群的护理需求。

4.3 多智能体仿真在养老照护体系中的应用 我国为提高老年人养老质量试行了长期护理保险制度。Chang等[10]为评估长期护理保险对青岛医疗服务质量与成本的影响，基于智能体仿真技术对该政策的影响及效果进行仿真。该研究采用Andersen卫生服务利用模型，将老年人和护理机构作为两类智能体，护理机构类型分为医院护理、养老院护理和家庭护理三类，结果显示，收入高、拥有城镇居民保险的居民能享受更全面的护理服务，并能根据老年人口需求分配护理人员能增加长期护理保险受益人群。Yan等[11]为构建养老护理体系将老年人、日间护理中心和居家护理机构设定为模型中的三类智能体，并确定各智能体间的交互规则。其中老年人仿真模块包括：生命周期、护理模式转换、生活安排与护理模式选择、重新配置和设施选择等；日托中心模块和居家护理模块均包括业务周期和位置模块。多个模块不断交互，经由协调程序控制，该模型能对建立高质量护理服务城市规划提供启示。在构建养老照护体系中应用仿真建模主要为预测老年人护理需求、提供全面护理服务和判断护理机构选址，以建立更完善的养老服务体系。

4.4 多智能体仿真在护理服务模式中的应用 在对患者进行临终护理照料的过程中，当患者有严重疾病以至于无法做出医疗决定[12]，则需要预定临终照顾计划(advance care planning，ACP)来帮助患者完成医疗决定，但这一举措在实践过程中面临伦理挑战。Ernecoff等[13]基于跨理论模型框架建立的仿真模型能精确地反映个体在接受ACP过程中的多种行为改变影响因素，研究结果表明，仿真建模能够测试ACP的干预效果，有助于护理人员的决策。

喘息服务(respite care)最早由居家养老发展较好的西方国家提出的一种能降低家庭照护者倦怠的服务模式[14]。当家庭照护者出现倦怠常会导致不良入院情况增多继而产生高昂的住院费用，故对照顾者进行预先识别是管理喘息服务的关键。Batata等[15]先采用有效的监督式机器学习方法以预测家庭照护者的倦怠，后通过仿真技术分别对进行机器学习的智能喘息服务管理策略和非机器学习的喘息服务管理策略进行比较，研究显示，机器学习中的神经网络算法是对照护者进行倦怠仿真的最佳算法，用于喘息服务中的管理决策时能显著减少不良入院情况。

4.5 多智能体仿真在家庭护理中的应用 家庭护理能够减轻医院床位紧张、提高护理质量[16]。Marcon等[17]采用多智能体系统仿真护理人员行为，对护理人员选择家庭护理的路径问题设计了4个动态决策规则，依次是：最短路径规则、患者就近规则、无等待路径规则和平衡路径规则(同时考虑计划路径时间和患者等待时间选择最佳护理路线完成家庭护理计划)；再通过NetLogo平台对以上规则进行比较评价，确定平衡路径规则为最佳规则后投入到调度系统使用，能极大减少患者等待时间和护士花费的路径时间。在家庭护理动态调度医护人员的过程中常出现即时动态请求，为了降低服务成本，Xie等[18]提出了一种基于修复的动态调度算法，将协调人员和医护人员作为智能体，借助AnyLogic平台建立仿真模型并验证动态调度算法的效率，结果表明采用该算法调度的家庭医疗服务比一般模式的平均服务成本低14%，达到了控制家庭医疗成本的目的。

4.6 多智能体仿真在慢性病护理中的应用 世界人口老龄化是必然发展趋势，老年人多合并多种慢性病，故对于慢病护理人员而言，近年来护理压力也在加重。Batata等[19]建立仿真护理人员职业倦怠演化的模型，用以描述护理人员职业倦怠的演化过程和休息结构对系统的影响，从而建立合理的慢病护理人员的工作排班制度。

癌症是致死率高的慢性疾病，癌症的治疗特点是需要临床、护理、营养、心理等综合的服务协调。Mustapha等[20]为提高肠癌患者治愈率和生活质量，以患者、医生、护士、医院设施等作为主要智能体，并在模型中辅以多种模块集合。由此仿真出癌症患者和医护人员间可能出现的所有复杂行为、决策过程和相互作用；进而模拟医院环境的多种要素对肠癌患者的影响，利用仿真模型评估不同治疗措施用于患者身上的效果从而制定出最佳的护理治疗模式，给予癌症患者更多的安全保障。

5 多智能体仿真在我国护理领域的应用前景及挑战

当前我国急需调配护理资源以应对人口老龄化，在资源应用上，一方面能对我国老年人护理需求进行仿真预测，为养护机构的选址提供参考，另一方面在体检中心、急诊室等调配难度大的医疗区域对护理人员工作调配进行仿真，以优化护理人力调配；在养老政策上，能借助仿真建模探讨各项政策措施的实施效果，从而有效整合护理资源、提高民众的养老质量；在照护服务上，结合疾病转化过程、个人需求等多方面情况对患者进行仿真，从而制定个性化的护理措施，并且在实施有争议的护理措施前，通过结合患者自身情况对护理措施进行一个全方位仿真评估，以确定最佳护理方式，从而减少患者承受的风险，打破传统的量化评分、经验性人为评估等护理方法的局限。多智能体仿真在我国护理领域的应用面临的挑战。首先，护理人员跨学科研究的素质和能力有待加强。其次，多智能体仿真的规范化有待完善，护理研究者在初步运用该技术时，较难一次性仿真出真实世界的复杂性[21]，需在未来的探索中不断规范和完善。最后，多智能体仿真数据应用和收集数据上略显薄弱。多智能体仿真在模型的建立和验证两个阶段中都需要借助数据进行，数据有效地获取和利用是仿真建模的关键支撑[22]。我国正处在卫生信息化的背景下，大力发展护理信息学，加快护理信息的价值转化既是大势所趋也是护理专业快速发展的重要机遇。