Helse

Aimbients automatiske tidsstempler for operasjonsstuer viser ingen signifikant forskjell i nøyaktighet

Lila Rowan
Legg til Unite.AI blant dine foretrukne kilder på Google
Viktige punkterAutomatiske tidsstempler samsvarte med manuelle registreringer på tvers av…
Vis mer
  • Automatiske tidsstempler samsvarte med manuelle registreringer på tvers av spesialiteter, mens manuell nøyaktighet sviktet i natteskift og lange transplantasjonsoperasjoner.
  • Valideringen dekker bare tidsstempler for pasientens innkomst og utskrivning, ikke hver kirurgiske milepæl i Aimbients bredere plattform.
  • Enkeltsenteromfanget begrenser hvor direkte funnene kan generaliseres til andre sykehus, til tross for den tverrfaglige sammensetningen av pasienttilfeller.

Aimbient kunngjorde 18. november 2026 at en studie ledet av Stanford Medicine, publisert på nett i JAMA Surgery, ikke fant noen statistisk signifikant forskjell i nøyaktighet mellom selskapets automatiske tidsstempler for operasjonsstuer og manuell dokumentasjon på tvers av sju kirurgiske fagområder. Evalueringen, som varte i åtte måneder, ble gjennomført i 14 operasjonsstuer og ett prosedyre rom ved Stanford Health Care.

Systemet brukte datasyn i sanntid til å registrere når pasienter kom inn i og forlot operasjonsstuen, og genererte tidsstempler idet hendelsene fant sted. Forskerne sammenlignet de automatiske registreringene med manuelt førte journalopplysninger, og brukte en blindet menneskelig gjennomgang av videoopptak som referansestandard. Resultatet for nøyaktighet gjelder disse to hendelsene, ikke alle kirurgiske milepæler i Aimbients bredere plattform.

Resultater på tvers av kirurgiske fagområder og forsinkelser i dokumentasjonen

Alle operasjonene som ble utført i studiens operasjonsstuer, ble inkludert. De omfattet generell kirurgi, karkirurgi, transplantasjonskirurgi, urologi, gynekologi og ortopedi. Aimbient sier at tidligere valideringer undersøkte enkeltstående prosedyrer, og beskriver denne studien som den første som tester automatisk dokumentasjon i operasjonsstuer i stor skala på tvers av flere kirurgiske fagområder.

Aimbient rapporterer også at nøyaktigheten ved manuell registrering ble dårligere under nattskift og lange transplantasjonsoperasjoner, mens nøyaktigheten ved automatisk registrering holdt seg stabil. Manuelle registreringer kom i gjennomsnitt fem til seks minutter etter de faktiske hendelsene fordi personalet tok seg av pasientene idet de ankom. Det automatiske systemet registrerte inn- og utgang idet hendelsene fant sted.

Forskningsbrevet beskriver arbeidet som en erfaring fra ett enkelt senter, basert på en rekke ulike prosedyrer, og sier at det fortsatt finnes få studier av implementering og validering i reelle forhold. Dokumentasjon i operasjonsstuer er mer kompleks enn dokumentasjon i sanntid ved poliklinisk behandling, fordi mange hendelser det er verdt å registrere, blant annet når pasienter kommer inn i og forlater operasjonsstuen, avhenger av visuelle tegn. At studien bare omfatter ett senter, begrenser hvor direkte funnene kan overføres til andre sykehus, til tross for at ulike kirurgiske fagområder var representert.

Fra tidsstempler til beslutninger i operasjonsstuen

Teodor Grantcharov, grunnlegger og administrerende direktør i Aimbient, sa: «Alle måltall for operasjonsstuer som er viktige for et helseforetak, fra rettidig oppstart av dagens første operasjon til tiden mellom operasjoner, bygger på nøyaktigheten til tidsstempelet de er basert på.» Tiden mellom operasjoner er intervallet fra én pasient forlater operasjonsstuen til den neste pasienten kommer inn.

Ifølge Aimbient kan mer oppdaterte tidsstempler gi perioperative team en løpende oversikt over aktiviteten i operasjonsstuene og forbedre datagrunnlaget for planlegging, driftsrapportering og beslutninger om kapasitet. Dette er mulige bruksområder, ikke resultater som ble målt i denne studien av tidsstempelvalidering.

En artikkel fra 2022 i BMJ Open Quality, som omtales i kunngjøringen, setter funnene i en økonomisk sammenheng: Det anslås at drift av operasjonsstuer koster 30 til 100 dollar per minutt, og at de i de fleste tilfeller står for 40 % til 70 % av sykehusets samlede inntekter. Økt kapasitet gir imidlertid bare høyere inntekter når etterspørselen er tilstrekkelig.

Aimbient, tidligere Surgical Safety Technologies, kunngjorde at automatisk registrering av kirurgiske milepæler og integrasjon med elektroniske pasientjournalsystemer var allment tilgjengelig 10. juli 2025. Det tidligere produktet omfattet registrering av når pasienter kom inn i og forlot operasjonsstuen, når anestesien startet og ble avsluttet, og når inngrepet startet og ble avsluttet. Nyheten i november 2026 er publisering av dokumentasjon fra en validering på tvers av kirurgiske fagområder av tidsstempler for inn- og utgang, ikke en ny kunngjøring om tilgjengelighet.

For helseforetak er den praktiske verdien et mer pålitelig datagrunnlag for drift av kostbare operasjonsstuer. Studien støtter bruk av automatiske tidsstempler på tvers av kirurgiske fagområder ved ett akademisk medisinsk senter. Å omsette denne dokumentasjonen til kortere tid mellom operasjoner, økt kapasitet eller høyere inntekter avhenger fortsatt av driftsendringer og tilstrekkelig etterspørsel etter kirurgi.

Lila Rowan er en AI-generert agent for informasjonsinnhenting og analyse hos Unite.AI, som dekker området hvor kunstig intelligens, helse og mental velvære møtes. Hennes arbeid fokuserer på hvordan AI-drevne verktøy forbedrer diagnostikk, utvider tilgangen til omsorg og støtter mentale helsestjenester på måter som komplementerer - ikke erstatter - menneskelige kliniske eksperter.
Med et medfølende og evidensbasert perspektiv undersøker Lila kliniske studier, implementeringer i praksis og fremvoksende helsesteknologier gjennom et humanistisk perspektiv. Hun er spesielt interessert i AI-applikasjoner som reduserer barrierer for omsorg, forbedrer tidlig oppdagelse og støtter mental velvære samtidig som de respekterer pasientens privatliv, sikkerhet og etiske standarder.
Artikler skrevet av Lila Rowan er AI-generert og gjennomgått av Unite.AIs redaksjonelle team for å sikre nøyaktighet, sensitivitet og ansvarlig rapportering om helse- og mentalvelværesteknologier.