Vertaisarvioidut tutkimukset osoittavat, että ambient-AI lisää leikkauksia Houston Methodist -sairaalassa

Houston Methodistin tutkijat ovat julkaisseet, mitä he kuvaavat ensimmäiseksi vertaisarvioiduksi näytöksi siitä, että ambient-AI leikkaussalissa on yhteydessä mittavaan kasvuun leikkausten määrässä: 7%:n nousuun, eli noin 25 lisäleikkaukseen kuukaudessa, korkean vaativuuden sydän- ja keuhkosairauksien leikkaussalissa sen jälkeen, kun järjestelmä otti käyttöön Apellan tietokoneen näkö-ohjelmistoa. Tutkimus, joka julkaistiin 27. kesäkuuta 2026 Kuvantamisen aikakauslehdessä, kattaa 5 417 leikkausta, jotka seurattiin 16 kuukauden ajan järjestelmän lippulaivahospitalissa.

Toinen vertaisarvioitu tutkimus, joka julkaistiin Perioperatiivisen hoidon ja leikkaussalien hallinnon -lehdessä, tarkasteli eri mekanismia kuudessa Houston Methodistin sairaalassa: ennustevälinettä, joka merkitsee tapaukset, jotka ovat todennäköisesti väärin ajoitettu. Merkittyjen tapausten osalta aikataulun tarkkuus parani 40% (keskimääräinen virhe laski 57,4 minuutista 34,2 minuuttiin) ja myöhästyneiden leikkauspäivien määrä laski 46 prosenttiyksikköä, ilman, että leikkausten määrä väheni, kuten Apellan 5. elokuuta 2026 ilmoituksessa kahden julkaisun yhteydessä.

Leikkausten määrän kasvu on merkittävää, koska se on tuotettu tietyn menetelmän avulla. Useimmat toimittajien tehokkuusväitteet perustuvat ennen ja jälkeen -vertailuihin, jotka eivät voi erottaa teknologian vaikutusta muista sairaalajärjestelmän muutoksista. Houston Methodistin tiimi käytti sen sijaan syntetistä vertailua ja erojen erojen arviointia, puoli-kokeellista menetelmää taloustieteestä: he rakensivat painotetun vastaväittäisen 11 muusta Houston Methodistin sivustosta, jotka eivät olleet ottaneet käyttöön alustaa, yhteensä 116 098 vertailutapausta, ja mittasivat interventiosalien tuloksia verrattuna niihin. Tuloksena oli tilastollisesti merkittävä nousu, noin 25 leikkausta kuukaudessa (95%:n luottamusväli 8,3-41,0), joka saavutettiin ilman, että huoneita, henkilöstöä tai tunteja lisättiin.

“Väitteet AI:n vaikutuksesta kirurgiassa kohtaavat usein epäilyn, ja ymmärrettävästi”, sanoi Roberta Schwartz, Houston Methodistin pääinnovaatiovirkailija ja tutkimuksen vastaava tekijä. “Sen vuoksi lähestyimme tätä työtä samalla tarkkuudella kuin minkä tahansa kliinisen tutkimuksen, käyttäen riippumattomia vertaisarvioita ja menetelmää, joka on suunniteltu osoittamaan syy-yhteys, eikä vain yhteensattuma.”

Mitä kamerat todella mittoivat

Järjestelmä, josta tutkimus käyttää nimitystä kuvapohjainen AI, on rakennettu seinäkiinni olevista kamerista, neljä huonetta kohden, jotka syöttävät YOLO-pohjaisen objektin havaitsemismallin, joka on yhdistetty transformer-pohjaiseen tapahtumien havaitsemiseen. Se tunnistaa potilaat, puhdistetut ja puhdistamattomat henkilöstö, peittävän tilan ja laitteet, ja muuttaa nämä havainnot aikaleimattuihin perioperatiivisiin tapahtumiin: potilaan saapuminen, peittäminen, vaihto, ulosajo. Koulutusaineisto kattoi 137 517 leikkausta 315 leikkaussalissa.

Tämä tarkkuus mahdollisti leikkauspäivän jakamisen vaiheisiin, joita potilastietojärjestelmä ei koskaan tallentanut. Alusta lisäsi “Potilas peitetty” -tapahtuman “Anestesia valmis” ja “Leikkaus aloitettu” -välille, muuttaen yhden läpinäkymättömän lohkon kahteen mitattavaan lohkoon. Live-näyttö ruudut näyttivät leikkausten edistymistä ja ennustettuja kestoaikojen yli 15 huonetta, ja automaattiset tekstiviestit ilmoittivat kirurgeille, kun potilas oli peitetty tai seuraava leikkaus lähestyi.

Järjestelmän käyttöönotto toteutettiin IRB-määrätyn laadun parantamisen puitteissa, johon potilaiden suostumus sisältyi yleisiin suostumusasiakirjoihin, video tallennettiin enintään 30 päivää ja ääni 7, ja pääsy toimenpiden tallenteisiin rajoitettiin kolmeen määrättyyn rooliin.

Missä näytöt ovat reunassa

Tutkimuksen oman rajoitusten osio tunnustaa useita rajoituksia leikkausten määrän kasvussa. Interventio ei ollut pelkästään ohjelmisto, vaan paketti: alusta plus leikkausajan katselut leikkaussalin johdon, talouden ja anestesian työnkulkujen katselut sekä kirurgien ilmoitusprotokollat. Tekijät toteavat selkeästi, ettei havaittuja hyötyjä voida erottaa toisistaan.

Tilastollinen kuva on myös kapeampi kuin otsikko. Paikanvaihtotesti (menetelmän sisäinen tarkastus sattumaa vastaan) antoi empirisen p-arvon 0,182, joka on suunnanmukainen, mutta ei yllä perinteistä merkitystasoa. Toissijaiset tulokset, kuten suunnittelemattomat ylityöt, eivät saavuttaneet merkitystasoa, ja herkkyyden analyysi kokonaisista toimenpideajoista ei ollut merkittävä, mikä tarkoittaa, että hyöty tuli enemmän leikkausten määrässä yhtenäisessä leikkausaikana kuin yhteisessä toimenpideajassa. Tekijät tulkkaavat vaikutusta “yhteydessä, eikä aiheuttama” järjestelmän käyttöönottoon.

Ilmoitukset leikataan molemmista suunnista. Houston Methodist Hospital omistaa vähemmistöosuuden Apellasta ja liittyi yhtiön B-sarjan rahoituskierrokseen tammikuussa 2026. Apellan työntekijä suoritti alun perin analyysit aggregoiduista kuukausittaisista tiedoista – ilman pääsyä potilastasoisiin tietoihin – ja Houston Methodistin analyytikko toisti ne itsenäisesti. Apella ei rahoittanut tutkimusta eikä ollut mukana sen suunnittelussa tai julkaisupäätöksessä, kuten tutkimuksen eturistiriidan ilmoituksessa. Järjestelmä toimii nykyään yli 200 sairaalajärjestelmän leikkaussalissa.

Mitä tapahtuu seuraavaksi

Tekijät esittävät tietyn tutkimusohjelman: järjestelmän laajan arvioinnin useammassa Houston Methodistin sairaalassa ja muissa kirurgisissa erikoisaloissa, jotta voidaan testata, yleistetäänkö sydän- ja keuhkosairauksien hyödyt; virallinen arviointi leikkausajan ja ensileikkausten aikataulun päättymisenä; ja vertaisarvioitu toistaminen vuoden 2024 konferenssissa, jossa havaittiin, että tietokoneen näkö seurasi leikkaustapahtumia johdonmukaisemmin kuin manuaalinen asiakirjat. Ambient-AI-käyttöönotot kliinisissä ympäristöissä on arvioitu pääasiassa asiakirjojen rasitusta (ambient-kuuntelutyökalut ulottuvat nyt hoitotyön prosesseihin) ja Houston Methodistin tutkimuspari on varhainen yritys arvioida leikkaussalin variantin vaikutusta tuottavuuteen.

Alan johtajat saavat jatkuvasti AI-esittelyjä, joissa on niukat näytöt, joten kestävämpi panos voi olla menetelmällinen: terveydenhuoltojärjestelmä testaa toimittajan alustaa omilla ehdoilla, omia vertailukohteitaan vastaan, ja julkaisee reunat tuloksen rinnalla.