Page 88 - 《中国医疗器械杂志》2026年第2期

Chinese Journal of Medical Instrumentation 2026年 第50卷 第2期

临 床 医 学 工 程

传统的医疗设备维护模式主要包括2种，即被 管电压、管电流、扫描部位、扫描前后球管比热容
动式维护与预防性维护，但是这2种方法均存在弊 变化情况。通过历史记录查询，获取了该品牌5台
端，被动式维护无法避免计划外停机，预防性维护 CT设备的历史更换记录，记录包括CT球管安装、
则易导致过度保养，造成医院资源浪费。为了解决 移除时间，关键指标包括CT球管总扫描量与总曝
这个问题，预测性维护（predictive maintenance， 光秒数。
PdM）是一种更好的解决方案。PdM的核心是利用 1.2 数据清洗
设备运行数据，在故障发生前进行预测，从而实现 数据预处理阶段，为确保数据质量，研究人员
维修计划的最优化，最大限度地减少非计划停机时 筛除明显不符合规范的扫描数据，比如曝光时间超
间，并延长设备的使用寿命 [4-6] 。 过100 s，管电压过低或无管电流等。数据清洗后
然而，PdM的实施面临一个普遍的数据挑战： 获得74 159次完整检查、395 123次扫描，涵盖5台
理想的预测是对球管剩余使用寿命进行精准预测的 CT设备从2025年4月1日至6月30日的检查使用数
回归模型，这类模型的构建需要从安装到失效的全 据。获得仍在使用与报废的CT球管记录22条，其
生命周期连续、高精度的运行数据 [7-8] 。但在真实 中，仍在使用5条，报废17条。筛选后球管使用时
的临床环境中，完整的球管数据需要建立大容量、 长分布如图1所示。

高带宽的数据库进行存储，建设获取难度较大。医 0.008
0.007 使用时长分布
院通常拥有长期的硬件更换记录，以及短期的设备 0.006 核密度估计
运行日志 [9-10] 。这两者在时间上往往无法直接匹 概率密度 0.005 中位数：164 d
平均值：216 d
0.004
配，实际应用存在困难。 0.003
本研究旨在解决数据不完美的难题，提出并验 0.002
0.001
证一种创新的分析框架。尽管只有短期的运营数 0
0 200 400 600 800 1000

据，但其中蕴含的设备工作负荷模式足以反映设备 使用时长/d
长期承受的累积应力，这种累积效应与球管所处生 图1 CT球管使用时长分布
命周期阶段呈现强相关性 [11-12] 。本研究利用长期球 Fig.1 Distribution of CT X-ray tube usage duration

管更换数据建立CT球管可靠性模型，从短期运营 1.3 生存模型构建
日志数据中量化设备运营压力的特征，构建CT球 本研究采用经典的Kaplan-Meier（KM）方法
管工作负荷参数模型，最后将剩余寿命的回归预测 进行球管生存分析 [13-15] 。KM方法是一种非参数统
问题转换为更易处理的生命周期阶段划分问题，应 计方法，用于估计生存函数，即CT球管存活超过
用机器学习分类模型，学习工作负荷参数与生命周 某一特定参数的概率，该方法通过保留删失时间，
期阶段的映射。本研究通过融合短期数据与长期记 客观反映报废时间对生存分析结果的影响。KM方
录，旨在为医疗机构提供一种数据易获取、低成 法通过乘积极限法计算生存率，计算式为：
本、可落地的高效预测性维护方案。 ( )
∏
d i
S ˆ (t) = 1− (1)
1 材料与方法 t i ⩽t n i
式中： d i 表示 时刻的时间数； 表示 时刻尚未
n i
t i
t i
1.1 数据来源 发生死亡事件的个体数。球管失效主要由阳极靶
本研究基于医疗物联网技术，采集了某大型三 材受反复热冲击引发的热疲劳和材料蒸发所致。
甲医院5台CT设备2025年4月至6月的工作负荷日 因此，本研究在日历天数之外，基于总扫描次数
志，选取的设备均为同一主流品牌，所有设备均接 和总曝光秒数构建3种KM模型，并采用对数秩检
入医院医学设备物联网平台，具备连续3个月及以 验，验证不同度量指标对应的生存曲线是否存在
上的详细运营日志及长期球管更换记录。为了在有 显著差异。
限样本下尽可能覆盖多样化的工作负荷模式，所选 图2展示了基于3种不同时间度量的Kaplan-Meier
设备分别归属于急诊、体检中心、门诊及住院部， 生存曲线。相对日历天数的曲线，基于扫描次数和
其运营数据能够代表大型医院CT设备的多种典型 曝光秒数的生存曲线展现出更陡峭且集中的阶梯状
负荷应用场景。 下降模式，这说明以实际工作量进行衡量时，不同
日志包含设备ID、数据采集时间、曝光时长、 球管样本的失效行为表现出更高的一致性。

202