Region wählen
Absenden

Mit künstlicher Intelligenz OP-Säle besser auslasten

Themen
Digitalisierung
Operationssaal
Innovation
Torin-OR-Management-Artificial-Intelligence
Themen
Digitalisierung
Operationssaal
Innovation
Abonnieren Sie die neusten Nachrichten

Entscheiden Sie, was Sie lesen möchten – und bleiben Sie informiert!

Optimierung des OP-Managements: Wie KI den Alltag in OP und Klinik verbessert

Aufnahmestopp, Wartezeiten, OP-Verschiebungen, Überlastungen – das sind die aktuellen Schlagzeilen, die die angespannte Lage in deutschen Kliniken widerspiegeln. Unter der Situation leiden alle: Klinikmitarbeiter, Patienten und die medizinische Versorgungslandschaft im Allgemeinen. Doch wo kann eine Klinik ansetzen, wenn sie schnell und effizient Kosten sparen, Mitarbeiter zufrieden stellen und die Versorgungsqualität verbessern möchte?

Genau vorhergesagte Operationszeiten: Ein entscheidender Schritt zur Optimierung des OPs

In der Klinik stellt der OP den kostenintensivsten Bereich dar. Er bildet den Kern der chirurgischen klinischen Arbeit und Patientenversorgung. Folglich setzen Kliniken beim OP-Management an, um dem herausfordernden Kostendruck zu begegnen und die Patientenversorgung zu optimieren.

Bei der Optimierung des OP-Managements bildet eine präzise vorhergesagte OP-Dauer den Dreh- und Angelpunkt. In der Praxis werden diese aber häufig zu lang oder zu kurz geschätzt. Dies ist ein generelles Problem, von dem die meisten Krankenhäuser betroffen sind. Überstunden, Unterauslastung und schlechte Einhaltung der Zeitpläne sind die Folge. Das macht nicht nur Patienten unzufrieden, sondern auch die Mitarbeiter.

Als umfassende OP-Management-Lösung optimiert Getinges OP-Management Software Torin die OP-Planung. Die OP-Dauern werden hier mithilfe künstlicher Intelligenz (KI) vorhergesagt. Doch was kann ein KI-Algorithmus besser vorhersagen als ein erfahrener Chirurg? Ein Vergleich von Schätzungen der OP-Dauer durch Operateure und durch Data-Mining-Algorithmen hat gezeigt, dass die Verwendung einer KI-basierten Technologie, wie sie auch von Torin genutzt wird, zu präzisieren Vorhersagen führt und die Genauigkeit des OP-Plans um 36% erhöht.1 In diesem Vergleich konnten chirurgische Eingriffe um 4,95 Minuten verkürzt werden. Was pro Operation ein zunächst geringer Wert zu sein scheint, bedeutet hochgerechnet für die Dauer eines Jahres 10.837 Minuten mehr Zeit, in der 343 zusätzliche Operationen durchgeführt werden könnten.1

Wie funktioniert künstliche Intelligenz bei Torin?

Die Vorhersage von OP-Zeiten mit KI ist bei Torin bis zu 40%[1] präziser als menschliche Planungen. Ein Blick hinter die KI verrät, dass die Software maschinell lernt, um die Dauer einer Operation genauer vorherzusagen. Dazu werden bis zu 27 verschiedene Variablen und ihre Abhängigkeiten zueinander aus über 100.000 Operationen analysiert. Diese Daten werden miteinander verglichen und dem Algorithmus angepasst. Zu den Variablen gehören u.a. der Body-Mass-Index der Patienten, die Zeitspanne zwischen Schnitt und Naht oder andere Ereignisse vergangener chirurgischer Eingriffe. Der so trainierte Algorithmus ist dabei in der Lage, weit mehr Daten zu verarbeiten, als dies dem menschlichen Gehirn möglich ist. Werden Eingangsdaten geändert, aktualisieren sich die OP-Zeiten individuell in Echtzeit. Dadurch erhält man genaue und Patienten-individuelle OP-Zeiten.

Klinikum Stuttgart: Steigerung der Saalauslastung um 6 %

Wie hoch der positive Effekt durch die Vorhersage von Operationszeiten mithilfe künstlicher Intelligenz ist, zeigt eine retrospektive Analyse des Klinikums Stuttgart der letzten beiden, von der Corona-Pandemie stark beeinflussten, Jahre: Corona führte zu einer reduzierten OP-Kapazität. Durch die Anwendung von Torin konnte jedoch die Saalauslastung innerhalb der Kernbetriebszeit im 1. Halbjahr 2022 im Vergleich zum 1. Halbjahr 2020 um durchschnittlich 6 % gesteigert werden. Dabei waren die Zeitgewinne mit nur wenigen Minuten scheinbar marginal, ermöglichten aber nicht geplante OPs von Dauer einer halben bis vollen Stunde. Die bessere Einhaltung der Regelarbeitszeiten wirkte sich auch positiv auf die Mitarbeiterzufriedenheit aus. In Zeiten des Fachkräftemangels können Kliniken von diesem so geschaffenen positiven Arbeitsumfeld profitieren. PatientInnen profitieren von einer höheren Planungssicherheit mit weniger abgesagten und verschobenen Operationen.

Torin kann noch viel mehr

Die OP-Management-Lösung übernimmt die gesamte Planung und Koordination von Operationssälen, Patienten, Personal und Ressourcen sowie die digitale Dokumentation von OP-Prozessen. Ein in Echtzeit und im Falle von Notfällen, Ausfällen und Verzögerungen schnell anpassbarer Operationsplan, bei dem Konflikte automatisch erkannt werden, oder in Echtzeit visualisierte Kennzahlen zur Leistungsanalyse sind nur einige der hilfreichen Features. Am Klinikum Stuttgart konnten die Prozesse im und um den OP gestrafft und harmonisiert, Wartezeiten verkürzt, Engpässe leichter beseitigt und die Kommunikation im Team verbessert werden. Schon innerhalb eines Jahres nach Einführung von Torin in 2017 konnten 90% der Operationen pünktlich abgeschlossen werden. Die OP-Kapazität konnte mit rund 2.000 zusätzlichen chirurgischen Eingriffen um 3,4% erhöht und damit der Gewinn um 4% gesteigert werden.

Digitalisierungsstrategie für Kliniken: Von der Förderung durch das KHZG profitieren

Nicht erst seit dem Krankenhauszukunftsgesetz (KHZG) der Bundesregierung ist klar, dass die Digitalisierung auch in das deutsche Klinikwesen Einzug erhalten muss. Gelingen kann dies durch ein OP-Management, das sich auf die Prozessmessung mit Hilfe der Informationstechnologie und die Rückkopplung durch moderne Qualitätsmanagementinstrumente konzentriert.2 Denn um der Komplexität der chirurgischen Abläufe gerecht zu werden, ermöglichen Vorhersagen mit modernen Machine-Learning-Algorithmen wie der KI-gestützten Software Torin die Optimierung des OP-Managements.

Um anstehende Digitalisierungsprojekte zu unterstützen und dazu beizutragen, dass Kliniken in Deutschland zukunftsfähig werden, ist Torin gemäß KHZG förderfähig.

1 Gomes, C. et al. ADMA 2012. Lecture Notes in Computer Science(), vol 7713. https://doi.org/10.1007/978-3-642-35527-1_49

2 Geldner, G. et al. Anaesthesist 51, 760–767 (2002). https://doi.org/10.1007/s00101-002-0362-1

[1] Basierend auf internen Studien mit einem Pilotkunden