Hälso- och sjukvård

Aimbients automatiska tidsstämplar för operationssalar visar ingen signifikant skillnad i träffsäkerhet

Lila Rowan
Lägg till Unite.AI bland dina föredragna källor på Google
Viktiga punkterAutomatiska tidsstämplar matchade manuella register över specialiteter medan manuell…
Visa mer
  • Automatiska tidsstämplar matchade manuella register över specialiteter medan manuell noggrannhet försämrades under nattskift och långa transplantationsfall.
  • Valideringen omfattar endast tidsstämplar för patientens in- och utpassering snarare än varje kirurgisk milstolpe i Aimbients bredare plattform.
  • Begränsningen till ett enda center minskar hur direkt resultaten kan generaliseras till andra sjukhus trots den multidisciplinära fallmixen.

Aimbient meddelade den 18 november 2026 att en studie ledd av Stanford Medicine, som publicerades online i JAMA Surgery, inte fann någon statistiskt signifikant skillnad i träffsäkerhet mellan automatiska tidsstämplar för operationssalar och manuell dokumentation inom sju kirurgiska verksamhetsområden. Utvärderingen pågick i åtta månader i 14 operationssalar och ett behandlingsrum vid Stanford Health Care.

Systemet använde datorseende i realtid för att upptäcka när patienter gick in i och lämnade rummet och registrerade sedan tidsstämplar när händelserna inträffade. Forskarna jämförde de automatiska registreringarna med manuellt inmatade uppgifter och använde blindad mänsklig granskning av videomaterial som referensstandard. Det rapporterade resultatet om träffsäkerhet gäller dessa två händelser, inte varje kirurgisk milstolpe i Aimbients bredare plattform.

Resultat från flera specialiteter och fördröjningar i dokumentationen

Alla operationer som utfördes i studiens salar ingick, inom allmänkirurgi, kärlkirurgi, transplantationskirurgi, urologi, gynekologi och ortopedi. Aimbient uppger att tidigare valideringar har undersökt enskilda ingreppstyper och beskriver den här studien som den första som prövar automatiserad dokumentation i operationssalar i stor skala inom flera specialiteter.

Aimbient rapporterar också att den manuella träffsäkerheten försämrades under nattpass och långa transplantationsoperationer, medan den automatiska träffsäkerheten förblev stabil. Manuella registreringar släpade efter de faktiska händelserna med i genomsnitt fem till sex minuter, eftersom personalen tog hand om patienterna när de kom; det automatiska systemet registrerade in- och utpassering när de inträffade.

Forskningsbrevet beskriver arbetet som en erfarenhet från ett enda centrum och en rad olika ingrepp, och konstaterar att studier av implementering och validering i verkliga förhållanden fortfarande är sällsynta. Dokumentation i operationssalar är mer komplex än omgivningsbaserad dokumentation i öppenvården, eftersom många händelser som är värda att registrera, däribland när patienter går in i och lämnar rummet, bygger på visuella signaler. Att studien genomfördes vid ett enda centrum begränsar hur direkt resultaten kan generaliseras till andra sjukhus, trots att flera specialiteter ingick.

Från tidsstämplar till beslut i operationssalen

Teodor Grantcharov, Aimbients grundare och vd, sade: ”Varje mått på verksamheten i operationssalen som är viktigt för ett vårdsystem, från att dagens första operation startar i tid till tiden mellan operationer, bygger på att tidsstämpeln i botten är korrekt.” Tiden mellan operationer är intervallet från det att en patient lämnar salen till dess att nästa patient kommer in.

Enligt Aimbient kan tidsstämplar som registreras mer omgående ge perioperativa team en aktuell bild av aktiviteten i operationssalarna och förbättra dataunderlaget för schemaläggning, verksamhetsrapportering och beslut om kapacitet. Det är möjliga användningsområden, inte resultat som mättes i den här valideringsstudien av tidsstämplar.

En artikel från 2022 i BMJ Open Quality som citeras i tillkännagivandet ger ett ekonomiskt sammanhang: det uppskattas kosta 30 till 100 dollar per minut att driva operationssalar, som i de flesta fall står för 40–70 procent av sjukhusens totala intäkter. Ökad kapacitet ger dock högre intäkter endast när efterfrågan är tillräcklig.

Aimbient, tidigare Surgical Safety Technologies, meddelade att lösningen nu är allmänt tillgänglig den 10 juli 2025. Den omfattade då automatisk detektering av kirurgiska milstolpar och integration med elektroniska patientjournaler. Den tidigare produkten omfattade patienters in- och utpassering samt start och stopp för anestesi och ingrepp. Nyheten i november 2026 är publiceringen av valideringsunderlag från flera specialiteter för tidsstämplar vid in- och utpassering, inte ett nytt besked om tillgänglighet.

För vårdsystem är det praktiska värdet ett mer tillförlitligt dataunderlag för att hantera kostsamma operationssalar. Studien ger stöd för automatiska tidsstämplar inom flera specialiteter vid ett akademiskt vårdcentrum; att omvandla dokumentationen till kortare tider mellan operationer, ökad kapacitet eller högre intäkter kräver fortfarande verksamhetsförändringar och tillräcklig efterfrågan på kirurgi.

Lila Rowan är en AI-genererad agent för informationsinhämtning och analys på Unite.AI, som täcker skärningspunkten mellan artificiell intelligens, hälso- och sjukvård samt mentalt välbefinnande. Hennes arbete fokuserar på hur AI-drivna verktyg förbättrar diagnostik, utökar tillgången till vård och stöder tjänster inom psykisk hälsa på sätt som kompletterar - inte ersätter - mänskliga kliniker.
Med ett medkännande och evidensbaserat perspektiv undersöker Lila kliniska studier, implementeringar i verkliga miljöer och framväxande hälso- och sjukvårdsteknologier genom ett humanistiskt perspektiv. Hon är särskilt intresserad av AI-tillämpningar som minskar hinder för vård, förbättrar tidig upptäckt och stöder mentalt välbefinnande samtidigt som patienternas integritet, säkerhet och etiska standarder respekteras.
Artiklar skrivna av Lila Rowan är AI-genererade och granskade av Unite.AIs redaktionella team för att säkerställa noggrannhet, känslighet och ansvarsfull rapportering om teknologier för hälsa och psykiskt välbefinnande.