Видеоаналитика в клиниках: очереди и сервис

Камеры видеонаблюдения в медицинской клинике есть почти у всех, но обычно к ним обращаются уже после инцидента — когда пациент пожаловался на очередь или в кабинете произошёл конфликт. Видеоаналитика с искусственным интеллектом работает иначе: система непрерывно считает людей в зонах, замеряет время ожидания, оценивает занятость кабинетов и врачей — без участия человека и без опознавания пациентов. Руководитель получает не «картинку с камер», а цифры, по которым можно управлять расписанием, персоналом и сервисом.

Зачем клинике видеоаналитика с ИИ

Классическое видеонаблюдение отвечает на вопрос «что случилось?» и всегда с опозданием. Видеоаналитика отвечает на вопрос «что происходит сейчас?» и делает это в реальном времени. Для клиники это принципиально: очередь у регистратуры не хранит историю, а формируется и растёт прямо в эту минуту, и реагировать нужно именно сейчас.

Три причины, по которым клиники переходят от просмотра записей к аналитике:

• Сервис — это конкурентное преимущество. Пациент выбирает клинику по отзывам, а в отзывах чаще всего фигурируют именно очереди и ожидание. Измеряемое ожидание — это управляемый параметр, а не «так сложилось».
• Загрузка оборудования и врачей — это деньги. Пустующий кабинет или простаивающий в приёмные часы врач — прямые потери. Аналитика показывает, где ресурс используется на 40%, а где перегружен.
• Данные вместо впечатлений. Администратор может считать, что «утром всегда очередь», а аналитика покажет, что пик приходится на 17:30–18:30 после работы — и проблема решается сдвигом смен, а не наймом.

Экономика тоже говорит в пользу аналитики. Один час простоя кабинета УЗИ или процедурного кабинета — это упущенная выручка, которую нельзя вернуть. Если система за месяц выявляет, что кабинет пустует в среднем два часа в день, стоимость внедрения окупается только за счёт перестроенного расписания, без привлечения новых пациентов. При этом речь не о «ещё одной статье расходов», а об инструменте управления тем, что уже есть: кабинеты, врачи, часы работы.

Важно: в медицинской сфере аналитика строится на обезличенных данных — счётчики, скелетные точки, тепловые карты. Опознавание конкретных людей здесь не только не нужно, но и юридически рискованно, о чём подробнее в разделе о приватности.

Очередь у регистратуры: как измерить и сократить

Регистратура — первая точка контакта и главный генератор негатива. Пока пациент стоит в очереди, его лояльность падает с каждой минутой. Видеоаналитика решает две задачи: фиксирует факт очереди и измеряет, сколько человек и как долго в ней находятся.

Как это работает технически. Камера накрывает зону перед стойкой регистратуры, а алгоритм детекции людей считает тех, кто находится в выделенной зоне дольше заданного порога (обычно 5–10 секунд), чтобы не принимать случайного прохожего за ожидающего. Система выдаёт:

• текущее число людей в очереди;
• среднее и максимальное время ожидания за день, неделю, месяц;
• динамику по часам — в какие интервалы очередь стабильно превышает норму;
• автоматическое уведомление при превышении порога (например, «в очереди 5 человек»).

Пороговые значения подбираются под конкретную клинику, но ориентиры такие: ожидание у регистратуры до 3–5 минут — норма, свыше 7 минут — уже повод для действий. При срабатывании уведомления администратор открывает второе окно, переключает пациентов на онлайн-запись или перераспределяет поток.

Одна из самых частых находок после внедрения — несоответствие штатного расписания реальному потоку. Клиника держала двух администраторов с 9:00 до 18:00, а аналитика показала два пика: 8:20–9:40 и 17:10–18:50. Перераспределение смен без увеличения фонда оплаты труда убрало устойчивую очередь, которая копилась годами.

Ожидание приёма и навигация по клинике

Очередь у регистратуры — только часть проблемы. Вторая часть — время, которое пациент проводит в зоне ожидания между регистрацией и вызовом в кабинет. Это самый «невидимый» процесс: администратор видит, что люди сидят в холле, но не знает, как долго каждый из них ждёт и по какой причине.

Видеоаналитика измеряет время пребывания в зоне ожидания: от момента входа в выделенную зону до момента, когда пациент покидает её в сторону кабинетов. В сочетании с данными расписания это позволяет отделить плановое ожидание от сбоя:

• пациент пришёл за 15 минут до приёма и ждёт 10 — это нормально;
• пациент с записью на 10:00 ждёт 40 минут — это сбой, который нужно объяснить и устранить.

Нормой для частной клиники считается ожидание приёма до 15 минут от назначенного времени. Если медианное значение регулярно выше, причина почти всегда одна из трёх: перегружен конкретный врач, нет буферов между слотами записи, или «липнет» расписание из-за опозданий и неявок.

Дополнительно тепловые карты движения показывают, как пациенты ходят по клинике. Это помогает найти навигационные проблемы: люди блуждают в поисках нужного кабинета, толпятся в узком коридоре перед кабинетом УЗИ, не находят гардероб. Такие «узкие места» не видны из журнала записи, но напрямую влияют на восприятие сервиса.

Аналитика по ожиданию хорошо сочетается с электронной очередью и табло. Система не просто считает людей, а даёт сигнал для перераспределения: когда в зоне ожидания скапливается больше людей, чем кабинетов готовы принять, администратор видит это на дашборде и может ускорить поток — например, перенаправить пациента к свободному врачу той же специальности или запустить предварительный сбор анамнеза, чтобы сократить сам приём.

Загрузка кабинетов и врачей

Оборудование и кабинеты — дорогой актив клиники, и он должен работать. Видеоаналитика даёт объективную картину занятости: сколько времени кабинет фактически занят пациентом, сколько простаивает, в какие часы пустует.

Методика проста: камера фиксирует вход и выход из кабинета, алгоритм строит интервалы занятости, а отчёт сопоставляет их с расписанием. На выходе получаются метрики, которые сложно получить иначе:

• Коэффициент загрузки кабинета — доля рабочего времени, когда кабинет занят. Норма для приёмного кабинета — 60–80%. Ниже 40% — простой и потерянный ресурс, выше 90% — перегруз и рост ожидания.
• Фактическое время приёма — разница между запланированным и реальным временем приёма. Если врач стабильно выходит за слот, расписание нужно менять.
• Доля неявок (no-show) — записанные, но не пришедшие пациенты. По отрасли это 5–15%, и каждый процент — прямая потеря выручки.

Классический пример из практики: клиника планировала покупку третьего кабинета для терапевта, потому что «кабинетов не хватает». Аналитика за месяц показала, что два кабинета из четырёх загружены на 35–45% в середине дня — проблема была не в количестве кабинетов, а в том, что расписание сжимало приёмы в утренние часы. Покупку отложили, расписание перестроили.

Важный нюанс: данные загрузки ценны не сами по себе, а в связке с медицинской информационной системой. Аналитика показывает факт «кабинет занят 45 минут», а МИС — какой именно приём это был и по какому тарифу. Сопоставление этих двух источников даёт ответ на вопрос, который волнует каждого руководителя: какие услуги и в какие часы приносят деньги, а какие занимают кабинет без отдачи. Это уже не видеонаблюдение, а управленческий учёт по загрузке ресурсов.

Отдельный блок — решение видеоаналитики для медицинских клиник, где эти метрики собираются в единый дашборд для администратора и руководителя, а не разрозненно по разным кабинетам.

Приватность пациентов и закон о персональных данных

Главный вопрос, который задают руководители клиник: «Это законно?». Ответ зависит от того, что именно делает система. Видеоаналитика, построенная на обезличенных данных, законна и применяется в медицинских организациях повсеместно. Риски возникают там, где начинается опознавание людей.

Ключевое различие:

• Счётчики и детекция — допустимо. Система считает людей, замеряет время пребывания, строит тепловые карты. Человек здесь — «объект в кадре», без имени, без фото, без опознавания. Персональные данные не обрабатываются в том смысле, который требует согласия.
• Распознавание лиц — особый режим. Биометрические персональные данные по ст. 11 закона 152-ФЗ обрабатываются только с письменного согласия, а их сбор и хранение в коммерческих целях жёстко ограничены. Для задачи «очереди и сервис» распознавание лиц не нужно и не рекомендуется.

Правильная архитектура для клиники выглядит так:

• аналитика выполняется на камере или локальном сервере, «сырое» видео с лицами не сохраняется;
• алгоритм работает со скелетными точками и ограничивающими рамками, а не с изображениями лиц;
• в отчёты попадают только агрегированные цифры — счётчики, минуты, проценты;
• зоны съёмки ограничены служебными пространствами: регистратура, холлы, коридоры. В смотровых и процедурных кабинетах камеры не ставятся.

Такой подход снимает и репутационный риск: пациенты спокойнее относятся к камерам, когда знают, что система «считает очередь, а не запоминает лица». Это стоит проговорить в политике обработки данных и на информационных табличках — прозрачность здесь работает на клинику, а не против неё.

Типовые сценарии внедрения и цифры

Видеоаналитика даёт результат не «вообще», а в конкретных сценариях. Ниже — набор задач, которые клиники решают в первую очередь, с измеримыми показателями и действиями при отклонении.

Эффект внедрения обычно виден в первые недели. На практике типичная картина для клиники с 8–12 кабинетами: среднее ожидание у регистратуры снижается с 9–12 до 4–6 минут, загрузка кабинетов в середине дня поднимается с 40–45% до 60–70%, а доля неявок сокращается на 3–5 процентных пунктов за счёт перестроенного расписания и напоминаний.

Похожие подходы работают и в смежных нишах — например, в салонах красоты и косметологиях, где очередь у администратора и простой мастеров считаются теми же алгоритмами.

Типичные ошибки и чек-лист выбора

Часть внедрений не даёт результата не потому, что технология не работает, а из-за ошибок на этапе постановки задачи. Самые частые:

• «Поставим камеры и всё увидим». Без сформулированных метрик аналитика превращается в ещё один экран, на который никто не смотрит. Начинать нужно с вопроса «какую цифру мы хотим изменить?».
• Неправильные зоны детекции. Камера захватывает проходной коридор, и система считает всех прохожих как очередь. Пороговые значения и геометрия зон должны настраиваться под планировку.
• Игнорирование пиков и сезонности. Настройка по «среднему дню» не работает: понедельник и суббота, сезон простуд и летний спад — разные картины. Аналитика ценна именно в разрезе часов и дней недели.
• Распознавание лиц ради галочки. Для задачи сервиса оно не нужно, а юридические и репутационные риски создаёт. Это самая дорогая и самая частая ошибка.
• Внедрение без реакции персонала. Уведомления приходят, но никто не назначен их обрабатывать. Аналитика без процесса реагирования — просто отчёт.

Короткий чек-лист перед выбором решения:

• Работает ли система на обезличенных данных, без хранения изображений лиц?
• Считает ли она именно очередь и ожидание, а не просто «число людей в кадре»?
• Можно ли задать свои пороги и получать уведомления при их превышении?
• Есть ли готовый дашборд с загрузкой кабинетов, а не только сырой видеопоток?
• Считается ли аналитика на локальном сервере или камере, без передачи видео наружу?

Как внедрить и что спросить у подрядчика

Внедрение укладывается в три этапа и не требует остановки работы клиники:

1. Аудит и постановка задачи. Определяются проблемные зоны (обычно регистратура и один-два перегруженных кабинета), формулируются метрики и целевые значения.
2. Пилот на 2–4 недели. Камеры и аналитика запускаются на ограниченном числе зон, собирается базовая статистика, проверяется корректность детекции и порогов.
3. Масштабирование и регламенты. Система распространяется на остальные зоны, назначаются ответственные за реакцию на уведомления, метрики встраиваются в управленческую отчётность.

Вопросы, которые стоит задать подрядчику до старта:

• Какие именно события система детектирует «из коробки» и что нужно настраивать вручную?
• Где выполняется обработка видео — на камере, на локальном сервере или в облаке?
• Что хранится в архиве и как долго: видео, метаданные или только агрегированные цифры?
• Как интегрируются данные с существующим расписанием и медицинской информационной системой?
• Есть ли у команды опыт именно в клиниках, а не только в ритейле — планировка и сценарии там заметно отличаются?

Оценить надёжность решения помогают и реальные кейсы — например, в разделе отзывы о компании СИТИС, где клиники и другие заказчики описывают свой опыт внедрения. Задать вопросы по конкретному объекту и получить расчёт можно через страницу контактов.

Частые вопросы