تحسين كفاءة جدولة موارد المستشفى بناءً على خوارزمية كشف الشذوذ بالمسافة الوزنية الديناميكية

لماذا تهم المستشفيات الأذكى

تعمل المستشفيات الحديثة على مدار الساعة، مستهلكة كميات هائلة من الطاقة لإبقاء أجهزة التصوير قيد التشغيل، والحفاظ على جودة الهواء، وضمان سلامة المرضى. ومع ذلك، تُدار وتُراقب الكثير من هذه الطاقة بأدوات بدائية تتفاعل ببطء عند حدوث خلل، ما يهدر المال ويزيد المخاطر. تستكشف هذه الدراسة كيف يمكن لنظام رقمي تحكمي ذكي مراقبة معدات المستشفى في الوقت الحقيقي، ورصد السلوك الغير عادي بسرعة، وإعادة توزيع الموارد الحاسوبية والطاقة بحيث تظل الرعاية سريعة بينما يصبح استخدام الطاقة أكثر كفاءة بكثير.

النبض الخفي لأجهزة المستشفى

وراء كل جناح وغرفة عمليات شبكة من الأجهزة: مستهلكات طاقة كبيرة مثل أجهزة الرنين المغناطيسي وأنظمة التهوية، والإضاءة اليومية، والعديد من المستشعرات. اليوم، تكافح العديد من المستشفيات مع تحميل زائد للأجهزة في منطقة بينما تظل مناطق أخرى دون استغلال، وقد يمر استخدام طاقة غير طبيعي دون ملاحظة لساعات. يوضح المؤلفون أن المنشآت الكبرى يمكن أن تستهلك عشرات الملايين من كيلوواط-الساعة سنوياً، حيث قد تمثل التدفئة والتبريد وتوفير الهواء النظيف ما يصل إلى 60 بالمئة من هذه الفاتورة. القوائم التقليدية من القواعد والأدوات البسيطة للتعلم الآلي غالباً ما تفوت علامات التحذير الدقيقة، خاصة عندما يغلب "الضجيج" الناتج عن الأجهزة الكبيرة الإشارات الصغيرة الصادرة عن الأجهزة منخفضة الطاقة.

تدريب النظام على ملاحظة ما يهم حقاً

لمعالجة ذلك، صمّم الباحثون طريقة جديدة لقياس الاختلافات في سلوك الأجهزة بواسطة الحاسوب. بدلاً من معاملة كل قراءة على قدم المساواة، تمنح طريقتهم وزناً أكبر للمعدات الحرجة لرعاية المرضى وتُعدّل وفقاً لمدى تذبذب كل جهاز عادة في استخدام الطاقة. قد تشهد أجهزة التنفس الصناعي أو الرنين المغناطيسي قفزات خلال العمل الطبيعي، بينما يجب أن تظل أضواء الأجنحة ثابتة. من خلال التمرير عبر بيانات حديثة في فترات زمنية قصيرة وتحديث مستمر لما يبدو "طبيعياً"، يمكن للنظام إصدار إنذار عندما يبدأ جهاز صغير لكن مهم بالتصرف بشكل غريب أو عندما يظهر جهاز كبير نمطاً لم يعد يتوافق مع إيقاعه المعتاد. في اختبارات على بيانات من مستشفى حقيقي، رصد هذا النهج أحداث طاقة شاذة بدقة تزيد على 95 بالمئة، وتم ذلك في غضون بضعة آلاف من الثانية لكل قراءة.

السماح للحواسيب بإعادة ترتيب الأعمال أثناء التشغيل

رصد المشكلة ليس سوى نصف القصة؛ والخطوة التالية هي التحرك بناءً على ذلك. بنى الفريق إطار جدولة من مرحلتين يقوم أولاً بعزل المهام المشبوهة حتى لا تؤثر على باقي النظام. باستخدام منصة سحابية، تُنقل مستهلكات الطاقة الشاذة إلى "غرف" افتراضية خاصة بها، بينما تستمر المهام الطبيعية في أماكن أخرى. ثم، بالنسبة للحِمل الصحي، تبحث طبقة ثانية قائمة على الحاويات والخدمات الصغيرة عن طرق لوضع الوظائف على الخوادم بحيث تبقى الاتصالات سريعة ويصبح استهلاك الطاقة منخفضاً. يستعير محرك الجدولة أفكاراً من التطور والبحث العشوائي الموجه للهروب من الخيارات السيئة وتحسين الخيارات تدريجياً. عملياً، حسّن هذا الإعداد كفاءة الطاقة الإجمالية لتقارب 90 بالمئة وحافظ على زمن استجابة المهام الحرجة، مثل تنبيهات مراقبة المرضى، أقل من خمس ثوانٍ.

حماية البيانات أثناء توفير الطاقة

نظراً لأن أنظمة المستشفيات تتعامل مع بيانات طبية وحالة مبانٍ حساسة، يعمد المؤلفون إلى إدخال طبقة أمان خفيفة لكنها مستمرة في تصميمهم. يفحص محرك مسح الآلات الافتراضية والحاويات بحثاً عن نقاط ضعف معروفة، ويصنفها حسب سهولة استغلالها وحداثة التصحيحات. تحمي مخططات تشفير مبسطة المعلومات أثناء النقل وفي وضع الراحة، بينما تتكيف قواعد الوصول مع السياق مثل موقع الجهاز والسلوك غير المعتاد. ترتبط هذه الحمايات ارتباطاً وثيقاً بالمجدول: عندما يُكتشف ثغرة خطيرة، يمكن نقل المهام المتأثرة تلقائياً، ويمكن تجديد مفاتيح التشفير دون إبطاء بقية النظام بشكل كبير. في الاختبارات، كانت فحوصات الثغرات أسرع وتمكنت من اكتشاف مشكلات أكثر من الطرق القديمة، مع تكلفة معتدلة من الجهد الحاسوبي الإضافي.

ماذا يعني هذا لمستقبل المستشفيات الذكية

بشكل عام، تُظهر الدراسة أن المستشفيات يمكنها الانتقال من رد الفعل المتأخر تجاه مشاكل الطاقة والشبكة إلى التنبؤ بها واحتوائها بصورة شبه فورية. من خلال الجمع بين كشف شذوذ أدق، وجدولة مرنة، وأمن مدمج، خفّض الإطار المقترح الهدر، وحافظ على سرعة الخدمات الحرجة، وقلّل احتمال انتشار أعطال خفية أو هجمات عبر البنية التحتية. عُرض العمل في مستشفى كبير واحد واستخدم أحداثاً نادرة محاكاة جزئياً، لذا لا يزال أداءه في منشآت أصغر أو مختلفة تماماً بحاجة إلى اختبار. ومع ذلك، يشير إلى مستقبل تستطيع فيه مباني المستشفيات ضبط نفسها بهدوء، داعمة رعاية موثوقة مع استهلاك أقل للطاقة وحماية أفضل لبيانات المرضى.

الاستشهاد: Liu, Y., Mai, L., Huang, F. et al. Optimization of hospital resource scheduling efficiency based on dynamic weighted distance anomaly detection algorithm. Sci Rep 16, 16076 (2026). https://doi.org/10.1038/s41598-026-44415-6

الكلمات المفتاحية: إدارة طاقة المستشفى, كشف الشذوذ, جدولة الموارد, المستشفى الذكي, تكنولوجيا المعلومات الصحية