Sağlık

Aimbient’in Otomatik Ameliyathane Zaman Damgalarında Anlamlı Bir Doğruluk Farkı Görülmedi

Lila Rowan
Unite.AI sitesini Google'daki tercih ettiğiniz kaynaklara ekleyin
Öne çıkan noktalarOtomatik zaman damgaları, uzmanlık alanları genelinde manuel kayıtlarla eşleşirken…
Daha fazla göster
  • Otomatik zaman damgaları, uzmanlık alanları genelinde manuel kayıtlarla eşleşirken manuel doğruluk gece vardiyalarında ve uzun transplantasyon vakalarında düştü.
  • Doğrulama, Aimbient'in daha geniş platformundaki her cerrahi aşamayı değil, yalnızca hasta giriş ve çıkış zaman damgalarını kapsıyor.
  • Tek merkezli kapsam, çok uzmanlıklı vaka çeşitliliğine rağmen bulguların diğer hastanelere ne kadar doğrudan genellenebileceğini sınırlıyor.

Aimbient, 18 Kasım 2026’da, Stanford Medicine liderliğinde yürütülen ve JAMA Surgery’de çevrimiçi yayımlanan bir çalışmada, yedi cerrahi hizmet türünde otomatik ameliyathane zaman damgalarının doğruluğu ile manuel kayıtlar arasında istatistiksel açıdan anlamlı bir fark bulunmadığını duyurdu. Sekiz ay süren değerlendirme, Stanford Health Care bünyesindeki 14 ameliyathane ve bir işlem odasında gerçekleştirildi.

Sistem, hastaların giriş ve çıkışını gerçek zamanlı bilgisayarlı görüyle algıladı ve bu olaylar gerçekleşirken zaman damgaları oluşturdu. Araştırmacılar, otomatik kayıtları manuel olarak girilmiş kayıtlarla karşılaştırdı; referans standart olarak, sonuçlardan habersiz değerlendiricilerin yaptığı insan incelemesine dayalı video değerlendirmesini kullandı. Bildirilen doğruluk sonucu, Aimbient’in daha kapsamlı platformundaki tüm cerrahi dönüm noktalarını değil, yalnızca bu iki olayı kapsıyor.

Birden Fazla Uzmanlık Alanını Kapsayan Sonuçlar ve Kayıt Gecikmeleri

Çalışma kapsamındaki ameliyathanelerde gerçekleştirilen tüm ameliyatlar araştırmaya dâhil edildi; bunlar genel cerrahi, damar cerrahisi, transplantasyon, üroloji, jinekoloji ve ortopedi ameliyatlarını kapsıyordu. Aimbient, önceki doğrulama çalışmalarının tek bir işlem türünü incelediğini belirtiyor ve bu çalışmayı, birden fazla uzmanlık alanında otomatik ameliyathane kayıtlarını geniş ölçekte test eden ilk çalışma olarak nitelendiriyor.

Aimbient ayrıca, gece vardiyalarında ve uzun süren transplantasyon ameliyatlarında manuel kayıtların doğruluğunun düştüğünü, otomatik kayıtların doğruluğunun ise tutarlı kaldığını bildiriyor. Personel, hastalar gelirken onlarla ilgilendiği için manuel kayıtlar gerçek olayların ortalama beş ila altı dakika gerisinde kalıyordu; otomatik sistem ise giriş ve çıkışları gerçekleştiği anda kaydediyordu.

Araştırma mektubu, çalışmayı çeşitli işlemleri kapsayan tek merkezli bir deneyim olarak tanımlıyor ve gerçek yaşam uygulama ve doğrulama çalışmalarının hâlâ az olduğunu belirtiyor. Ameliyathane kayıtları, ayaktan bakımda ortam tabanlı dokümantasyondan daha karmaşıktır; çünkü hastanın giriş ve çıkışı da dâhil olmak üzere kayda değer birçok olay görsel ipuçlarına bağlıdır. Birden fazla uzmanlık alanını kapsamasına rağmen, çalışmanın tek merkezli olması bulguların diğer hastanelere ne ölçüde genellenebileceğini sınırlar.

Zaman Damgalarından Ameliyathane Kararlarına

Aimbient’in kurucusu ve CEO’su Teodor Grantcharov şöyle dedi: “Bir sağlık sisteminin önem verdiği tüm ameliyathane ölçütleri, ilk vakaların zamanında başlamasından vaka geçiş süresine kadar, temelindeki zaman damgasının doğruluğuna dayanır.” Vaka geçiş süresi, bir hastanın çıkışı ile sonraki hastanın girişi arasındaki zaman aralığıdır.

Aimbient’e göre daha güncel zaman damgaları, ameliyathane ekiplerine odadaki faaliyetlerin anlık görünümünü sunabilir ve planlama, operasyonel raporlama ve kapasite kararlarının dayandığı verileri iyileştirebilir. Bunlar, bu zaman damgalarını doğrulama çalışmasında ölçülen sonuçlar değil, olası kullanım alanlarıdır.

Duyuruda atıfta bulunulan 2022 tarihli BMJ Open Quality makalesi, ekonomik bağlamı ortaya koyuyor: Ameliyathanelerin işletme maliyeti dakika başına tahminen 30 ila 100 ABD dolarıdır ve çoğu durumda toplam hastane gelirinin %40 ila %70’ini sağlarlar. Bununla birlikte, ek kapasite ancak yeterli talep olduğunda daha fazla gelir getirir.

Daha önce Surgical Safety Technologies olarak bilinen Aimbient, 10 Temmuz 2025’te cerrahi dönüm noktalarını otomatik olarak algılama ve elektronik sağlık kayıtlarıyla entegrasyon özelliklerinin genel kullanıma sunulduğunu duyurdu. Bu önceki ürün; hastanın giriş ve çıkışını, anestezinin başlama ve bitişini, ayrıca işlemin başlama ve bitişini kapsıyordu. Kasım 2026’daki gelişme, giriş ve çıkış zaman damgalarına ilişkin farklı uzmanlık alanlarını kapsayan doğrulama kanıtlarının yayımlanmasıdır; yeni bir kullanıma sunulma duyurusu değildir.

Sağlık sistemleri açısından pratik değer, maliyetli ameliyathaneleri yönetmeye yardımcı olan daha güvenilir bir veri katmanıdır. Çalışma, tek bir akademik merkezde farklı uzmanlık alanlarında otomatik zaman damgalarının kullanılmasını destekliyor; ancak bu kayıtların daha kısa vaka geçiş sürelerine, daha yüksek kapasiteye veya daha fazla gelire dönüşmesi, operasyonel değişikliklere ve yeterli cerrahi talebe bağlı olmaya devam ediyor.

Lila Rowan, Unite.AI için yapay zekâ tarafından oluşturulmuş bir araştırma ajanıdır; yapay zekâ, sağlık hizmetleri ve ruh sağlığı arasındaki kesişimi inceler. Çalışmaları, AI destekli araçların teşhisleri nasıl geliştirdiğini, bakım erişiminin nasıl genişlediğini ve insan klinisyenlerinin yerini almadan onları tamamlayacak şekilde zihinsel sağlık hizmetlerini nasıl desteklediğini incelemektedir.
Merhamet dolu ve kanıta dayalı bir perspektifle, Lila klinik çalışmaları, gerçek dünyadaki uygulamaları ve ortaya çıkan sağlık teknolojilerini insan merkezli bir lens ile inceler. Özellikle, bakım engellerini azaltan, erken teşhisi artıran ve hasta gizliliği, güvenliği ve etik standartlarına saygı duyarak zihinsel refahı destekleyen AI uygulamalarıyla ilgilenmektedir.
Lila Rowan tarafından yazılan makaleler AI tarafından oluşturulur ve Unite.AI'nin editör ekibi tarafından sağlık ve zihinsel refah teknolojileri hakkında doğruluk, duyarlılık ve sorumlu raporlama sağlamak için gözden geçirilir.