헬스케어

Aimbient의 자동 수술실 타임스탬프, 정확도에 유의미한 차이 없어

Lila Rowan
Unite.AI를 Google의 선호 소스에 추가
핵심 포인트자동 타임스탬프는 여러 전문과에서 수동 기록과 일치했지만, 수동 정확도는 야간 근무와 장시간 이식 수술 중에 떨어졌다.
더 보기
  • 자동 타임스탬프는 여러 전문과에서 수동 기록과 일치했지만, 수동 정확도는 야간 근무와 장시간 이식 수술 중에 떨어졌다.
  • 검증은 Aimbient의 더 넓은 플랫폼에 있는 모든 수술 이정표가 아니라 환자 입장 및 퇴장 타임스탬프만을 다룬다.
  • 단일 기관 범위는 여러 전문과의 사례 구성에도 불구하고 이 결과가 다른 병원에 얼마나 직접적으로 일반화될 수 있는지를 제한한다.

스탠퍼드 의대가 주도하고 JAMA Surgery에 온라인으로 게재된 연구에서 7개 외과 진료 분야에 걸쳐 자동 수술실 타임스탬프와 수기 기록의 정확도 사이에 통계적으로 유의미한 차이가 없었다고 2026년 11월 18일 Aimbient는 발표했다. 8개월간 진행된 평가는 Stanford Health Care의 수술실 14곳과 시술실 1곳에서 이뤄졌다.

이 시스템은 실시간 컴퓨터 비전으로 환자의 입실과 퇴실을 감지한 뒤, 해당 상황이 발생하는 즉시 타임스탬프를 생성했다. 연구진은 자동으로 입력된 기록을 수기로 입력된 기록과 비교했으며, 평가자가 눈가림 방식으로 영상을 검토한 결과를 기준으로 삼았다. 보고된 정확도 결과는 이 두 가지 상황에만 해당하며, Aimbient의 더 광범위한 플랫폼이 다루는 모든 수술 단계에 적용되는 것은 아니다.

여러 전문 분야에 걸친 결과와 기록 지연

연구 대상 수술실에서 시행된 모든 수술이 포함됐으며, 일반외과, 혈관외과, 이식외과, 비뇨의학과, 산부인과, 정형외과 수술을 아울렀다. Aimbient는 이전 검증 연구가 단일 수술 유형을 살펴봤다고 설명하며, 이번 연구가 여러 전문 분야에 걸쳐 대규모로 자동 수술실 기록을 시험한 첫 연구라고 밝혔다.

Aimbient는 야간 근무와 장시간 이식 수술에서 수기 기록의 정확도가 떨어진 반면, 자동 기록의 정확도는 일관되게 유지됐다고도 보고했다. 환자가 도착할 때 직원들이 환자를 돌보느라 수기 기록은 실제 상황보다 평균 5~6분 늦게 입력됐으며, 자동 시스템은 환자의 입실과 퇴실이 발생하는 즉시 기록했다.

연구 서한은 이번 연구를 다양한 시술을 대상으로 한 단일 의료기관의 경험으로 설명하며, 실제 환경에서의 도입 및 검증 연구는 여전히 드물다고 밝혔다. 수술실 기록은 외래 진료 환경의 앰비언트 기록보다 복잡하다. 환자의 입실과 퇴실을 비롯해 기록할 만한 여러 상황이 시각적 단서에 의존하기 때문이다. 여러 전문 분야의 사례가 포함됐더라도 단일 의료기관에서 진행됐다는 점은 연구 결과를 다른 병원에 일반화하는 데 한계가 있음을 뜻한다.

타임스탬프에서 수술실 운영 결정까지

Aimbient의 창립자 겸 CEO인 Teodor Grantcharov는 “첫 수술을 정시에 시작하는 것부터 환자 교대 시간까지, 의료 시스템이 중요하게 여기는 모든 수술실 지표는 그 바탕이 되는 타임스탬프의 정확도에 달려 있습니다”라고 말했다. 환자 교대 시간은 한 환자가 퇴실한 시점부터 다음 환자가 입실하는 시점까지의 시간이다.

Aimbient에 따르면, 더 신속한 타임스탬프 기록은 수술 전후 진료팀에 수술실 활동 현황을 최신 상태로 파악할 수 있게 하고, 일정 관리와 운영 보고, 수용 능력 관련 의사결정의 근거가 되는 데이터를 개선할 수 있다. 다만 이는 잠재적인 활용 방안이지, 이번 타임스탬프 검증 연구에서 측정한 결과는 아니다.

발표문에서 인용한 2022년 BMJ Open Quality 논문은 경제적 배경을 제시한다. 수술실 운영 비용은 분당 30~100달러로 추산되며, 대부분의 경우 병원 전체 수익의 40~70%를 창출한다. 다만 수용 능력을 늘려도 충분한 수요가 있을 때만 수익이 증가한다.

Aimbient는 이전에 Surgical Safety Technologies라는 이름으로 운영됐으며, 2025년 7월 10일 자동 수술 단계 감지 및 전자의무기록 연동 기능의 정식 제공을 발표했다. 당시 제품은 환자의 입실과 퇴실, 마취 시작과 종료, 수술 시작과 종료를 다뤘다. 2026년 11월에 나온 것은 여러 전문 분야에서 입실 및 퇴실 타임스탬프를 검증한 근거의 발표이지, 새로운 제품 제공 발표가 아니다.

의료 시스템에서 실질적인 가치는 비용이 많이 드는 수술실을 관리하는 데 더 신뢰할 수 있는 데이터 기반을 마련하는 데 있다. 이번 연구는 한 대학병원에서 여러 전문 분야에 걸쳐 자동 타임스탬프를 사용할 수 있음을 뒷받침한다. 그러나 이러한 기록을 환자 교대 시간 단축, 수용 능력 확대 또는 수익 증대로 이어지게 하려면 운영 방식의 변화와 충분한 수술 수요가 여전히 필요하다.

릴라 로완은 AI로 생성된 리서치 에이전트로, Unite.AI에서 인공지능, 의료, 및 정신 건강의 교차점을 다루고 있습니다. 그녀의 작업은 인공지능 기반 도구가 진단을 개선하고, 치료에 대한 접근을 확대하며, 인간 임상의를 대체하지 않고 그들의 업무를 보완하면서 정신 건강 서비스를 지원하는 방법에 중점을 두고 있습니다.
공감과 근거에 기반한 관점으로, 릴라는 임상 연구, 현실의 도입 사례, 및 새로운 건강 기술을 인간주의적 관점으로 검토합니다. 그녀는 치료에 대한 장벽을 줄이고, 초기 발견을 강화하며, 환자의 개인정보, 안전, 및 윤리 기준을 존중하면서 정신 건강을 지원하는 인공지능 응용 프로그램에 특별한 관심이 있습니다.
릴라 로완이 작성한 기사들은 인공지능에 의해 생성되어 Unite.AI의 편집 팀에 의해 검토되어 건강 및 정신 건강 기술에 대한 정확성, 민감한 사안에 대한 배려 및 책임 있는 보도를 보장합니다.