周辺AIが手術の増加に実際に関連していることを示すピアレビュー研究

ヒューストン・メソディストの研究者たちは、手術室での周辺AIが手術ケースの数の増加と関連していることを示す最初のピアレビューされた証拠を発表しました。アペラのコンピュータービジョンプラットフォームを導入した結果、手術ケースの数は約7%増加し、1ヶ月あたり約25件の手術が増加しました。この研究は、2026年6月27日にJournal of Imagingに掲載され、ヒューストン・メソディストの主要病院で16ヶ月間にわたって5,417件の手術ケースを追跡しました。

別のピアレビュー研究は、Perioperative Care and Operating Room Managementに掲載され、ヒューストン・メソディストの6つの病院で異なるメカニズムを調査しました。ミススケジュールされる可能性のあるケースをフラグする予測ツールを使用し、スケジュールの正確性は40%向上し（平均絶対誤差は57.4分から34.2分に減少）、遅延するOR日の割合は46パーセントポイント減少しました。アペラの2026年8月5日の発表によると、手術ケースの数は減少しませんでした。

ボリュームの発見は、どのようにして生み出されたかという点で重要です。ほとんどのベンダーの効率性の主張は、技術の影響と病院システムの他のすべての変化を区別できない、前後比較に基づいています。ヒューストン・メソディストのチームは、経済学から導かれた準実験方法、合成コントロールと差の差推定を使用しました。アペラのプラットフォームを導入していない11のヒューストン・メソディスト・サイトから重み付けされた反事実を構築し、116,098の比較ケースを使用して介入スイートを測定しました。結果は、約25件の手術ケースの統計的に有意な増加（95% CI 8.3 to 41.0）でした。これは、部屋、スタッフ、時間を追加せずに達成されました。

「手術におけるAIの影響に関する主張は、よく懐疑的に受け取られ、当然です」とヒューストン・メソディストの最高イノベーション責任者であるロベルタ・シュワルツは述べています。 「そのため、私たちは、独立したピアレビューと、関連ではなく因果関係を示すように設計された方法論を使用して、この研究に取り組みました。」

カメラが実際に測定したもの

論文で「画像ベースのAI」と呼ばれるシステムは、壁に取り付けられたカメラ4台で構成され、YOLOベースのオブジェクト検出モデルとトランスフォーマーベースのイベント検出モデルを使用しています。患者、スクラブ入りスタッフ、ドレープの状態、機器を検出し、これらの検出をタイムスタンプ付きの周術期イベントに変換します。患者入室、ドレープ、ターンオーバー、車輪アウトなどです。トレーニングデータセットには、315の手術室で137,517件の手術が含まれていました。

その粒度により、スイートは周術期の一日を、EHRが捉えられなかった段階に分割することができました。たとえば、プラットフォームは「手術開始」イベントの前に「患者ドレープ」イベントを挿入し、一つの不透明なブロックを二つの測定可能なブロックに変換しました。リアルタイムダッシュボードは、15部屋すべての手術の進行状況と予測時間を表示し、自動テキストアラートは、外科医に患者がドレープされているか、次の手術が近づいていることを通知しました。

展開は、IRBが決定した品質向上の枠組みの下で行われ、患者同意は一般的な同意書に組み込まれ、ビデオは最大30日間、オーディオは7日間保持され、手術中の記録へのアクセスは3つの指定された役割に制限されました。

証拠の限界

論文の限界のセクションでは、ボリュームの発見にいくつかの制約を特定しています。介入はソフトウェアだけではなく、バンドルでした。プラットフォームとOR管理とのターンオーバー時間のレビュー、ハウスキーピングと麻酔のワークフローのレビュー、外科医への通知プロトコルが含まれていました。著者は、見られた利益をソフトウェアと他のコンポーネントに個別に帰属できないと述べています。

統計的な絵は、見出しの範囲よりも狭いです。空間内の順列テスト（方法の組み込みチェック）では、経験的p値0.182が返され、方向は一致していますが、従来の有意性に達しませんでした。予定外のオーバータイムを含む二次的な結果は有意ではありませんでした。総操作時間に関する感度分析も有意ではありませんでした。つまり、利益は総操作時間の増加ではなく、OR時間あたりの手術ケースの増加として得られました。著者は、この影響を「関連している」と「引き起こされる」ことではなくと解釈しています。

開示は双方向です。ヒューストン・メソディスト病院はアペラの少数株式を保有し、2026年1月にシリーズBラウンドに参加しました。アペラの従業員は、集約された月次データから初期分析を実施しました（患者レベルのレコードへのアクセスはありませんでした）。ヒューストン・メソディストの分析者はそれらを独立して複製しました。アペラは研究を資金提供せず、設計や出版の決定には参加しませんでした。システムは現在、200以上の手術室で実行されています。

次に何が起こるか

著者は、具体的な研究計画を示しています。追加のヒューストン・メソディスト病院と他の外科的専門分野全体でシステムを評価し、心臓胸部の利益が一般化するかどうかをテストすること。ターンオーバー時間と最初の手術の開始時間を主要なエンドポイントとして正式に評価すること。2024年の会議で、コンピュータビジョンがORイベントを手動ドキュメンテーションよりも一貫して追跡したという研究結果をピアレビューで複製することです。臨床設定での周辺AIの展開は、主にドキュメンテーションの負担で判断されてきました（周辺リスニングツールは現在、看護師のワークフローに到達しています）。ヒューストン・メソディストの研究のペアは、スループットの代わりに手術室バリアントを判断する初期の試みです。

病院の管理者が薄い証拠の背後にあるAIのピッチに直面する業界では、より持続可能な貢献は方法論的なものである可能性があります。ヘルスシステムは、ベンダーのプラットフォームを自身の条件で、自身のコントロールサイトに対してテストし、結果とともにエッジを公開することです。