Desarrollo de algoritmos de colonias de hormigas para la resolución del problema de gestión del flujo de pacientes en un servicio de urgencia hospitalario

Abstract

El trabajo fin de máster que se desarrolla a continuación busca ofrecer una mejora de los servicios de urgencia hospitalarios (SUHs) a través de la investigación operativa. Esta mejora se centra en reducir el tiempo que los pacientes transcurren en los hospitales cuando van por una urgencia a la vez que se reducen los tiempos de espera para ser atendidos por primera vez por un médico, priorizando aquellos motivos más urgentes. Para conseguir esto se ha resuelto el problema de secuenciación de actividades relacionadas con el proceso de urgencia (PU) de cada paciente presente en el SUH. El PU de un paciente define el conjunto de actividades y recursos por los que ha de pasar el paciente en su atención en el SUH. Para la resolución del problema, se ha diseñado y desarrollado una metaheurística basada en la colonia de hormigas (Ant Colony Optimization, ACO), adaptándola a nuestro problema y ofreciendo varias versiones de ésta para finalmente compararlas entre sí y optar por la que mejores resultados ofrezca. Además, se analiza la opción de añadir una búsqueda local a los algoritmos, de forma que intensifique la búsqueda de la mejor solución. La implementación de las metaheurísticas se ha llevado a cabo en el lenguaje de programación de Python. Para analizar el rendimiento de las metaheurísticas desarrolladas, se han creado una serie de escenarios basados en el estudio de Bedoya y Kirac

The following project seeks to offer an improvement in hospital emergency departments (EDs) through operational research. This improvement focuses on reducing the time that patients spend in hospitals when they go for an emergency while reducing waiting times to be seen for the first time by a doctor, prioritizing the most urgent causes. To achieve this, we have solved the problem of sequencing activities related to the urgency process (PU) of each patient present in the ED. The PU of a patient defines the set of activities and resources that the patient has to go through during ED care. To solve the problem, a metaheuristic based on Ant Colony Optimization (ACO) has been designed and developed, adapting it to our problem and offering several versions of it to finally compare them and choose the one that offers the best results. In addition, the option of adding a local search to the algorithms is analyzed, in order to intensify the search for the optimal solution. The implementation of the metaheuristics has been carried out in the Python programming language. To analyze the performance of the developed metaheuristics, a series of scenarios have been created based on the study of Bedoya and Kirac