Peer-reviewed onderzoeken koppelen ambient AI aan meer operaties in Houston Methodist

Houston Methodist-onderzoekers hebben wat zij de eerste peer-reviewed bewijs noemen gepubliceerd dat ambient AI in de operatiekamer geassocieerd is met een meetbare toename van het aantal operaties: een stijging van 7%, of ongeveer 25 extra gevallen per maand, in een high-acuity cardiothoracale suite na de implementatie van Apella’s computer-vision-platform. De studie, gepubliceerd op 27 juni 2026 in het Tijdschrift voor Imaging, omvat 5.417 chirurgische gevallen die gedurende 16 maanden in het vlaggenschipziekenhuis van het systeem zijn gevolgd.

Een tweede peer-reviewed studie, gepubliceerd in Perioperatieve zorg en operatiekamerbeheer, onderzocht een andere mechanisme in zes Houston Methodist-ziekenhuizen: een voorspellingsinstrument dat gevallen markeert die waarschijnlijk verkeerd zijn gepland. Voor gemarkeerde gevallen verbeterde de planningsnauwkeurigheid met 40% (de gemiddelde absolute fout daalde van 57,4 tot 34,2 minuten) en daalde het aantal late einde-OR-dagen met 46 procentpunten, zonder reductie van het aantal gevallen, volgens Apella’s aankondiging van 5 augustus 2026 van de twee publicaties.

De volumevinding is belangrijk omdat het zo is gegenereerd. De meeste efficiëntieclaims van leveranciers berusten op voor- en na-vergelijkingen die het effect van de technologie niet kunnen scheiden van alles wat verandert in een ziekenhuissysteem. Het team van Houston Methodist gebruikte in plaats daarvan synthetische controle met verschil-in-verschillen-schatting, een quasi-experimentele methode uit de economie: zij bouwden een gewogen contrafeitelijke situatie op basis van 11 andere Houston Methodist-locaties die de platform niet hadden geïmplementeerd, 116.098 vergelijkingsgevallen in totaal, en maten de interventiesuite tegen deze af. Het resultaat was een statistisch significante toename van ongeveer 25 gevallen per maand (95% CI 8,3 tot 41,0), bereikt zonder kamers, personeel of uren toe te voegen.

“Beweringen over de impact van AI in de chirurgie worden vaak met scepsis ontvangen, en terecht”, zei Roberta Schwartz, chief innovation officer van Houston Methodist en senior auteur van het artikel. “Daarom hebben wij deze studie benaderd met dezelfde rigor als elke klinische onderzoeksstudie, met onafhankelijke peer review en een methodologie ontworpen om oorzakelijk verband te demonstreren, niet alleen correlatie.”

Wat de camera’s daadwerkelijk hebben gemeten

Het systeem dat in het artikel wordt aangeduid als image-based AI, is opgebouwd uit wandmontagecamera’s, vier per kamer, die een YOLO-gebaseerd objectdetectiemodel voeden, gekoppeld aan een transformer-gebaseerd gebeurtenisdetectiemodel. Het identificeert patiënten, gesteriliseerd en ongesteriliseerd personeel, de status van het bedekken en apparatuur, en zet deze detecties om in getijdstemplede perioperatieve gebeurtenissen: patiëntentree, bedekking, omslag, wielen uit. De trainingsdataset omvatte 137.517 operaties in 315 operatiekamers.

Deze granulariteit stelde de suite in staat om de chirurgische dag te fragmenteren in fasen die de EHR nooit heeft vastgelegd. Het platform voegde een “Patiënt bedekt” -gebeurtenis toe tussen “Anesthesie klaar” en “Start van de operatie”, waardoor één ondoorzichtige blokkering werd omgezet in twee meetbare blokken. Live dashboards toonden de voortgang van de operatie en de voorspelde duur over alle 15 kamers, en geautomatiseerde tekstberichten vertelden chirurgen wanneer een patiënt was bedekt of wanneer de volgende operatie eraan kwam.

De implementatie werd uitgevoerd onder een kwaliteitsverbeteringskader dat door de IRB was vastgesteld, met patiënttoestemming die was opgenomen in algemene toestemmingsdocumenten, video’s werden maximaal 30 dagen bewaard en audio 7, en toegang tot intraoperatieve opnames was beperkt tot drie aangewezen rollen.

Waar het bewijs randen heeft

Het artikel zelf identificeert enkele beperkingen van de volumevinding. De interventie was niet alleen de software, maar een bundel: het platform plus omslagtijdbesprekingen met OR-beheer, housekeeping- en anesthesiewerkstroombesprekingen en chirurgenmeldingsprotocollen. De auteurs verklaren expliciet dat de schatting “geen afzonderlijke bijdrage van een van de componenten kan toewijzen”.

Het statistische beeld is ook smaller dan de kop. De in-ruimte-permutatietest (de ingebouwde controle tegen toeval) retourneerde een empirische p-waarde van 0,182, directioneel consistent maar net niet significant. Secundaire resultaten, waaronder ongeplande overuren, bereikten geen significantie, en een gevoeligheidsanalyse van de totale operatietijd was evenmin significant, wat betekent dat de toename kwam als meer gevallen per eenheid OR-tijd, in plaats van meer totale operatietijd. De auteurs interpreteren het effect als “geassocieerd met, in plaats van veroorzaakt door” de implementatie.

Openbaarmakingen werken twee kanten op. Houston Methodist Hospital heeft een minderheidsbelang in Apella en sloot zich aan bij de serie B-rondes van het bedrijf in januari 2026. Een Apella-werknemer voerde de oorspronkelijke analyses uit vanuit geaggregeerde maandelijkse gegevens – zonder toegang tot patiëntniveau records – en een Houston Methodist-analist reproduceerde deze onafhankelijk. Apella financierde de studie niet en had geen rol in het ontwerp of de beslissing om te publiceren, volgens de conflict-of-interest-verklaring van het artikel. Het systeem draait nu in meer dan 200 operatiekamers van het gezondheidssysteem.

Wat er gebeurt

De auteurs schetsen een specifiek onderzoeksagenda: systeembrede evaluatie in aanvullende Houston Methodist-ziekenhuizen en andere chirurgische specialismen om te testen of de cardiothoracale winst algemeen geldt; formele evaluatie van omslagtijd en eerste operatie-op-tijd-starts als primaire eindpunten; en peer-reviewed replicatie van een conferentiebevinding uit 2024 dat computerzicht OR-gebeurtenissen meer consistent volgde dan handmatige documentatie. Ambient AI-implementaties in klinische omgevingen zijn meestal beoordeeld op documentatiebelasting (ambient luisterhulpmiddelen bereiken nu verpleegwerkstromen) en het paar Houston Methodist-studies is een vroege poging om de operatiekamervariant op doorvoer te beoordelen.

Voor een sector waarin ziekenhuisdirecteuren constant AI-pitches met dunne bewijs achter zich ontvangen, kan de meer duurzame bijdrage methodologisch zijn: een gezondheidssysteem dat een platform van een leverancier op zijn eigen voorwaarden test, tegen zijn eigen controlemetingen, en de randen publiceert naast het resultaat.