当前在“医改”大背景下，国家持续投入医疗健康，尤其是基础教育，从“根”上重视医生的成长和培养。对每一个医学生来说，在学校学习理论知识，最终要转化到临床实践、转化成自己的专业知识和技能，才能在将来的岗位上做出更多的贡献。本科生教育中，对临近毕业的学生都提供了完整的实习学习机会，为进一步走近临床做准备。

对于实习医院而言，每年都承接大量来自不同学校的实习生，而实习报道时间和周期又各不相同，不同学生在医院轮转的要求也有差异，这些因素导致实习医院每年都会面对非常“头疼”的问题：如何科学合理的编排实习轮转计划，满足不同学校实习生的实习要求，同时还尽量不超过或者少超过轮转科室的带教压力（和带教老师数量成比例）？以往传统的方式都是人工模式，管理老师通过xls录入轮转信息及要求，不断调整轮转表，计算各个科室压力。不但费时费力，最终还很难达到均衡，导致局部科室压力过大，带教老师们抱怨连连。平均实习医院管理部分每年都需要一位老师花费2~4周时间编排轮转表，最让老师抓狂的是，好不容易排出一版，有几个学生要调整入院时间，有几个学生需要插进轮转表，有几个学生的轮转科室有变化.......这都会导致轮转表大范围调整，之前的工作几乎白做了。针对行业内的难点和痛点，万剑网络公司的研发工程师们通过使用建立数学模型的方式，将问题转化成多维度动态规划模型，通过AI算法，寻求全局或局部最优解，以实现实习自动轮转编排动态优化的目的。

要解决该问题，非常困难，原因在于影响模型的动态因素太多，例如：实习生的实习诉求（学生来源/开始时间/实习周期/轮转科室分布及周期等）、医院实际科室数量及科室内带教人员数量（动态计算科室压力）等。这些因素，每一个发生细微的变动都会导致整张轮转表的巨大变化（所谓的“蝴蝶效应”）。万剑网络公司的数学工程师大胆的提出了使用进化计算的方式，强制轮转表收敛实际可以运行的“可行”最优轮转表，其中用的原理是采样式遗传算法。

遗传算法（Genetic Algorithm，GA）最早是由美国的 John holland于20世纪70年代提出，该算法是根据大自然中生物体进化规律而设计提出的，是模拟达尔文圣物进化论的自然选择和遗传学激励的生物进化过程计算模型，是一种通过模拟自然进化过程搜索最优解的方法。该算法通过数学模型，利用计算机仿真运算，将问题的求解过程转换成类似生物进化中的染色体基因的交叉、变异等过程。在求解较为复杂的组合优化问题时，相对一些常规的优化算法，通常能够较快地获得较好的优化结果。

将该问题转化成适合实习自动轮转的模型：每一个学员就是一条染色体，染色体上的基因就是轮转表科室，分布在时间轴上，全部学员染色体构成一张庞大的染色体表（横轴是时间，纵轴是学员，元素为轮转科室）即生物种群。该生物种群的适应度计算为时间轴上轮转科室压力差值平方的和。每次迭代保证种群整体适应度值取最低（最优秀），所以整体适应度值就是逐步收敛的（青出于蓝而胜于蓝），通过300~400代的迭代计算，算法将收敛到全局或局部最优解，这时的种群就是我们需要的最终实习轮转表。这个过程就是万剑网络独创的AI型自动轮转算法。

AI自动轮转算法，使用普通电脑，大约几分钟就能生成一张完美的轮转表，如果不满意，可以重新计算，大大节省了时间，提高了效率。同时还支持手动调整——加人减人、轮科调整、时间调整等，动态计算种群适应度值，还可以在手动调整后，再次自动优化计算，确保计算结果保持最优。该方案在绍兴妇保医院、台州第一人民医院实际应用超过2年，得到客户充分肯定与好评，反馈是目前市面上仅有且最好用的实习自动轮转产品，同时也是目前万剑网络公司核心功能之一。

万剑网络公司始终将行业的难点、客户的痛点放在首要解决位置，通过优化人才队伍，不断创新发展，大胆采用高科技模型与算法，为医学教学贡献自己的力量！

“让医疗事务更简单！”