Aplicación de la inteligencia artificial a la gestión del flujo de solicitudes de RM musculoesquelética

Abstract

[eng] Introduction and objectives This doctoral thesis focuses on the implementation of various strategies, including artificial intelligence techniques, to optimize the management of musculoskeletal magnetic resonance imaging requests at the Radiology Service of Son Espases University Hospital. Faced with the increasing demand for Radiology Service activity and the need to optimize waiting times, an innovative intervention is proposed in the planning and scheduling processes, as well as in request management with a special focus on prioritizing the most vulnerable patients.

Material and methods An observational study was conducted over a nine-month period, collecting anonymized data from musculoskeletal magnetic resonance imaging requests. Optimization models were implemented, which, in addition to automating planning and scheduling processes, allow for prioritization of the most vulnerable patients, thus ensuring a more equitable and patient-centered medical care. A comparison was made between the developed model and the currently used manual management system. The aim is to improve efficiency, reduce waiting times, and ensure that patients arrive at their appointments with their imaging test results.

Results The descriptive analysis of demand and waiting lists revealed areas with potential for improvement. The application of optimization models and artificial intelligence algorithms has shown superior efficiency compared to the existing manual management system in prioritizing requests, thus reducing waiting times for the most vulnerable patients. Simulations and algorithm adjustments have supported their ability to optimize magnetic resonance scheduling. Additionally, establishing a date interval for magnetic resonance tests has been achieved, which has the potential to improve management for both patients and requesting physicians.

Conclusions This research concludes that the implementation of optimization models and process automation in the management of musculoskeletal magnetic resonance imaging requests can have a significant impact on the efficiency and quality of healthcare delivery. The results support the feasibility and usefulness of artificial intelligence in this constantly evolving field, pointing the way towards continuous improvement in service provision.

[spa] Introducción y objetivos La presente tesis doctoral se centra en la implementación de diversas estrategias, incluyendo técnicas de inteligencia artificial para optimizar la gestión del flujo de solicitudes de RM musculoesquelética en el Servicio de Radiología del Hospital Universitario Son Espases. Ante la creciente demanda de la actividad del Servicio de Radiología y la necesidad de optimizar los tiempos de espera, se plantea una intervención innovadora en los procesos de planificación y programación, así como en la gestión de solicitudes con un enfoque especial en la priorización de los pacientes más vulnerables.

Material y métodos Se llevó a cabo un estudio observacional durante nueve meses, recopilando datos anonimizados de las solicitudes de RM musculoesquelética. Se implementaron modelos de optimización que, además de automatizar los procesos de planificación y programación, permiten priorizar a los pacientes más vulnerables garantizando así una atención médica más equitativa y centrada en las necesidades específicas de cada individuo. Se llevó a cabo una comparación entre el modelo desarrollado y el sistema de gestión manual actualmente en uso. El objetivo es mejorar la eficiencia, reducir tiempos de espera y garantizar que los pacientes lleguen a sus consultas con los resultados de sus pruebas de imagen.

Resultados El análisis descriptivo de la demanda y la lista de espera reveló áreas con potencial de mejora. La aplicación de modelos de optimización y algoritmos de inteligencia artificial ha demostrado una eficiencia superior con respecto al sistema de gestión manual existente en la priorización de las solicitudes, reduciendo los tiempos de espera de los pacientes más vulnerables. Las simulaciones y los ajustes de los algoritmos respaldaron su capacidad para optimizar la programación de resonancias magnéticas. Además, Se ha logrado establecer un intervalo de fechas para las pruebas de RM, lo cual tiene el potencial de mejorar la gestión tanto para los pacientes como para el médico solicitante.

Conclusiones Esta investigación concluye que la implementación de modelos de optimización y la automatización de procesos en la gestión de solicitudes de RM musculoesquelética puede tener un impacto significativo en la eficiencia y calidad de la atención médica. Los resultados respaldan la viabilidad y utilidad de la inteligencia artificial en este campo en constante evolución, señalando el camino hacia una mejora continua en la prestación de servicios.

[cat] Introducció i objectius La present tesi doctoral es centra en la implementació de diverses estratègies, incloent tècniques d'intel·ligència artificial per optimitzar la gestió del flux de sol·licituds de resonància magnètica musculoesquelètica al Servei de Radiologia de l'Hospital Universitari Son Espases. Davant la creixent demanda de l'activitat del Servei de Radiologia i la necessitat d'optimitzar els temps d'espera, es planteja una intervenció innovadora en els processos de planificació i programació, així com en la gestió de sol·licituds amb un enfocament especial en la prioritizació dels pacients més vulnerables.

Material i mètodes Es va dur a terme un estudi observacional durant nou mesos, recopilant dades anonimitzades de les sol·licituds de resonància magnètica musculoesquelètica. Es van implementar models d'optimització que, a més d'automatitzar els processos de planificació i programació, permeten prioritzar els pacients més vulnerables, garantint així una atenció mèdica més equitativa i centrada en les necessitats específiques de cada individu. Es va realitzar una comparació entre el model desenvolupat i el sistema de gestió manual actualment en ús. L'objectiu és millorar l'eficiència, reduir els temps d'espera i garantir que els pacients arribin a les seves consultes amb els resultats de les seves proves d'imatge.

Resultats L'anàlisi descriptiu de la demanda i la llista d'espera ha revelat àrees amb potencial de millora. L'aplicació de models d'optimització i algoritmes d'intel·ligència artificial ha demostrat una eficiència superior respecte al sistema de gestió manual existent en la prioritizació de les sol·licituds, reduint els temps d'espera dels pacients més vulnerables. Les simulacions i els ajustaments dels algoritmes han confirmat la seva capacitat per optimitzar la programació de les resonàncies magnètiques. A més, s'ha aconseguit establir un interval de dates per a les proves de resonància magnètica, la qual cosa té el potencial de millorar la gestió tant pels pacients com pels metges sol·licitants.

Conclusions Aquesta investigació conclou que la implementació de models d'optimització i la automatització de processos en la gestió de sol·licituds de resonància magnètica musculoesquelètica pot tenir un impacte significatiu en l'eficiència i qualitat de l'atenció mèdica. Els resultats respalden la viabilitat i utilitat de la intel·ligència artificial en aquest camp en constant evolució, assenyalant el camí cap a una millora contínua en la prestació de serveis.