中山五院：寻求AI赋能下的手术排程最优解

来源：HIT专家网 作者：龚晨

有着“最美山海医院”之称的中山大学附属第五医院（以下简称中山五院），地处珠海、毗邻港澳，是广东省国际医疗服务试点医院。得益于独特的区位和国际视野的开放办院理念，中山五院近三年来港澳台患者出院人次稳步攀升，手术量持续增加与手术室资源有限的矛盾也随之而来。

为此，中山五院主动破局，以AI技术为核心工具，探索打造贴合手术场景的专用智能系统，寻求手术排程的最优解，有效提升手术室运营效率。

手术排程是医院高效运营的“必解之题”

作为大湾区西部珠澳地区服务能力突出的医院，中山五院当前开放手术室42间（含1间达芬奇手术室），年手术量达2.87万例，三、四级手术占比64%，致力于打造区域疑难危重症救治中心。

“手术室是医院的心脏与引擎，其高效运营直接决定医院的核心竞争力。”中山五院信息工程与数据中心主任马嘉潜介绍，在提升运营管理效能成为医院年度重点任务的背景下，手术排程效率低、资源浪费成为亟待解决的问题。

手术排程不是简单的填空，而是需要兼顾医疗安全、运营效率与医护满意度之间的平衡。长期以来，手术排程依赖经验，面临排程效率、资源配置、数据支撑三大难点。

在排程效率方面，手术排程一般由手术室护士长负责，传统人工排程单次耗时需要3-4小时，人工核对多维度信息的效率也低。

在资源配置方面，人工排程的冲突率常高于15%，如医生时间重叠、术间资源抢占等；术间利用率两极分化，忙闲不均，部分术间使用率不足50%；医护资源错配导致资源周转慢，加班成为常态，不利于确保医疗安全与医患和谐。

数据支撑不足是制约手术排程优化的关键瓶颈：手术数据分散在各业务系统中，缺乏统一整合，每次分析需跨系统取数、核对，耗时费力；手术室利用率、排程冲突率等核心决策指标，未能形成标准化、可直接调用的数据资产，难以为科学排程提供精准的数据依据。

恰逢通用大语言模型触发新一轮医疗AI应用创新，为破解手术排程难题提供了新方案。2025年，中山五院在本地部署DeepSeek大模型底座，医院提出设想：能否依托通用大模型，打造贴合医院手术场景的“专用小模型”与智能体，精准匹配手术排程的个性化需求。从设想的提出到行动，中山五院开展了一系列尝试和论证，并付诸实践。

协同攻坚，破解手术排程难题的“组合拳”

2025年12月，中山五院采用“医院+企业”共建模式，开始与飞算数智科技（深圳）有限公司携手打造“手术智能排程系统”。系统建设遵循“数据筑基、规则立纲、模型赋能”的思路，由医院手术室、信息部门与企业三方共同组成项目团队，稳步推进，每一步都直击传统排程的核心痛点。

建设的第一步是数据准备，这是训练智能排程小模型的前提。

项目团队从院内系统提取手术、医护、术间数据，但难点随之凸显：医生在申请单上填写的手术时长不精确、关键信息不规范，直接影响后续模型的优先级判断、特殊需求匹配与风险识别。

为此，项目团队开展两大专项工作：一是设计自然语言的结构化转化机制，精准解析申请单备注中的口语化表达，如时间偏好、特殊设备需求等，将其映射为系统可理解的硬性时间窗与资源标签，解决原始数据不可直接用于计算的问题。二是构建包含时长、偏好、资源等维度的手术数据特征体系，简化复杂逻辑。以“时长”为例，团队基于历史手术数据，修正申请单上的预估偏差，为排程提供精准的“时间度量衡”。

在数据准备阶段，项目团队累计采集、治理高质量数据超过15万条，同时挖掘出医生手术时长、术间偏好、手术优先级、护士角色匹配等重要特征，为手术智能排程系统建设奠定数据基础。

第二步是规则与流程梳理，这是确保系统合规、可用的核心。

手术排程涉及大量规则，且不同维度的规则间常存在冲突，同时手术排台与护士排班位于两个业务流又彼此影响，任何一个环节的规则疏漏，都可能影响整个排程体系的高效运转。

医院手术室团队经过细致梳理，最终确定了“硬约束与软约束相结合”的规则设计思路。其中，硬约束是保障医疗质量安全、符合法律法规及核心资源可用性的“红线”，不可突破，如：医生不可同时在两间手术室开展手术、感染手术必须安排在隔离术间、特殊设备手术需匹配专用术间等。软约束则聚焦运营效率、人力成本控制与团队满意度等，可灵活调整，如：医生的术间使用习惯、连台偏好，医护人员的合作偏好等。

然而在实际排程中，规则冲突屡见不鲜。例如，为满足“感染手术安排在当日最后一台”的硬约束，就不得不牺牲医生“连台效率”的软约束。如何在保证业务可行性的前提下，最大程度兼顾各方需求，成为对算法逻辑分辨能力的极大考验，也是团队在下一步模型训练中需攻克的主要难点。

第三步是模型训练，这是实现智能排程的必要环节。即基于前期梳理的规则与历史数据，训练出可精准预测、可解释输出的智能模型。

项目团队将模型训练拆解为若干个重点问题，比如，如何实现多目标冲突下的资源调度？中山五院的日手术申请量在70至100台不等，这些手术与手术室的排列组合数量堪称天文数字，系统需要从中快速找到平衡医疗安全、运营效率、医护满意度的最优方案。

又如，医生的碎片化时间如何利用？手术医生有固定门诊时间需避开，部分手术备注“两点后做”等时间偏好，这些限制让术间时间表变得支离破碎。若无法合理利用，极易产生无法利用的“时间垃圾”，降低术间利用率。

针对这些问题，项目团队融合规则筛选、机器学习、大模型等多种AI技术，创新设计混合式解决方案：打造“多级排程策略架构”，优先锁定资源约束最严格的手术，再逐步释放资源给普通手术，以降低计算复杂度；针对时间碎片，设计“动态时间窗匹配算法”，将离散的时间片段与手术时长智能比对，实现零散资源的高效填充；构建“多维度评分系统”，将医生手术连续性、术间利用率、感控合规性、医护满意度等业务指标量化，引导算法向业务满意的方向收敛，实现从“可行解”到“最优解”的跨越。

在这一阶段，项目团队成功训练出多个专用小模型，包括：“手术时长模型”，基于历史数据，预测手术所需时长；“手术日与危急状态评估模型”，综合评估科室手术日和病情紧急度，预测手术排期优先级；“术间开放策略模型”，根据术间利用率、资源配置，结合医生手术偏好，智能推荐可开放的手术间。

从验证到推广，赋能手术室高质量运营

在完成模型训练与系统开发后，中山五院基于历史数据，开展了为期1个半月的PoC（概念验证）工作。“我们通过一线医护人员的反馈，优化、调整模型参数，最终验证了系统的可行性与实用性。”马嘉潜说。

完成PoC后，2026年2月，项目团队用两周时间完成接口改造，顺利实现手术智能排程系统与手麻、HIS、电子病历等院内系统的对接。经试运行后，系统正式投入临床运营。

马嘉潜认为，相较于市场同类产品，该系统的创新点在于，深度结合大模型技术，实现快速部署、快速落地，同时能够在日常运营中实现自我进化。这一优势的实现，基于医院采取的两大核心机制：

一是“定时重跑机制”。系统在每日凌晨自动启动数据更新流程，汇入前一日的手术执行数据，完成模型迭代优化，确保系统始终“与时俱进”。

二是“新资源快速融入机制”。针对新增手术室、医护人员、手术设备等场景，系统能快速捕捉新资源的核心特征，自动将其纳入排程体系，实现新旧资源的无缝协同。

手术智能排程系统上线后，赋能效果立竿见影，在效率、资源、安全、决策四大维度实现显著突破。

一是排程效率大幅提升。手术室排程时间从日均3小时提升至仅需5分钟，效率提升95%以上，且替代90%以上人工工作，仅需人工进行微调与确认，帮助手术室护士长将更多精力投入核心管理工作。

二是运营效能持续优化。术间整体利用率提升10%，专科术间利用率稳定在90%以上，彻底改变术间利用率两极分化的问题，减少资源闲置与浪费。

三是冲突风险有效管控。系统通过硬约束规则的严格执行与算法精准校验，将排程冲突率控制在2%以内，排程合规率超过99.5%，从源头规避排程失误与合规风险，为手术安全开展提供有力保障。

四是决策支撑更加精准。通过多维度数据挖掘与AI预测，系统自动生成手术室利用率等核心运营指标报表，为手术室运营管理决策提供数据支撑，推动手术室管理从“经验驱动”向“数据驱动”转变。

手术室一线医护人员也从智能排程中切实获益。特别是手术室护士的工作负荷均衡率提升15%以上。借助系统的数据支撑，中山五院建立了首台手术准时率奖励机制，还能优先安排配合默契的医护“黄金搭档”，进一步提升临床工作效率与医护团队凝聚力。

回顾项目共建历程，马嘉潜认为有以下经验值得分享。

一是“医院+企业”联合共建，优势互补。医院为系统开发提供精准的场景指导与需求反馈，飞算公司聚焦算法优化与系统落地，将AI技术与医院实际业务深度融合。双方合力，确保系统贴合临床、好用实用。

二是轻量低成本适配，降低医院落地门槛。系统对计算资源要求极低，甚至可在普通服务器或私有云环境下稳定运行，采用插件式轻量化对接模式，无需对医院现有系统大规模改造，实施周期短，见效快。

三是具备极高的行业普适性，可复制性强。系统具有“数据进化、场景定制”的特点，能够灵活应对各级各类医院的复杂手术排程业务逻辑，实现在不同医院的快速复制与落地。

展望未来，中山五院基于“数字孪生医院”的整体规划，将以智能手术室排程系统为基础，持续深化AI技术在手术室领域的应用，陆续引入AI赋能下的麻醉智能监测、手术用血精准调度、手术物资智能管理等应用，全力打造“数字孪生手术室”，进一步提升手术室运营效率、医疗质量与安全水平。

【医疗信息化企业资源对接意向调查】

HIT专家网坚持通过分享前瞻、实用的信息，努力搭建起医疗信息化用户和企业之间的专业交流桥梁。

如您希望对HIT专家网报道的企业产品技术方案做进一步了解，或有重要的需求反馈，请花1分钟填写问卷，我们将尽可能转达相关企业与您取得联系。

【责任编辑：陈曦】