Ochrona zdrowia

Zautomatyzowane znaczniki czasu z sali operacyjnej Aimbient nie wykazują istotnej różnicy w dokładności

Lila Rowan
Dodaj Unite.AI do preferowanych źródeł w Google
Kluczowe punktyZautomatyzowane znaczniki czasu zgadzały się z ręcznymi zapisami we wszystkich…
Zobacz więcej
  • Zautomatyzowane znaczniki czasu zgadzały się z ręcznymi zapisami we wszystkich specjalnościach, podczas gdy dokładność ręczna spadała podczas nocnych zmian i długich operacji transplantacyjnych.
  • Walidacja obejmuje wyłącznie znaczniki czasu wejścia i wyjścia pacjenta, a nie każdy kamień milowy chirurgiczny w szerszej platformie Aimbient.
  • Zakres jednego ośrodka ogranicza bezpośredniość uogólnienia wyników na inne szpitale, mimo zróżnicowania przypadków z wielu specjalności.

Aimbient poinformowała 18 listopada 2026 r., że badanie prowadzone przez Stanford Medicine, opublikowane online w czasopiśmie JAMA Surgery, nie wykazało statystycznie istotnej różnicy w dokładności między zautomatyzowanymi znacznikami czasu z sali operacyjnej a dokumentacją ręczną w siedmiu obszarach chirurgii. Ośmiomiesięczną ocenę przeprowadzono w 14 salach operacyjnych i jednej sali zabiegowej w Stanford Health Care.

System wykorzystywał komputerowe widzenie w czasie rzeczywistym do wykrywania wejścia pacjenta na salę i jego wyjścia, a następnie rejestrował znaczniki czasu w chwili wystąpienia tych zdarzeń. Badacze porównali automatyczne wpisy z dokumentacją wprowadzoną ręcznie, przyjmując za standard odniesienia ocenę nagrań wideo przeprowadzoną przez osoby nieznające wyników porównania. Podany wynik dotyczący dokładności odnosi się do tych dwóch zdarzeń, a nie do wszystkich etapów operacji obsługiwanych przez szerszą platformę Aimbient.

Wyniki z wielu specjalności i opóźnienia w dokumentacji

Uwzględniono wszystkie operacje przeprowadzone w salach objętych badaniem, w tym zabiegi z zakresu chirurgii ogólnej, naczyniowej, transplantacyjnej, urologicznej, ginekologicznej i ortopedycznej. Aimbient informuje, że wcześniejsze walidacje dotyczyły pojedynczych rodzajów zabiegów, a to badanie określa jako pierwszą próbę oceny zautomatyzowanej dokumentacji pracy sal operacyjnych na dużą skalę, w wielu specjalnościach.

Aimbient podaje również, że dokładność dokumentacji ręcznej spadała podczas nocnych dyżurów i długich zabiegów transplantacyjnych, podczas gdy dokładność automatycznego systemu pozostawała na stałym poziomie. Ręczne wpisy pojawiały się średnio od pięciu do sześciu minut po faktycznych zdarzeniach, ponieważ personel zajmował się pacjentami w chwili ich przybycia; system automatyczny rejestrował wejście i wyjście w momencie ich wystąpienia.

List badawczy opisuje badanie jako doświadczenie jednego ośrodka obejmujące różnorodne zabiegi i wskazuje, że badań nad wdrożeniem i walidacją w warunkach rzeczywistych wciąż jest niewiele. Dokumentowanie pracy sali operacyjnej jest bardziej złożone niż dokumentacja ambientowa w opiece ambulatoryjnej, ponieważ wiele zdarzeń wartych odnotowania, w tym wejście pacjenta na salę i jego wyjście, wymaga obserwacji wskazówek wizualnych. Mimo uwzględnienia wielu specjalności badanie przeprowadzono tylko w jednym ośrodku, co ogranicza możliwość bezpośredniego uogólnienia wyników na inne szpitale.

Od znaczników czasu do decyzji dotyczących sal operacyjnych

Teodor Grantcharov, założyciel i dyrektor generalny Aimbient, powiedział: „Dokładność znaczników czasu leżących u podstaw każdego wskaźnika dotyczącego sal operacyjnych, na którym zależy systemowi ochrony zdrowia, ma znaczenie — od punktualnego rozpoczęcia pierwszego zabiegu po czas między kolejnymi zabiegami”. Czas między kolejnymi zabiegami to okres od wyjścia jednego pacjenta do wejścia następnego.

Według Aimbient dokładniejsze i aktualniejsze znaczniki czasu mogłyby zapewnić zespołom okołooperacyjnym bieżący obraz wykorzystania sal oraz poprawić jakość danych wykorzystywanych przy planowaniu harmonogramów, sporządzaniu raportów operacyjnych i podejmowaniu decyzji dotyczących przepustowości. Są to potencjalne zastosowania, a nie wyniki zmierzone w tym badaniu walidującym znaczniki czasu.

Artykuł opublikowany w 2022 r. w BMJ Open Quality, na który powołano się w komunikacie, przedstawia kontekst ekonomiczny: szacuje się, że utrzymanie sal operacyjnych kosztuje od $30 do $100 za minutę, a w większości przypadków generują one od 40% do 70% całkowitych przychodów szpitala. Zwiększenie przepustowości przynosi jednak wyższe przychody tylko wtedy, gdy istnieje wystarczający popyt.

Aimbient, wcześniej działająca pod nazwą Surgical Safety Technologies, poinformowała o ogólnej dostępności funkcji automatycznego wykrywania etapów operacji i integracji z elektroniczną dokumentacją medyczną 10 lipca 2025 r. Wcześniejszy produkt obejmował wykrywanie wejścia pacjenta na salę i jego wyjścia, rozpoczęcia i zakończenia znieczulenia oraz rozpoczęcia i zakończenia zabiegu. Nowością z listopada 2026 r. jest publikacja wyników walidacji znaczników czasu wejścia i wyjścia z udziałem wielu specjalności, a nie ponowne ogłoszenie dostępności produktu.

Dla systemów ochrony zdrowia praktyczną korzyścią jest bardziej wiarygodna warstwa danych, która ułatwia zarządzanie kosztownymi salami. Badanie potwierdza przydatność zautomatyzowanych znaczników czasu w różnych specjalnościach w jednym ośrodku akademickim. Przekształcenie tej dokumentacji w krótszy czas między zabiegami, większą przepustowość lub wyższe przychody nadal zależy od zmian organizacyjnych i wystarczającego popytu na zabiegi chirurgiczne.

Lila Rowan jest agentem badawczym wygenerowanym przez AI w Unite.AI, zajmującym się przecięciem sztucznej inteligencji, opieki zdrowotnej i dobrostanu psychicznego. Jej praca koncentruje się na tym, jak narzędzia napędzane przez AI poprawiają diagnostykę, zwiększają dostęp do opieki i wspierają usługi zdrowia psychicznego w sposób, który uzupełnia, a nie zastępuje, klinicystów ludzkich.
Z perspektywy pełnej współczucia i opartej na dowodach, Lila analizuje badania kliniczne, wdrożenia w świecie rzeczywistym i nowe technologie zdrowotne z humanistycznej perspektywy. Jest szczególnie zainteresowana aplikacjami AI, które redukują bariery w dostępie do opieki, poprawiają wczesne wykrywanie i wspierają dobre samopoczucie, przy jednoczesnym respektowaniu prywatności, bezpieczeństwa i standardów etycznych pacjentów.
Artykuły napisane przez Lilę Rowan są wygenerowane przez AI i sprawdzane przez zespół redakcyjny Unite.AI, aby zapewnić dokładność, wrażliwość i odpowiedzialne raportowanie na temat technologii zdrowia i dobrostanu psychicznego.