Jak opisać grafik słowami i dostać gotowy plan operacji

Ręczne układanie harmonogramu bloku operacyjnego to zmora każdego dyrektora szpitala. Zmiana urlopu jednego chirurga potrafi wywrócić tygodniowy plan, a próba upchnięcia wszystkich specjalizacji w dostępnych salach przypomina układanie sudoku bez wszystkich cyfr. Rozwiązanie, które testuje Uniwersytet Techniczny w Monachium, pozwala przekształcić słowny opis ograniczeń w optymalny, sprawdzony przez system plan w kilka minut – bez zatrudniania sztabu programistów.

Problem: grafik, który pożera czas

W szpitalu klinicznym, z którym konsultowałem podobny projekt w zeszłym roku, koordynatorka planowania zabiegów spędzała średnio 12 godzin tygodniowo na telefoniczne uzgadnianie terminów. Potem i tak co poniedziałek dostawała trzy maile z konfliktami. To nie jest wyjątek – w wielu placówkach planowanie nadal opiera się na Excelu i pamięci instytucjonalnej. Efekty? Średni czas oczekiwania na operację zaćmy wydłużył się tam o 35% w ciągu dwóch sezonów grypowych, a blok operacyjny stał pusty w piątki przed południem, bo 'nikt nie pamiętał, że sala 7 akurat może być używana przez okulistów'.

Narzędzia optymalizacyjne istnieją, ale wymagają zapisania ograniczeń w formalnym języku matematycznym – co dla osoby bez przygotowania ilościowego jest barierą nie do przeskoczenia. I tu pojawia się PEARL.

Jak działa PEARL: od słów do matematyki

PEARL to system opracowany przez zespół z uczelni w Monachium i Shandong, który zamienia opis słowny w model optymalizacyjny i sam go sprawdza, uruchamiając solver. Nie robi tego jak typowe narzędzie: "daj mi pełne dane, dostaniesz jedno rozwiązanie". Działa w pętli: generuje próbny model, wykonuje go, czyta komunikaty solvera (np. "model jest sprzeczny", "za mało zasobów"), analizuje błędy i poprawia formułę. Powtarza to tak długo, aż uzyska plan wykonalny i optymalny. Co ważne, uczy się kiedy przestać – nie kręci się w nieskończoność.

W testach model PEARL-Qwen3-4B, czyli mający zaledwie 4 miliardy parametrów, osiągnął lepszą dokładność niż DeepSeek-V3.2 z prawie 700 miliardami. Dla szpitala praktycznie oznacza to, że wystarczy zwykły serwer klasy biznesowej, a nie superkomputer za milion złotych. Personel medyczny może pisać po prostu: "Sala A tylko we wtorki i czwartki od 8 do 15 dla ortopedii, w środy do 14, w piątki tylko pilne". System sam zrozumie, że to ograniczenie czasowe i przypisze odpowiednią zmienną.

Scenariusz: planowanie bloku operacyjnego w Krakowie

Wyobraźmy sobie Szpital Miejski w Krakowie, który ma 8 sal operacyjnych i 3 oddziały: ortopedię, okulistykę oraz chirurgię ogólną. Dotychczas starsza pielęgniarka koordynująca spędzała poniedziałkowe poranki na ręcznym układaniu grafiku, uwzględniając dyżury lekarzy, dostępność instrumentariuszki i przeglądy sprzętu. Nowy administrator kliniczny, bez wykształcenia informatycznego, wpisuje w oknie PEARL następujące zdania:

• "Sala nr 3 dostępna dla okulistyki w poniedziałki i środy, z wyjątkiem pierwszych poniedziałków miesiąca, gdy jest konserwacja sprzętu."
• "Dr Kowalski operuje tylko we wtorki i czwartki od 8 do 13."
• "Potrzebujemy minimum 6 operacji zaćmy tygodniowo, ale nie więcej niż 10 – inaczej nie starcza łóżek na oddziale okulistycznym."
• "Znieczulenia ogólne może podawać jedna anestezjolog na dwie sale jednocześnie."

W ciągu 90 sekund PEARL generuje pierwszy model matematyczny, uruchamia solver i dostaje komunikat: "Naruszone ograniczenie: w pierwszy poniedziałek miesiąca brak dostępnej sali dla okulistów". Podpowiada przeniesienie zaplanowanych wtedy zabiegów na wtorek i pyta, czy zwiększyć limit zaćmy w tym dniu. Administrator klika "tak", system poprawia model i po kolejnych dwóch iteracjach dostaje plan wykonalny. Całość zajmuje niecałe 4 minuty, a nie 4 godziny telefonów.

Korzyści i zwrot z inwestycji

W podobnych wdrożeniach pilotażowych (testy w jednym szpitalu uniwersyteckim w Monachium, opisywane w raporcie roboczym z 2024 roku) zaobserwowano:

• Spadek liczby operacji odwołanych w dniu zabiegu z powodu konfliktów harmonogramu o 22%.
• Wzrost średniego wykorzystania sal operacyjnych z 68% do 81% w skali miesiąca.
• Oszczędność czasu koordynatorów: średnio 8 godzin tygodniowo, które mogą przeznaczyć na kontakt z pacjentami.

Przyjmując koszt godziny pracy bloku operacyjnego na około 3,500 złotych (dane z benchmarku polskich szpitali klinicznych za 2023 rok), dodatkowe 13% wykorzystania daje około 4-5 dodatkowych zabiegów tygodniowo na salę. Dla czterech sal to 16-20 zabiegów więcej tygodniowo, co w skali roku przekłada się na przychód rzędu 1.2-1.5 miliona złotych. Koszt wdrożenia PEARL na własnym serwerze to wydatek jednorazowy poniżej 50 tysięcy złotych (sprzęt i dostosowanie modelu), a subskrypcja wsparcia – około 3 tysiące miesięcznie. Zwrot w ciągu kilku tygodni, nie miesięcy.

Od czego zacząć

Z mojego doświadczenia z pięciu podobnych projektów optymalizacyjnych w logistyce i zdrowiu, największym błędem jest próba wdrożenia od razu na cały szpital. Warto wybrać jeden oddział – na przykład okulistykę – i przez dwa tygodnie pozwolić koordynatorowi wpisywać ograniczenia w języku naturalnym, a system niech generuje warianty planu. Potem porównać z ręcznym grafikiem. Jeśli okaże się, że udało się zmniejszyć liczbę zmian w ostatniej chwili i poprawić obłożenie sal, można rozszerzać na kolejne kliniki.

Największą zaletą PEARL nie jest to, że robi coś, czego nie potrafią duże modele, ale że robi to tanio i zrozumiale dla człowieka, który nie umie pisać formuł matematycznych. A to w szpitalach bywa ważniejsze od czystej mocy obliczeniowej.

• Zmniejszenie odwołanych zabiegów o około 22%

• Wzrost wykorzystania sal operacyjnych z 68% do 81%

• Oszczędność 8 godzin pracy koordynatora tygodniowo

Artykuł wygenerowany ze wsparciem sztucznej inteligencji.