Houston Methodist’te Ambient AI ile İlişkili Daha Fazla Ameliyatlar Yapıldığına Dair Peer-Reviewed Çalışmalar

Houston Methodist araştırmacıları, ameliyathane odasında ambient AI ile ilişkili ölçülebilir bir şekilde ameliyat vaka sayısında artış olduğunu gösteren ilk peer-reviewed kanıtları yayınladılar: Apella’nın bilgisayar görüşlü platformunu dağıtan bir yüksek aciliyetli kardiyotorasik suitte yaklaşık %7’lik bir artış, yani her ay yaklaşık 25 ek vaka. Çalışma, 27 Haziran 2026’da Görüntüleme Dergisi‘nde yayımlandı ve sistemlerin bayrak gemisi hastanesindeki 16 ay boyunca izlenen 5.417 ameliyat vakasını kapsıyor.

İkinci peer-reviewed çalışma, Perioperatif Bakım ve Ameliyathane Yönetimi dergisinde yayımlandı ve altı Houston Methodist hastanesinde farklı bir mekanizmayı inceledi: muhtemelen yanlış planlanan vakaları işaretleyen bir tahmin aracı. İşaretlenen vakalar için planlama doğruluğu %40 (mutlak hata 57,4 dakikadan 34,2 dakikaya düştü) ve geç biten OR günleri %46 puan azaldı, vaka sayısında hiçbir azalma olmadan, Apella’nın 5 Ağustos 2026 açıklamasına göre.

Hacim bulgusu, nasıl üretildiği nedeniyle önemlidir. Çoğu satıcı verimlilik iddiaları, teknolojinin etkisini hastane sistemindeki her şeyden ayıramayan önce ve sonra karşılaştırmalarına dayanır. Houston Methodist ekibi bunun yerine, ekonomiden bir yarı-deneysel yöntem olan sentetik kontrolü ve farklılıkların farklılıklarını kullandı: 11 diğer Houston Methodist sitesinden ağırlıklı bir karşılaştırma oluşturdular. platformu dağıtmayan, toplam 116.098 karşılaştırma vakası ve müdahale suitini ona karşı ölçtü. Sonuç, yaklaşık 25 vaka (95% CI 8,3 ila 41,0) ayda istatistiksel olarak anlamlı bir artıştı ve bu, odalar, personel veya saatler eklenmeden elde edildi.

“Ameliyatta AI’nin etkisi hakkında yapılan iddialar genellikle şüpheyle karşılanır ve anlaşılır bir şekilde,” dedi Roberta Schwartz, Houston Methodist’in baş inovasyon görevlisi ve makalenin kıdemli yazarı. “Bu nedenle, bu çalışmaya aynı titizlikle yaklaştık. bağımsız peer inceleme ve neden-sonuç ilişkisini göstermek için tasarlanmış bir metodoloji kullandık, yalnızca korelasyon değil.”

Kameraların Gerçekten Ölçtüğü Şey

Makalede bahsedilen görüntü tabanlı AI, dört oda başına dört duvar monte kameradan oluşur ve bir YOLO tabanlı nesne algılama modeli ile bir transformer tabanlı olay algılayıcısı birleştirir. Hastaları, temizlenmemiş ve temizlenmemiş personeli, örtü durumunu ve ekipmanı tanımlar, ardından bu algılamaları zaman damgalı perioperatif olaylara dönüştürür: hasta girişi, örtme, devir, tekerlekleri dışarı çıkarma. Eğitim veri kümesi, 315 ameliyathane odasında 137.517 ameliyatı kapsıyordu.

Bu ayrıntı, suitin ameliyat gününü, EHR’nin asla yakalayamadığı aşamalara bölmelerine izin verdi. Platform, “Hasta Örtüldü” olayını “Anestezi Hazır” ve “Vaka Başlangıç” arasında ekledi, böylece bir opak bloğu iki ölçülebilir parçaya dönüştürdü. Canlı paneller tüm 15 odayı kapsayan vaka ilerlemesini ve预测 edilen süreyi gösterdi ve otomatik metin uyarıları cerrahlara, hasta örtüldüğünde veya bir sonraki vakalarının yaklaşmakta olduğunda haber verdi.

Dağıtım, IRB tarafından belirlenen bir kalite iyileştirme çerçevesi altında çalıştı, hasta onayı genel onay belgelerine dahil edildi, video en fazla 30 gün ve ses 7 gün boyunca tutuldu ve intraoperatif kayıtlara erişimi üç atanmış role sınırlandı.

Kanitlerin Kenarları Nerede

Makalenin kendi sınırlamalar bölümü, hacim bulgusuna ilişkin birkaç kısıtlamayı tanımlar. Müdahale, sadece yazılım değildi, bir paketti: platform artı OR yönetimi ile devir zamanı incelemeleri, ev işleri ve anestezi iş akışı incelemeleri ve cerrah bildirim protokolleri. Yazarlar, “gözlemlenen kazanımların ayrı ayrı birine veya diğerine ayrı ayrı atfedilemeyeceğini” açıkça belirtiyorlar.

İstatistiksel resim de başlıktan daha dar. İç mekan permütasyon testi (yöntemin şansa karşı kendi kontrolü) 0,182’lik bir empirik p-değerini geri verdi, yönü tutarlı ancak geleneksel anlamlılıktan kısa. İkincil sonuçlar, planlanmamış fazla mesai dahil, anlamlılığa ulaşmadı ve toplam operatif dakika duyarlılık analizi de anlamlı değildi, bu da kazancın daha fazla vaka başına OR zamanı olarak değil, daha fazla toplam operasyon süresi olarak geldiği anlamına geliyordu. Yazarlar, etkiyi “nedeniyle değil, ile ilişkili” olarak yorumluyorlar.

Açıklamalar her iki yöne de keser. Houston Methodist Hastanesi, Apella’da azınlık hissesine sahiptir ve şirketin Ocak 2026’da Seri B turuna katıldı. Bir Apella çalışanı, toplu aylık verilerden orijinal analizleri gerçekleştirdi – hasta seviyesindeki kayıtlara erişimi yoktu – ve bir Houston Methodist analisti bunları bağımsız olarak yeniden üretti. Apella, çalışmayı finanse etmedi ve tasarımı veya yayımlanma kararında hiçbir rolü yoktu, makalenin çıkar çatışması beyanına göre. Sistem şimdi sağlık sisteminin 200’den fazla ameliyathane odasında çalışıyor.

Sonraki Neyin Olacağı

Yazarlar, bir araştırma gündemi belirliyor: Houston Methodist hastanelerinin tamamında ve diğer cerrahi uzmanlıklarda sistem genelinde bir değerlendirme, cardiothoracic kazanımların genelleştirip genelleştirmediğini test etmek; devir zamanı ve ilk vaka zamanında başlangıç olarak formal bir değerlendirme; ve 2024 konferans bulgusunun peer-reviewed bir şekilde yeniden üretilmesi, bilgisayar görüşünün OR olaylarını manuel belgelendirmeye göre daha tutarlı bir şekilde izlediğini gösteriyor. Klinik ortamlardaki ambient AI dağıtımları genellikle belgeleme yükü açısından değerlendirildi (ambient dinleme araçları şimdi hemşirelik iş akışlarına ulaşıyor) ve Houston Methodist’in çalışma çifti, ameliyathane varyantı üzerine bir erken girişim.

Hastane yöneticilerinin arkasında ince kanıtlarla AI satışlarına maruz kaldığı bir sektörde, daha dayanıklı katkı, metodolojik olabilir: bir sağlık sistemi, bir satıcının platformunu kendi koşullarında, kendi kontrol sitelerine karşı test ediyor ve kenarları sonuçla birlikte yayınlıyor.