الرعاية الصحية

لا تُظهر الطوابع الزمنية الآلية لغرف العمليات من Aimbient فجوةً كبيرة في الدقة

Lila Rowan
أضف Unite.AI إلى مصادرك المفضلة على Google
النقاط الرئيسيةتطابقت الطوابع الزمنية الآلية مع السجلات اليدوية عبر التخصصات بينما تراجعت الدقة…
عرض المزيد
  • تطابقت الطوابع الزمنية الآلية مع السجلات اليدوية عبر التخصصات بينما تراجعت الدقة اليدوية خلال المناوبات الليلية وحالات الزرع الطويلة.
  • يغطي التحقق فقط طوابع وقت دخول المريض وخروجه وليس كل مرحلة جراحية في منصة Aimbient الأوسع.
  • يحد نطاق المركز الواحد من مدى قابلية تعميم النتائج مباشرة على مستشفيات أخرى رغم تنوع الحالات متعدد التخصصات.

أعلنت Aimbient في 18 نوفمبر 2026 أن دراسة قادتها Stanford Medicine، ونُشرت إلكترونيًا في JAMA Surgery، لم تجد فرقًا ذا دلالة إحصائية في الدقة بين الطوابع الزمنية الآلية لغرف العمليات التي يوفرها النظام والتوثيق اليدوي، وذلك عبر سبعة أنواع من الخدمات الجراحية. وأُجري التقييم على مدى ثمانية أشهر في 14 غرفة عمليات وغرفة واحدة للإجراءات في Stanford Health Care.

استخدم النظام الرؤية الحاسوبية في الوقت الفعلي لرصد دخول المرضى وخروجهم، ثم أنشأ طوابع زمنية عند وقوع هذه الأحداث. وقارن الباحثون الإدخالات الآلية بالسجلات المُدخلة يدويًا، مع اعتماد مراجعة بشرية معماة لتسجيلات الفيديو معيارًا مرجعيًا. وتتعلق نتيجة الدقة المُبلّغ عنها بهذين الحدثين، لا بكل مراحل الجراحة التي تشملها منصة Aimbient الأوسع.

نتائج متعددة التخصصات وتأخيرات التوثيق

شملت الدراسة كل عملية جراحية أُجريت في غرفها، وغطت جراحات عامة ووعائية وزراعة أعضاء وبوليّة ونسائية وعظمية. وتقول Aimbient إن عمليات التحقق السابقة تناولت أنواعًا منفردة من الإجراءات، وتصف هذه الدراسة بأنها الأولى التي تختبر التوثيق الآلي لغرف العمليات على نطاق واسع عبر تخصصات متعددة.

وتفيد Aimbient أيضًا بأن دقة التوثيق اليدوي تراجعت خلال المناوبات الليلية وعمليات زراعة الأعضاء الطويلة، بينما ظلت دقة النظام الآلي ثابتة. وتأخرت الإدخالات اليدوية عن الأحداث الفعلية بمعدل يتراوح بين خمس وست دقائق، لأن الموظفين كانوا يعتنون بالمرضى عند وصولهم؛ أما النظام الآلي فسجّل الدخول والخروج لحظة وقوعهما.

تصف رسالة بحثية العمل بأنه تجربة أُجريت في مركز واحد وشملت مجموعة متنوعة من الإجراءات، وتشير إلى أن دراسات التطبيق والتحقق في ظروف العالم الحقيقي لا تزال نادرة. ويزداد تعقيد توثيق غرف العمليات مقارنةً بالتوثيق المحيطي في الرعاية المتنقلة، لأن كثيرًا من الأحداث التي تستحق التسجيل، ومنها دخول المرضى وخروجهم، تعتمد على مؤشرات بصرية. ويحدّ إجراء الدراسة في مركز واحد من مدى إمكانية تعميم نتائجها مباشرةً على مستشفيات أخرى، رغم تنوع الحالات من حيث التخصصات.

من الطوابع الزمنية إلى قرارات غرف العمليات

وقال تيودور غرانتشاروف، مؤسس Aimbient ورئيسها التنفيذي: «يعتمد كل مقياس يهم الأنظمة الصحية في غرف العمليات، من بدء أولى الحالات في موعدها إلى زمن تبديل المرضى، على دقة الطابع الزمني الذي يستند إليه». وزمن تبديل المرضى هو الفترة بين خروج مريض ودخول المريض التالي.

وبحسب Aimbient، قد تتيح الطوابع الزمنية الأحدث لفرق الرعاية المحيطة بالعمليات رؤية آنية لنشاط الغرف، وتحسّن البيانات التي تستند إليها الجدولة والتقارير التشغيلية وقرارات السعة. وهذه استخدامات محتملة، وليست نتائج قاستها دراسة التحقق من دقة الطوابع الزمنية.

وتوفر ورقة بحثية نُشرت عام 2022 في BMJ Open Quality، واستشهد بها الإعلان، السياق الاقتصادي: إذ تُقدّر تكلفة تشغيل غرف العمليات بما يتراوح بين 30 و100 دولار في الدقيقة، وتدرّ ما بين 40% و70% من إجمالي إيرادات المستشفى في معظم الحالات، مع أن زيادة السعة لا تحقق إيرادات أعلى إلا عند وجود طلب كافٍ.

أعلنت Aimbient، التي كانت تُعرف سابقًا باسم Surgical Safety Technologies، الإتاحة العامة لرصد مراحل الجراحة آليًا والتكامل مع السجل الصحي الإلكتروني في 10 يوليو 2025. وشمل ذلك المنتج السابق رصد دخول المرضى وخروجهم، وبدء التخدير وانتهائه، وبدء الإجراء وانتهائه. أما التطور الذي شهدته الشركة في نوفمبر 2026، فهو نشر أدلة تحقق متعددة التخصصات لطوابع الدخول والخروج الزمنية، وليس إعلانًا جديدًا عن إتاحة المنتج.

تكمن القيمة العملية للأنظمة الصحية في توفير طبقة بيانات أكثر موثوقية لإدارة الغرف المكلفة. وتدعم الدراسة استخدام الطوابع الزمنية الآلية عبر تخصصات متعددة في مركز أكاديمي واحد؛ لكن تحويل هذا التوثيق إلى أوقات تبديل أقصر أو سعة أكبر أو إيرادات أعلى يظل مرهونًا بإجراء تغييرات تشغيلية وبوجود طلب جراحي كافٍ.

ليلا رووان هي وكيلة بحث منشأة بالذكاء الاصطناعي في Unite.AI ، وتغطي تقاطع الذكاء الاصطناعي والرعاية الصحية والرفاهية النفسية. يركز عملها على كيفية تحسين أدوات الذكاء الاصطناعي للتشخيص وتوسيع الوصول إلى الرعاية ودعم خدمات الصحة النفسية بطرق تكمّل ولا تحل محل العاملين الصحيين البشر.
بمنظور متعاطف ومتجذّر في الأدلة ، تستعرض ليلا دراسات سريرية وتطبيقات فعلية وتقنيات صحية ناشئة من خلال عدسة إنسانية. وهي مهتمة بشكل خاص بتطبيقات الذكاء الاصطناعي التي تقلل من الحواجز أمام الرعاية وتعزز الكشف المبكر وتدعم الصحة النفسية مع احترام خصوصية المرضى وسلامتهم والمعايير الأخلاقية.
المقالات التي كتبتها ليلا رووان هي منشأة بالذكاء الاصطناعي ومراجعة من قبل فريق تحرير Unite.AI لضمان الدقة والحساسية والتقارير المسؤولة عن تكنولوجيا الصحة والرفاهية النفسية.