Modelli e algoritmi di ottimizzazione per la schedulazione degli interventi in sala operatoria

Negli ultimi anni in Italia si è assistito ad un aumento di risorse critiche da gestire nei presidi ospedalieri, presenti soprattutto nel blocco operatorio. L’obiettivo di questa tesi è sviluppare dei modelli di ottimizzazione per la schedulazione settimanale degli interventi, basati sull’assunzione che i pazienti svolgono l’intero percorso chirurgico in sala operatoria, per poterne confrontare i risultati computazionali. Lo scopo è trovare un modello utilizzabile nella realtà in grado di fornire la soluzione ottima in tempi brevi. Sono sviluppati tre modelli che utilizzano classi di variabili differenti. Il primo modello è una variante di uno sviluppato in una tesi precedente che considera le fasi di induzione e risveglio distinte. Gli altri modelli richiamano i noti problemi di ottimizzazione: Job Shop Scheduling e Multiple Knapsack. I modelli hanno la stessa funzione obiettivo, che è in linea con le direttive della Regione Emilia – Romagna per la gestione delle liste d’attesa basata su uno score calcolato per ogni paziente. L’obiettivo è massimizzare il numero di pazienti schedulati aventi lo score più alto. E’, inoltre, sviluppato un algoritmo euristico di ricerca locale che considera la sala induzione e la sala risveglio, prendendo in input lo schedule ottenuto dal Multiple Knapsack. I risultati dell’algoritmo sono confrontati con quelli di un modello matematico che considera la distinzione delle tre fasi dell’iter chirurgico per poter valutare le performance computazionali. I test dei modelli e dell’algoritmo sono eseguiti su quattro istanze realistiche composte dai dati di una lista d’attesa di un ospedale della Regione. I modelli e l’algoritmo sono implementati rispettivamente in AMPL e Python. Inoltre, è sviluppata una mappatura del percorso operatorio del paziente all’interno di un’importante realtà ospedaliera hub della Regione, volta a identificare gli eventi critici che è necessario monitorare dal sistema informativo aziendale.