Études examinées par des pairs lient l’IA ambiante à une augmentation du nombre de chirurgies au Houston Methodist

Les chercheurs de Houston Methodist ont publié ce qu’ils décrivent comme la première preuve examinée par des pairs que l’IA ambiante dans la salle d’opération est associée à une augmentation mesurable du volume de cas chirurgicaux : une augmentation de 7 %, soit environ 25 cas supplémentaires par mois, dans une salle de chirurgie cardiothoracique de haute acuité après le déploiement de la plate-forme de vision par ordinateur d’Apella. L’étude, publiée le 27 juin 2026 dans le Journal of Imaging, couvre 5 417 cas chirurgicaux surveillés sur 16 mois à l’hôpital principal du système.

Une deuxième étude examinée par des pairs, publiée dans Perioperative Care and Operating Room Management, a examiné un mécanisme différent dans six hôpitaux de Houston Methodist : un outil prédictif qui signale les cas susceptibles d’être mal planifiés. Pour les cas signalés, la précision de la planification a augmenté de 40 % (l’erreur absolue moyenne est passée de 57,4 à 34,2 minutes) et les jours de fin de salle d’opération en retard ont diminué de 46 points de pourcentage, sans réduction du volume de cas, selon l’annonce du 5 août 2026 d’Apella sur les deux publications.

La découverte du volume est importante en raison de la manière dont elle a été produite. La plupart des allégations de rendement des fournisseurs reposent sur des comparaisons avant et après qui ne peuvent pas séparer l’effet de la technologie de tout le reste qui change dans un système hospitalier. L’équipe de Houston Methodist a utilisé à la place un contrôle synthétique avec une estimation de différence de différences, une méthode quasi expérimentale de l’économie : ils ont construit un contre-factuel pondéré à partir de 11 autres sites de Houston Methodist qui n’avaient pas déployé la plate-forme, 116 098 cas de comparaison au total, et ont mesuré la salle d’intervention par rapport à celle-ci. Le résultat était une augmentation statistiquement significative d’environ 25 cas par mois (IC 95 % 8,3 à 41,0), réalisée sans ajouter de salles, de personnel ou d’heures.

« Les allégations sur l’impact de l’IA en chirurgie sont souvent accueillies avec scepticisme, et à juste titre », a déclaré Roberta Schwartz, responsable de l’innovation de Houston Methodist et auteur principal de l’article. « C’est pourquoi nous avons abordé ce travail avec la même rigueur que toute étude de recherche clinique, en utilisant une révision par des pairs indépendantes et une méthodologie conçue pour démontrer la causalité, et non seulement la corrélation. »

Ce que les caméras ont réellement mesuré

Le système que l’article appelle l’IA basée sur les images est construit à partir de caméras murales, quatre par salle, alimentant un modèle de détection d’objets YOLO couplé avec un détecteur d’événements basé sur un transformateur. Il identifie les patients, le personnel en tenue et hors tenue, le statut de draping et l’équipement, puis convertit ces détections en événements périopératoires horodatés : entrée du patient, draping, turnover, sortie. Le jeu de données d’entraînement couvrait 137 517 interventions chirurgicales dans 315 salles d’opération.

Cette granularité a permis à la suite de diviser la journée chirurgicale en phases que le dossier médical électronique n’avait jamais capturées. La plate-forme a inséré un événement « Patient drapé » entre « Anesthésie prête » et « Début de la procédure », par exemple, transformant un bloc opaque en deux blocs mesurables. Les tableaux de bord en temps réel affichaient la progression des cas et les durées prévues pour toutes les 15 salles, et des alertes texte automatisées informaient les chirurgiens lorsque le patient était drapé ou que leur prochaine intervention approchait.

Le déploiement a fonctionné dans un cadre d’amélioration de la qualité déterminé par le comité d’examen institutionnel, avec le consentement des patients intégré aux documents de consentement généraux, la vidéo conservée pendant un maximum de 30 jours et l’audio pendant 7 jours, et l’accès aux enregistrements intraopératoires restreint à trois rôles désignés.

Où les preuves ont des limites

La section des limites de l’article identifie plusieurs contraintes sur la découverte du volume. L’intervention n’était pas seulement le logiciel, mais un ensemble : la plate-forme plus les examens du temps de turnover avec la gestion de la salle d’opération, les examens du flux de travail de l’anesthésie et les protocoles de notification des chirurgiens. Les auteurs déclarent clairement que l’estimation « ne peut pas attribuer séparément les gains observés à l’un ou l’autre composant ».

L’image statistique est également plus étroite que le titre. Le test de permutation dans l’espace (le contrôle intégré de la méthode contre le hasard) a retourné une valeur p empirique de 0,182, cohérent dans le sens mais en deçà de la signification conventionnelle. Les résultats secondaires, y compris les heures supplémentaires non planifiées, n’ont pas atteint la signification, et une analyse de sensibilité sur les minutes d’opération totales n’était pas significative non plus, ce qui signifie que le gain est intervenu sous la forme d’un plus grand nombre de cas par unité de temps de salle d’opération plutôt que d’un temps d’opération total plus long. Les auteurs interprètent l’effet comme « associé à, plutôt que causé par » le déploiement.

Les divulgations vont dans les deux sens. L’hôpital Houston Methodist détient une participation minoritaire dans Apella et a rejoint le tour de financement de série B de l’entreprise en janvier 2026. Un employé d’Apella a effectué les analyses initiales à partir de données mensuelles agrégées – sans accès aux dossiers des patients – et un analyste de Houston Methodist les a reproduites de manière indépendante. Apella n’a pas financé l’étude et n’a pas participé à sa conception ou à la décision de publication, selon la déclaration de conflit d’intérêts de l’article. Le système fonctionne désormais dans plus de 200 salles d’opération du système de santé.

Que se passe-t-il ensuite

Les auteurs établissent un programme de recherche spécifique : évaluation système à système dans d’autres hôpitaux de Houston Methodist et d’autres spécialités chirurgicales pour tester si les gains cardiothoraciques sont généralisables ; évaluation formelle du temps de turnover et des débuts d’intervention en temps opportun comme principaux paramètres d’évaluation ; et réplication examinée par des pairs d’une constatation de conférence de 2024 selon laquelle la vision par ordinateur a suivi les événements de la salle d’opération de manière plus cohérente que la documentation manuelle. Les déploiements d’IA ambiante dans les contextes cliniques ont été jugés principalement sur la charge de documentation (les outils d’écoute ambiante atteignent désormais les flux de travail des infirmières) et la paire d’études de Houston Methodist est une tentative précoce pour juger la variante de la salle d’opération en termes de débit au lieu.

Pour un secteur où les dirigeants d’hôpitaux sont constamment confrontés à des présentations d’IA avec de minces preuves à l’appui, la contribution plus durable peut être méthodologique : un système de santé testant la plate-forme d’un fournisseur selon ses propres termes, par rapport à ses propres sites de contrôle, et publiant les limites aux côtés du résultat.