Studi peer-reviewed che legano l’AI ambientale a più interventi chirurgici al Houston Methodist

I ricercatori del Houston Methodist hanno pubblicato quello che descrivono come la prima prova peer-reviewed che l’AI ambientale in sala operatoria è associata a un aumento misurabile del volume dei casi chirurgici: un aumento del 7%, o circa 25 casi aggiuntivi al mese, in una suite cardio-toracica ad alta acuità dopo il sistema ha implementato la piattaforma di computer vision di Apella. Lo studio, pubblicato il 27 giugno 2026 sulla rivista Journal of Imaging, copre 5.417 casi chirurgici monitorati nel corso di 16 mesi nel principale ospedale del sistema.

Un secondo studio peer-reviewed, pubblicato sulla rivista Perioperative Care and Operating Room Management, ha esaminato un meccanismo diverso in sei ospedali del Houston Methodist: uno strumento di previsione che segnala i casi che potrebbero essere pianificati in modo errato. Per i casi segnalati, l’accuratezza della pianificazione è migliorata del 40% (l’errore assoluto medio è sceso da 57,4 a 34,2 minuti) e le giornate di fine OR in ritardo sono scese del 46%, senza riduzione del volume dei casi, secondo l’annuncio del 5 agosto 2026 di Apella delle due pubblicazioni.

La scoperta del volume è importante perché di come è stata prodotta. La maggior parte delle affermazioni di efficienza dei vendor si basa su confronti prima-dopo che non possono separare l’effetto della tecnologia da tutto il resto che cambia in un sistema ospedaliero. Il team del Houston Methodist ha invece utilizzato il controllo sintetico con la stima delle differenze nelle differenze, un metodo quasi-sperimentale dell’economia: hanno costruito un controfattuale ponderato da 11 altri siti del Houston Methodist che non avevano implementato la piattaforma, 116.098 casi di confronto in tutto, e hanno misurato la suite di intervento contro di esso. Il risultato è stato un aumento statisticamente significativo di circa 25 casi al mese (IC 95% 8,3-41,0), raggiunto senza aggiungere sale operatorie, personale o ore.

“Le affermazioni sull’impatto dell’AI nella chirurgia sono spesso accolte con scetticismo, e giustamente”, ha dichiarato Roberta Schwartz, chief innovation officer del Houston Methodist e autore senior del documento. “È per questo che abbiamo affrontato questo lavoro con la stessa rigore di qualsiasi studio di ricerca clinica, utilizzando la revisione peer-reviewed indipendente e una metodologia progettata per dimostrare la causalità, non solo la correlazione”.

Cosa hanno effettivamente misurato le telecamere

Il sistema che il documento chiama AI basata sull’immagine è costruito a partire da telecamere montate a muro, quattro per stanza, che alimentano un modello di rilevamento di oggetti YOLO-based accoppiato con un rilevatore di eventi basato su transformer. Identifica i pazienti, il personale in camice e non, lo stato di copertura, e l’attrezzatura, quindi converte queste rilevazioni in eventi perioperatori con timestamp: ingresso del paziente, copertura, turnover, uscita. Il set di dati di addestramento ha coperto 137.517 interventi chirurgici in 315 sale operatorie.

Questa granularità ha permesso alla suite di frammentare la giornata chirurgica in fasi che il sistema di cartella clinica elettronica non aveva mai catturato. La piattaforma ha inserito un evento “Paziente coperto” tra “Anestesia pronta” e “Inizio caso”, ad esempio, trasformando un blocco opaco in due blocchi misurabili. I dashboard in tempo reale mostravano i progressi dei casi e le durate previste in tutte le 15 stanze, e gli avvisi di testo automatizzati informavano i chirurghi quando un paziente era coperto o quando il loro prossimo caso si stava avvicinando.

La distribuzione è stata eseguita in un quadro di miglioramento della qualità determinato dall’IRB con il consenso del paziente incorporato nei documenti di consenso generale, il video è stato conservato per un massimo di 30 giorni e l’audio per 7, e l’accesso alle registrazioni intraoperatorie è stato limitato a tre ruoli designati.

Dove la prova ha i bordi

La sezione dei limiti del documento identifica diverse limitazioni della scoperta del volume. L’intervento non era solo il software, ma un bundle: la piattaforma più le revisioni del tempo di turnover con la gestione della sala operatoria, le revisioni del flusso di lavoro di housekeeping e anestesia, e i protocolli di notifica del chirurgo. Gli autori affermano chiaramente che la stima “non può attribuire separatamente i guadagni osservati a uno o all’altro componente”.

L’immagine statistica è anche più stretta del titolo. Il test di permutazione nello spazio (il controllo integrato del metodo contro la casualità) ha restituito un valore p empirico di 0,182, coerente con la direzione ma inferiore alla significatività convenzionale. I risultati secondari, tra cui il tempo di overtime non pianificato, non hanno raggiunto la significatività, e un’analisi di sensibilità sui minuti operatori totali non è stata significativa, il che significa che il guadagno è arrivato come più casi per unità di tempo di sala operatoria piuttosto che più tempo operatorio totale. Gli autori interpretano l’effetto come “associato a, piuttosto che causato da” l’implementazione.

Le dichiarazioni tagliano in entrambe le direzioni. Il Houston Methodist Hospital detiene una partecipazione azionaria di minoranza in Apella e si è unito al round di serie B della società nel gennaio 2026. Un dipendente di Apella ha condotto le analisi originali dai dati mensili aggregati – senza accesso ai record del paziente – e un analista del Houston Methodist li ha replicati in modo indipendente. Apella non ha finanziato lo studio e non ha avuto alcun ruolo nella sua progettazione o nella decisione di pubblicarlo, secondo la dichiarazione di conflitto di interessi del documento. Il sistema ora funziona in più di 200 sale operatorie del sistema sanitario.

Cosa succede dopo

Gli autori delineano un programma di ricerca specifico: valutazione a livello di sistema in altri ospedali del Houston Methodist e altre specialità chirurgiche per testare se i guadagni cardio-toracici si generalizzano; valutazione formale del tempo di turnover e degli inizi dei primi casi come endpoint primari; e replica peer-reviewed di un risultato di conferenza del 2024 che la visione computerizzata ha tracciato gli eventi di sala operatoria in modo più coerente della documentazione manuale. Le implementazioni di AI ambientale in ambienti clinici sono state giudicate principalmente in base al carico di documentazione (gli strumenti di ascolto ambientale stanno ora raggiungendo i flussi di lavoro infermieristici) e la coppia di studi del Houston Methodist è un primo tentativo di giudicare la variante di sala operatoria in base al throughput invece.

Per un settore in cui i dirigenti ospedalieri ricevono costantemente proposte di AI con prove sottili dietro di loro, il contributo più duraturo potrebbe essere metodologico: un sistema sanitario che testa la piattaforma di un fornitore secondo i propri termini, contro i propri siti di controllo, e pubblica i bordi insieme al risultato.