羅林聰，錢雷鳴，章 莉

（1.浙江省中西醫(yī)結(jié)合醫(yī)院設(shè)備科，杭州 310003；2.浙江省中西醫(yī)結(jié)合醫(yī)院血透中心，杭州 310003）

0 引言

當(dāng)前，醫(yī)療行業(yè)存在的各種風(fēng)險使得社會對醫(yī)療行業(yè)高度關(guān)注。醫(yī)療設(shè)備與臨床診斷及治療密切相關(guān)，若在使用過程中出現(xiàn)故障會對患者的病情造成負(fù)面影響，甚至可能產(chǎn)生不可逆的后果。醫(yī)療設(shè)備周期巡檢和預(yù)防性維護保養(yǎng)可以有效降低故障率和平均故障時間，保障醫(yī)療設(shè)備的正常運行，由過去“亡羊補牢”的方式轉(zhuǎn)變?yōu)楝F(xiàn)在“防患于未然”的方式。

醫(yī)療設(shè)備的預(yù)防性維護（preventive maintenance，PM）是通過對醫(yī)療設(shè)備定期的檢查、檢測，發(fā)現(xiàn)故障征兆或為防止故障發(fā)生，使其保持規(guī)定功能狀態(tài)，在故障發(fā)生前進行的各種維護活動。PM根據(jù)保養(yǎng)的內(nèi)容分為基礎(chǔ)保養(yǎng)、一級保養(yǎng)和二級保養(yǎng)。吳翠峰[1]對保養(yǎng)的項目與要求進行了詳細(xì)講解，指出醫(yī)院根據(jù)各自設(shè)備科的規(guī)章制度對設(shè)備PM均有相關(guān)要求，且周期性PM保養(yǎng)的重要性已眾所周知；戴順平[2]闡述了如何提高醫(yī)療設(shè)備PM的水平，以保障醫(yī)療設(shè)備的質(zhì)量安全；呂穎瑩等[3]對國內(nèi)醫(yī)療機構(gòu)中醫(yī)療設(shè)備PM的發(fā)展現(xiàn)狀進行了調(diào)查和分析，從保證醫(yī)療設(shè)備運行的安全性、精確性和可靠性的角度提出了幾點建議；尹軍等[4]從管理標(biāo)準(zhǔn)出發(fā)，建立了一套科學(xué)的PM體系，有效地降低了醫(yī)療設(shè)備的使用風(fēng)險。然而以上研究多數(shù)是通過定期對設(shè)備巡檢來發(fā)現(xiàn)故障的，其每個類別的設(shè)備保養(yǎng)檢測項目相對固定，這些方法仍存在一些缺點：（1）保養(yǎng)期限過于固定，導(dǎo)致部分設(shè)備過度保養(yǎng)或者保養(yǎng)不及時；（2）保養(yǎng)項目上的條款不能有效解決機器的故障隱患，導(dǎo)致醫(yī)療風(fēng)險。因此，如何精準(zhǔn)地進行PM保養(yǎng)是值得研究的課題。本文引入人工神經(jīng)網(wǎng)絡(luò)，以期解決醫(yī)療設(shè)備精準(zhǔn)PM的問題。

1 神經(jīng)網(wǎng)絡(luò)介紹

1.1 人工神經(jīng)元結(jié)構(gòu)

人工神經(jīng)網(wǎng)絡(luò)模擬人腦神經(jīng)的功能，具有非線性，適應(yīng)性，泛化性，魯棒性和容錯性，并行的輸入、輸出，映射等特點[5]。神經(jīng)元的生理構(gòu)造在生物學(xué)中已有大量的研究，其相關(guān)生理功能的闡述也比較詳細(xì)，為了模擬人腦的工作原理，研究者們構(gòu)建了人工神經(jīng)元[5]。人工神經(jīng)元是一個多輸入、單輸出的非線性器件，其結(jié)構(gòu)如圖1所示?？梢杂脀n=θ（θ為閾值，通常是一個不為常數(shù)的變量），xn=-1，那么w=（w1，w2，…，wn-1，θ），x=（x1，x2，…，xn-1，-1），則神經(jīng)元的輸出O為

圖1 人工神經(jīng)元結(jié)構(gòu)圖

1.2 誤差反向傳播（back propagation，BP）神經(jīng)網(wǎng)絡(luò)

BP神經(jīng)網(wǎng)絡(luò)是一種按照誤差逆向傳播算法訓(xùn)練的多層前饋神經(jīng)網(wǎng)絡(luò)[6]，一般包含3層或3層以上，且層與層之間為全連接，但每層包含的神經(jīng)元之間無連接。3層的BP神經(jīng)網(wǎng)絡(luò)如圖2所示。標(biāo)準(zhǔn)的BP神經(jīng)網(wǎng)絡(luò)算法是一種梯度最速下降學(xué)習(xí)算法[7-10]，以2層的BP神經(jīng)網(wǎng)絡(luò)算法為例，簡單介紹如下：

其中，w（k）為第k次迭代2層之間的連接權(quán)值和閾值；η 為學(xué)習(xí)速率為第k次迭代輸出誤差分別對連接權(quán)值和閾值的梯度。E（k）為第k次迭代的網(wǎng)絡(luò)輸出的總誤差性能函數(shù)，其計算公式如下：

其中，n為訓(xùn)練樣本的個數(shù)，l為第2層的神經(jīng)元個數(shù)，t為目標(biāo)值（即提供訓(xùn)練樣本對應(yīng)的期望值），o（k）為預(yù)測值（即當(dāng)前層的輸出函數(shù)）。通過E（k）逐步修正連接權(quán)值和閾值，直到總誤差符合目標(biāo)值范圍。通過公式（2）、（3）的運算，可以得到表示醫(yī)療設(shè)備當(dāng)前狀態(tài)的幾個主要參數(shù)，通過預(yù)估這些參數(shù)的變化趨勢來實現(xiàn)精準(zhǔn)PM預(yù)測，同時對可能存在的隱患進行評估，提示PM需要保養(yǎng)檢測的項目。

圖2 3層的BP神經(jīng)網(wǎng)絡(luò)

2 醫(yī)療設(shè)備精準(zhǔn)PM實例

我院于2017年8月引入醫(yī)療設(shè)備信息化管理系統(tǒng)，其主要功能是設(shè)備的維護、維修及其數(shù)據(jù)的統(tǒng)計?？赏ㄟ^掃描二維碼讀取并顯示單臺醫(yī)療設(shè)備的運行、歷史維護維修內(nèi)容、更換的備件及費用、計量信息、合同信息等數(shù)據(jù)，這些數(shù)據(jù)能有效地反映當(dāng)前該醫(yī)療設(shè)備的工作狀態(tài)。同時可以將這些數(shù)據(jù)進行標(biāo)準(zhǔn)化處理后，通過神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)決策來判斷醫(yī)療設(shè)備的工作狀態(tài)，實現(xiàn)醫(yī)療設(shè)備精準(zhǔn)PM并提供數(shù)據(jù)及信息支持。精準(zhǔn)PM工作流程如圖3所示。

精準(zhǔn)PM指判斷醫(yī)療設(shè)備的工作狀態(tài)并預(yù)測下次故障發(fā)生的時間點及維護內(nèi)容，然后在預(yù)測時間點前的10～15 d內(nèi)對醫(yī)療設(shè)備進行PM保養(yǎng)或故障預(yù)防性維修，從而有效地控制故障的發(fā)生。醫(yī)療設(shè)備品類復(fù)雜多樣，以貝朗血透機的PM保養(yǎng)為例，其PM保養(yǎng)常規(guī)項目包含機器運作時間、電導(dǎo)度、溫度、流量等，具體的操作可參照血透機的日常管理和維護保養(yǎng)[11]。鑒于我院使用的信息化平臺主要是基于JavaScript語言開發(fā)的，因此對BP神經(jīng)網(wǎng)絡(luò)系統(tǒng)的實現(xiàn)也通過JavaScript語言來完成相關(guān)設(shè)計，具體步驟如下：

（1）數(shù)據(jù)預(yù)處理及樣本選擇。根據(jù)軟件的功能可以自主添加關(guān)鍵字以區(qū)別設(shè)備的故障點（如圖4所示），并自動顯示上次故障與本次故障的時間間隔。針對血透機故障，可以結(jié)合維修菜單分別對機器處于正常和故障狀態(tài)下采集相關(guān)數(shù)據(jù)，包括機器使用率、工作時長、歷史維護維修情況，并對電導(dǎo)度、溫度、流量、壓力值、各類泵電動機轉(zhuǎn)數(shù)等機器性能參數(shù)進行數(shù)據(jù)采集，采集的數(shù)據(jù)需要進行相關(guān)的預(yù)處理才能使用，經(jīng)過神經(jīng)網(wǎng)絡(luò)運算后可得到維護期限、維護部件及維護項目。

圖3 精準(zhǔn)PM工作流程

圖4 自主添加關(guān)鍵詞界面

數(shù)據(jù)預(yù)處理部分代碼如下：

const trainingData={

input:{λ,t,Event log,cond.biclf,cond.endlf,TTSDE,flowFMD,PPE,PTMP,PPDA,nEP，nFPA,nFPE,…}//其參數(shù)的含義依次為機器使用率、工作時長、歷史維護維修情況、B液電導(dǎo)度、總電導(dǎo)度、治療溫度、流量、除氣壓、跨膜壓、PDA壓力、除氣泵電動機轉(zhuǎn)數(shù)、正壓泵電動機轉(zhuǎn)數(shù)、負(fù)壓泵電動機轉(zhuǎn)數(shù)等

output:{error:T,PM log}}//維護期限、維護部件及維護項目

{input:{λ,t,Event log,cond.biclf,cond.endlf,TTSDE,flowFMD,PPE,PTMP,PPDA,nEP,nFPA,nFPE,…}

output:{normal:T,PM log}}//維護期限、維護部件及維護項目

}

（2）建立3層的BP神經(jīng)網(wǎng)絡(luò)，并賦予初始值及連接權(quán)值系數(shù)，函數(shù)如下：

var net=new brain.NeuralNetwork({activation,hiddenLayers,learningRate});

（3）以第一步篩選的數(shù)據(jù)作為樣本訓(xùn)練，得到向量的相關(guān)連接權(quán)值系數(shù)作為決策模型，調(diào)用的函數(shù)如下：

net.train(trainingData,{errorThresh,iterations,log,logPeriod,learningRate});

（4）將決策模型應(yīng)用于每臺設(shè)備，預(yù)測得出醫(yī)療設(shè)備的維護期限、維護部件及維護項目，實現(xiàn)精準(zhǔn)PM，其函數(shù)如下：

let output=net.run(testData);

3 結(jié)語

近年來，醫(yī)療機構(gòu)對醫(yī)療設(shè)備的質(zhì)量控制要求越來越重視，對醫(yī)療設(shè)備PM提出了更高的要求，因此提高醫(yī)療設(shè)備PM的效果和效率是當(dāng)前的主流研究趨勢。醫(yī)療設(shè)備的工程性能參數(shù)能表明機器當(dāng)前的工作狀態(tài)，這些數(shù)據(jù)與信息化平臺上的信息結(jié)合，通過神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)并建立相關(guān)模型，實現(xiàn)對醫(yī)療設(shè)備的精準(zhǔn)PM，可以預(yù)防在診斷或治療過程中因醫(yī)療設(shè)備故障帶來的不良事件。醫(yī)院內(nèi)涉及的醫(yī)療設(shè)備品類復(fù)雜，重點類目的醫(yī)療設(shè)備及急救設(shè)備的PM是醫(yī)院質(zhì)控的重點工作，而部分醫(yī)療設(shè)備生產(chǎn)廠家出于某些考慮不開放工程性能數(shù)據(jù)端口。若生產(chǎn)廠家能開放相關(guān)數(shù)據(jù)端口，不僅可以提高數(shù)據(jù)采集的可靠性，同時能有效地提高PM的精度，降低醫(yī)工部門的日常工作強度。對于無法獲取運行參數(shù)的醫(yī)療設(shè)備及器械，應(yīng)按照規(guī)范的質(zhì)控流程進行維護保養(yǎng)工作，研究并開發(fā)相關(guān)信息化輸入功能，對日常檢查進行信息化管理，且這些日常檢查數(shù)據(jù)也可以作為神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)決策的對象，為進一步實現(xiàn)醫(yī)療器械精準(zhǔn)PM打下基礎(chǔ)。