基于Apriori 算法的自动化药房盒装药品储位优化管理

洪卫兰 ，陈桂强 ，王 持 ，程小荣 ，刘锐峰 △

（1. 广东省中山市人民医院药学部，广东 中山 528403； 2. 美商奥施 ＜ 北京 ＞科技有限公司，北京 100738）

为了提高医院药房的工作效率及服务水平，满足患者的取药需求，越来越多的大型医院[1]引进自动发药设备，建立现代化智能药房，逐步实现医院药学信息化、自动化与智能化管理[2－3]。2015 年，我院门诊药房引进德国美智（Mach4）盒装药品自动化系统，该系统包含1 台智能药品储存分发系统（自动药柜 Medimat 和装药系统），6 台 Speed－Box 高速自动发药机、药品传输系统和中央信息控制系统，该系统应用后，大大提升了传统的调配效率，减少了人为差错[4]。

Mach4 系统每天会接收大量的处方数据，如何从中寻找规则，以进一步提高自动化药房的调配效率和准确度值得思考。关联规则是寻找事务项之间的联系规律和结构特征的主要数据挖掘方法，最早用于商场购物篮分析问题[5]。本研究中将运用Apriori 算法发现自动化药房的盒装药品关联规则，对自动化药房的药品储位进行优化管理，以提高调配效率和准确度。现报道如下。

1 资料与方法

1.1 数据来源

数据来源于我院医院信息系统（HIS）门诊自动化药房 Mach4 系统 的 6 号窗数据，提取 2019 年 11 月的处方数据，内容包括患者ID、药品编码、药品名称和数量。为了保护患者的隐私，不提取患者姓名及年龄。

1.2 关联规则分析

采用Apriori 算法先对数据进行手动清洗，单个药物的处方予以剔除。预处理药品数据时，首先将数据输入Excel 表中，制成矩阵图。若药品出现时，取其定值为“y”，若药品不出现时，取其定值为“n”，由此建立的表格作为数据库，再运用IBM SPSS Modeler 18 软件进行关联规则分析[6]。设置最低支持度为5%，最小置信度为5%，最大前项为10，对药物进行关联规则分析。

表1 6 号窗发药频次前48 位的盒装药品

2 结果

2.1 数据信息及预处理

共提取23 363 张处方，予剔除单药处方（无效处方）1 564 张，实际提取有效处方21 799 张，涉及盒装药品 417 种。

2.2 发药频次

结果见表1。

2.3 产生的关联规则

根据设定的最小支持度和最小置信度，一共产生15 条药品的关联规则，详见表2。6 号窗盒装药品的网络关系图见图1。

2.4 药品组合分析

依据关联规则，得出6 号窗盒装药品出现频数前40 位的组合，详见表3。

2.5 参考关联规则调整药品位置

根据上述发药频次结果和关联规则结果，结合国家药品储存陈列规范，药品需分类摆放，易混淆药品不能摆放在一起，冷藏药品应放于冷藏室，并根据药品的外包装尺寸等，得到药房管理专家和自动化药房维护单位的认可后，对 Mach4 系统的 SpeedBox1 发药机的 47 种盒装药品做出调整（见图2）。SpeedBox1 发药机由3 个并列的储药柜组成，SpeedBox2 发药机的药品摆放位置与SpeedBox1 发药机一致。

3 讨论

随着越来越多的医院使用智能药柜，药师对病区基数药品的管理更加方便、快捷、安全、高效、可控[7]，降低了门诊药房工作强度，减少了差错[8]，并可将药师从繁重的药品调剂工作中真正解放出来，使其有更多时间为临床提供药学服务。自动化门诊药房中，不同药品的存取效率有很大差异，从大量处方信息中提取的药品使用规律，将具有关联性的药品存放在临近的储位，并根据发病的季节性及不同病症对应不同处方等信息，合理安排药盒在储药槽中的布局，可方便机械手臂快速取药，提高自动化药房的运行效率，提升工作质量，缩短患者的等待时间，提升其满意度[9]。

表2 6 号窗盒装药品关联规则

图1 6 号窗盒装药品网络关系图

表3 6 号窗盒装药品出现频数前40 位的组合

关联规则是无监督的机器学习方法，用于知识发现，对中医药挖掘尤其适用。Apriori 算法是关联规则挖掘领域的经典广度优先算法，是一种最有影响的挖掘布尔关联规则频繁项集的算法。其核心是基于两阶段频集思想的递推算法，该关联规则在分类上属于单维、单层、布尔关联规则，Apriori 算法采用了逐层搜索的迭代方法，简单明了，无复杂理论推导，易于实现。由本次关联结果可见，润燥止痒胶囊、颈舒颗粒、复方血栓通胶囊、消炎止痛膏及麝香海马追风膏等药品，虽有较高的使用频次及一定的关联规则，但由于外包装太大，无法放入SpeedBox 发药机的卡槽中，未加入Mach4 系统中，应选择在人工调配的就近位置摆放，以提高调配效率。

图2 6 号窗SpeedBox 1 储药柜的位置调整

我院6 号窗口主要接收皮肤科、耳鼻喉科、骨科、风湿免疫科、神经科、口腔科、眼科的处方。拆零药片、拆零针剂及大瓶的药水由于安全性问题，暂时不存放于SpeedBox 发药机中。由于SpeedBox 发药机的卡槽存在宽度由上往下慢慢变窄的情况，依据关联规则调整药柜的同时，亦需考虑盒装药品的外包装尺寸，越大包装的药品放在上面，越小包装的药品越往下摆放。

Mach4 系统刚开始安装时，只考虑了药品的用量和外包装的尺寸，在使用过程中不断加进新的药品。这样就可能导致常用的同一处方的药品位置相距较远，机械手臂需运行较远的距离，调配效率较低。 在自动化药房的改造中，会根据本次分析结果来调整快速发药通道Speed－Box 发药机的储位(47 个)，除了将关联度高的药品组合放在相邻或上下位置外，还应尽量将同一个科的药品，根据包装大小摆放在附近的药柜中，以缩短机械手臂的运行距离，节省调配时间。

自动化药房是三甲医院信息化建设的趋势，实现了“人找药”到“药找人”的转变[10]。数据挖掘技术是近几年迅速发展起来的一门新兴技术，其在自动化药房中的应用前景十分广泛。它为药房数据库中海量数据的再利用及医院药学新知识的发现开辟了新的途径[9]，在工作中不断改进，提高配药效率，降低调配差错，缩短患者候药时间，是我院药学部一直努力的方向。由于我院门诊药房每天的处方量太大，本研究中仅提取了单个窗口1 个月的门诊处方数据，故用于关联规则分析的处方数据不够全面。未来将研究更多科室的处方数据，以解决门诊药房的布局问题，还可从科室的角度研究药品的使用情况，或科室间交叉用药的程度等。另外，2019 年底和2020 年初逐步增加了许多“4 ＋7”品种和一致性评价药品，在实际调整中，也会根据最新的数据实时调整Mach4 系统的储位和存放品种，清除被替代的品种，将自动化药房的效率发挥到最高。