基于Power BI 的放射科检查安排管理实践

李振涛，刘 磊，刘 涛，孙 超，洪 楠

（北京大学人民医院，北京 100044）

0 引言

CT、MR 等医学检查可应用于全身各个器官的形态、功能检查和诊断，临床对于此类医学检查的需求非常强烈，但是医疗机构中缺乏CT、MR 检查资源的问题也日趋显著。例如，某大型三甲医院3 个院区的放射科共有X 射线设备20 台、CT 设备10台、MR 设备5 台，检查量为48 万人次/a，并且检查量年均增长约9%。由于临床开具检查的数量不断增加，放射科亟须根据临床需求调整检查安排，提高检查效率，以提供更多的检查资源。放射科管理者需要获取和分析相关信息，并做出准确的决策和有效的调整。

商业智能（business intelligent，BI）软件是专门用于数据分析而产生的一类软件分析工具，其目的是缩短从商业数据到商业决策的时间，并利用数据来影响决策。目前主流的BI 软件中，微软的Power BI提供内存列式数据库分析引擎和数据分析表达式（data analysis expressions，DAX）语言等软件组件，能够快速对数据进行建模和分析，Power BI 具有免费版本，适宜作为前期探索研究使用，后期也可进一步扩展用途[1]。

为了使放射科管理者能够根据各类数据进行快速的决策和工作调整，满足临床对于CT、MR 检查的需求，缩短患者等候检查的时间，本研究采用Power BI 作为搭建数据分析和展示平台的工具，持续从不同数据源获得数据，快速对数据进行整理；根据放射科检查管理的需求探索分析方法，通过图表展示医学检查的执行情况，为制定决策和调整工作模式提供数据支持。

1 需求分析

患者、医院、临床科室均希望尽早完成开具的CT、MR 检查。但是由于设备和人员的限制，CT、MR检查资源是有限的，如何合理分配检查资源、减少检查资源的浪费是放射科管理者需要时刻关注的问题。然而，作为放射科管理者，由于缺乏对检查前序步骤的了解以及患者预约、履约的情况分析，无法准确、及时地调整科室工作，很难有效地提高科室工作效率、合理分配检查资源。与此同时，医疗过程中产生了大量数据，如何对大量数据进行深层次的分析和挖掘，并及时发现医疗业务的变化，为管理人员提供决策支持，满足医院精细化管理的需要，已经成为医院迫切需要考虑的问题[2]。另一方面，借助信息技术手段改善医疗服务体验，提升医院精益化管理水平，也是现代医院管理的要求[3]。

为了满足临床需求、更合理地安排检查资源，本文将从放射检查上下游所涉及的多个信息系统获取与检查相关的数据，将检查前序步骤和执行检查步骤所产生的数据关联起来，进行深层次的对比分析。另外，为了及时捕捉检查状态的变化和精细化地调整检查工作，整个获取、整理、分析和展示数据的过程需要快速而准确。因此，本研究基于Power BI 的大数据分析能力来获取医院不同信息系统中的数据，搭建放射科检查安排统计分析平台[4]，为合理安排放射科检查资源提供数据支撑。

2 数据平台的构建

2.1 数据分析流程与平台构成

数据分析流程主要包括收集、处理、建模、可视化4 个环节。收集和处理环节主要是从医院影像数据交换平台、放射科信息系统（radiology information system，RIS）收集数据，并对数据进行清洗和整理，之后使用数据查找表实现不同数据源中数据的关联；建模环节需要根据数据结构、业务特点和参数指标制订数据分析的具体方案和模型，并不断优化建模环节的各类参数指标；可视化环节是将数据建模的结果进行图形化展示，以便更直观地获取数据分析的结论。

患者进行放射检查的数据来自放射科使用的RIS，包括登记数据、检查数据、设备数据等。在放射检查前，医疗流程中产生的数据，如申请放射检查和预约放射检查的数据，则来自由医院管理的影像数据交换平台。本研究中的数据主要来自RIS 和影像数据交换平台，但这2 套系统中不同数据表的异构数据较多[5]，例如申请检查的检查名称与实际执行的检查名称无法对应，预计执行检查的设备名称与实际执行检查的设备名称无法对应，申请、预约检查的时间格式与实际执行检查的时间格式不一致，等等。因此在分析数据前，需要搭建一个收集、处理、分析数据的平台。在使用Power BI 搭建统计分析平台时，主要是通过Power BI 的数据网关从RIS、影像数据交换平台、数据查找表中获取数据；使用Power BI Desktop进行数据处理和建模，并将数据处理的步骤和数据模型上传至Power BI 报表服务器，随后Power BI 报表服务器将可视化图表发布至客户端。统计分析平台的运行流程如图1 所示。用户可以通过客户端的Power BI 发布页面查看报表和最新的数据。

图1 放射科检查安排统计分析平台运行流程

2.2 数据收集与处理

通过Power BI 数据网关的接口，Power BI 可从不同系统的数据库导入数据。本文中的影像数据交换平台和RIS 均采用MySQL 数据库，因此Power BI可以使用MySQL 接口，通过编写SQL 语句获取不同数据库中的数据，这些数据主要包括3 类：（1）影像数据交换平台中患者的基本信息、申请检查的时间、申请检查的编号、申请检查的检查名称、预约检查的时间、预计执行检查的时间、预计执行检查的设备名称等；（2）RIS 中患者的基本信息、申请检查的编号、实际执行检查的时间、实际执行检查的检查名称、实际执行检查的设备名称等；（3）数据查找表中的检查名称对应表、设备对应表、患者来源对应表、院区对应表等。

在数据整理的过程中，使用Power BI 中的Power Query 工具对导入Power BI 的数据进行整理，重点解决不同系统中时间格式异构的问题，将RIS 中的保存在2 个字段中的日期、时间合并为1 个字段，统一保存为“Date and Time”格式，以便建模时建立关联并进行查询、比较。影像数据交换平台的“申请检查的检查名称”字段和RIS 的“实际执行检查的检查名称”字段是具有对应关系的，在建模过程中，需要将数据进行关联分析，但是由于2 个系统中的检查名称的命名方式不一致，故无法直接建立关联关系。因此，在数据查找表中建立了检查名称对应表，同时根据检查名称整理了不同检查名称对应的影像设备类型、检查部位分组、是否属于增强检查的字段，见表1。

表1 检查名称对应表的部分内容

2.3 数据建模及可视化图表

Power BI 的数据建模包括建立数据关系、建立度量值和计算表模型、设置可视化图表3 个步骤，其中，在建立度量值和计算表模型时，需要使用DAX语言进行编程，生成Power BI 的数据模型（度量值、计算表）。当输入数据后，这些数据模型将自动计算出统计分析结果，随后即可通过可视化图表控件展示统计分析结果，实现交互、切片、钻取等操作，从不同的维度和不同的范围进行数据的展示。

2.3.1 建立数据关系

Power BI 的列式数据库对于复杂数据的查询效率高、磁盘读取少、存储空间少[6]，其支持1∶N 和1∶1 2 种关系，不支持N∶N 的关系，其中查找表处于关系的“1”端，而事实表处于关系的“N”端。查找表中用于建立关系的列的值是唯一的，事实表中建立关系的列的值可以有重复值。在Power BI 的数据关系视图中（如图2 所示），用实线或虚线表示关系，其中实线表示该关系处于活跃状态，虚线则表示该关系处于不活跃的状态。如果需要使用虚线所表示的不活跃关系，需要在建模过程中临时使用DAX 语言启用。

图2 数据关系视图

2.3.2 建立度量值和计算表模型

Power BI 通过DAX 语言的度量值、计算表、计算列实现数据建模，在确定所需计算和分析的数据后，需要通过以上3 种方式建立数据计算和分析模型。为了向放射科的管理者提供可以指导检查安排的数据，本研究主要通过度量值和计算表建立以下计算和分析模型：（1）为了获得所有预约放射检查的患者的等待执行检查的平均天数，需要计算预计执行检查的日期（较晚）与预约检查的日期（较早）之间的差值，从而获得等待执行检查的天数；同时使用AVERAGEX函数计算出所有等待执行检查天数的平均值，并通过FILTER 函数排除部分错误数据。生成度量值的DAX 语句为：“预约-平均预约等候时间（天）=CALCULATE(AVERAGEX(FILTER(’IE 医嘱数据’，’IE 医嘱数据’[appointmentDate]>0&&’IE 医嘱数据’[applyDate]＞0&&’IE 医嘱数据’[applyDate]＞TODAY()-SELECTEDVALUE(’参数’[参数])-1&&’IE 医嘱数据’[applyDate] ＜TODAY()),’IE 医嘱数据’[appointmentDate]-’IE 医嘱数据’[applyDate]))”。（2）为了获得申请检查和实际执行检查的数量，需要分别对影像数据交换平台和RIS 的数据进行统计。统计的时间范围是将可视化界面选择的参数作为倒推的天数，以此来确定统计范围的开始日期，并以前1 d 作为统计范围的结束日期。以统计实际执行检查的数量为例，DAX 语句为：“医嘱执行量=CALCULATE(DISTINCTCOUNT(’RIS 检查数据’[OrderID])，FILTER(’RIS 检查数据’，’RIS 检查数据’[PreExamExamDate]＞TODAY()-SELECTEDVALUE(’参数’[参数])-1&&’RIS 检查数据’[PreExamExamDate]＜TODAY()))”。（3）为了获得在预计执行检查时间之前已经提前完成检查的相关情况，需要对比RIS 和影像数据交换平台中的数据。因此本研究通过生成计算表的方式，将2 个数据源的相关数据汇总到一个计算表中。生成计算表需要使用DAX 语言的SUMMARIZE 函数汇总数据，并通过FILTER 函数筛选影像数据交换平台上符合建模条件的数据后，获得最终的统计结果。此外，通过CONTAINS 函数识别影像数据交换平台上提前完成的检查资源中是否已经再次安排了其他检查。

2.3.3 设置可视化图表

本研究采用Power BI 提供的簇状柱形图展示等待执行检查的天数，用堆积柱形图展示预计执行检查的数量，用散点图展示检查名称、等待执行检查的天数、申请检查的数量的分布情况，用报表展示已经检查但仍然占用预约资源的检查细目。

3 数据视图与管理实践

3.1 等待执行检查天数的视图

用簇状柱形图中的每组数据代表在某日进行检查预约的患者需要等待执行检查的平均天数，其中，由于平扫和增强检查资源分配的方法不同，视图中用不同颜色的柱形进行区分，如图3 所示。同一天中，预约增强CT 后等待执行检查的平均天数略多于平扫CT 检查，这主要是由于增强CT 检查需要检前准备，无法在预约当日完成检查，至少需要预约在第2天，而增强CT 检查的等待天数也为2 d 左右，因此增加增强CT 的检查资源并不能进一步缩短患者的等待时间。由于周末的门诊仅开放半天，CT 的检查资源少于工作日，因此周五或周六预约CT 检查的患者无法在休息日（第2～3 天）完成检查，很多患者预约在下个周一执行检查，因此22 日（周五）、23 日（周六）、29 日（周五）、30 日（周六）的等待天数明显增加，经分析，需要适当增加周末门诊患者的CT 检查资源。本簇状柱形图主要关注每日的预约情况变化，放射科管理者可以根据等待执行检查天数的变化及时调整资源。

图3 每日门诊患者等待执行CT 检查的平均天数簇状柱形图

图4 中展示了不同检查部位的门诊CT 检查在开具检查申请的数量和等待检查的天数方面的分布情况，其中，Y 轴表示预约-平均预约等候的时间，即等候检查的天数；X 轴表示开单量，即检查申请开具的数量；圆点面积表示实际执行检查的数量，圆点的颜色表示不同的检查部位。在散点图中，接近散点图右上角的圆点表示预约该检查部位的患者不但需要等待更长的时间，而且上游科室申请检查的数量更多，提示需要增加该部位的CT 检查资源，避免需要进行该部位检查的患者等待过久。经分析，由于临床科室学科需求和检查部位有较明确的对应关系，因此每个临床科室开具的检查部位种类相对集中，可以根据散点图的提示调整不同检查部位的资源配比，避免出现个别检查等待时间过长的情况，影响临床诊疗效率。

图4 门诊CT 检查开单和预约的分布情况散点图

3.2 预约在各时段进行检查的人数

在CT 和MR 检查无法满足临床需求的情况下，放射科需要了解各台设备的工作量是否饱和。通过RIS 放射科工作人员只能在工作结束后回顾单台设备的工作情况，无法提前了解各台设备的检查安排是否合理，而堆积柱形图可以展示某一日的各时段预计能够执行的检查量。放射科工作人员可以提前了解该日每小时检查安排的情况，如图5 所示。

图5 某日各时段2 台MR 执行检查人次的堆积柱形图

由于绝大部分的MR 检查都需要先进行预约，因此从预约数据中获得的设备的各个时间段预计执行检查的人数与实际执行的检查量基本相符。放射科的管理者可以通过某日的各时间段完成患者检查的数量了解每台MR 的预计工作情况。由于检查的时长各不相同，所以在每个时间段内能完成的数量也不同，如图5 所示。磁共振1 在17 点的时间段没有预约检查[如图5（a）所示]，可能是因为患者临时退约且尚未增补新的检查所致，在这种情况下，放射科设备的操作人员可以在该时间段临时安排其他急诊检查，避免资源浪费。

3.3 可预约资源被异常占用的报表

由于患者需要首先使用医院的预约系统预约CT和MR 检查，因此预约检查的结果会发送到影像数据交换平台，患者到放射科检查时再通过RIS 从影像数据交换平台获取预约信息并按照预约情况完成后续检查。如果患者提前完成检查，即实际执行检查的时间早于预计执行检查的时间，医院提供预约检查的信息系统并不会释放原来已经占用的检查资源，其他患者也无法在这个时段预约检查。在检查当日就会出现在该时间段没有患者前来检查的情况，检查资源因此被浪费，同时造成设备的使用率下降。

放射科需要在检查当日之前了解是否有可预约资源被异常占用的情况，并对异常占用的资源进行手工释放，以便其他患者预约检查，避免浪费检查资源，提高设备使用率，缩短患者等待检查的时间。图6 展示了MR 检查已经提前完成，但是预约资源仍然被异常占用的报表，放射科的管理者可以通过“医嘱编号”在系统中手动取消预约。通过这种方法，放射科每周可额外提供各类检查资源的时长共计约9 h。

4 讨论

目前，“看病贵”“看病难”“医疗资源分布不均”等问题在医疗体系中依然普遍存在，已经严重阻碍了医改的有效开展，影响了普通就医民众对医疗服务的满意度[7]。本研究利用Power BI 提取、整合、展示数据方面的优势，从不同的信息系统中获取数据，整合后统一展示，构建放射科检查安排统计分析平台，并从检查和前序步骤提取和分析数据，利用Power BI 统一的界面展示报表和数据，使放射科的管理者可以预判未来的检查情况，并对后续的工作安排进行预先调整。例如，基于预约情况合理分配不同类型的检查资源数量，缩短患者等待时间。同时，实时查看日常工作的执行情况，随时纠正问题，以进行更灵活的工作调整。比如，在报表中提前发现异常被占用的检查资源时，可以提前释放该资源，供其他患者预约，提高资源利用效率，改善医疗资源分布不均以及患者等待检查时间较长的问题。

在使用本平台进行数据分析的过程中，放射科管理者会不断提出修改意见和新的需求。由于基于Power BI 建立的平台具有较高的易用性和灵活性，平台的核心功能（数据模型、可视化图表）均可根据临床工作的需要以及数据内容的变化随时进行调整和改进，调整和改进的开发过程更短且开发效率更高。但是放射科管理者提出的在个人手机上浏览数据和报表的需求目前无法实现，因为平台中的数据仅可在医院内网环境下访问，连接因特网的手机或移动客户端无法更新数据和报表。

基于目前的研究结果，可以进一步研究数据集合的特点，特别是分析不同步骤产生的数据对后续步骤的影响，形成分析结果并进行预警和通知。同时可以扩展数据集合的范围，引入更多涉及预约和检查的数据，提高放射科管理者对预约和检查工作情况预判的准确性[8-9]。

Power BI 在实现调取系统数据、进行数据分析、绘制可视化图表的过程中，不需要具备丰富的软件开发能力就可通过参数调整和功能配置获取丰富的信息，因此Power BI 具有低成本、易操作、需求响应迅速等优势。基于Power BI 的以上特点，放射科管理者和工作人员可以方便地获取数据，并进行高效的数据分析和可视化展示，将更多的时间和精力应用在决策和工作调整中。利用基于Power BI 的放射科检查安排统计分析平台，放射科管理者能合理安排放射科检查资源；能够更快地抓住问题的关键，制订改进方案，调整工作安排，验证改进效果，持续关注改进过程；能够方便地使用PDCA 循环质量控制模型进行检查资源调整的质量控制，有助于提高医疗效率和医疗质量[4，10]。