Användning av AI vid operationsplanering
I dagens operationssal är resurserna begränsade och det finns många variabler som gör planeringen komplicerad. Med hjälp av artificiell intelligens (AI) kunde Klinikum Stuttgart avsevärt förbättra utnyttjandet av operationssalarna. Stabiliteten i operationsplanen ökade medarbetarnas välmående eftersom man i högre utsträckning höll sig till fasta arbetstider. [1]
Effekter av AI vid operationsplanering på Klinikum Stuttgart
-
39% högre träffsäkerhet för planerade operationer
-
30% högreträffsäkerhet med AI-stödd prediktering
-
6% förbättrat utnyttjande av operationssalen inom de tider den används som mest
Utmaningarna vid operationsplanering
Träffsäkerhet i planeringen av operationer är en av de viktigaste faktorerna för att optimera utnyttjandet av operationssalarna. Forskning har visat att predikterade operationstider kan skilja sig så mycket som 50% från reella operationstider. [2]
Det är anledningen till att de flesta sjukhus som bedriver operationsverksamhet upplever utmaningar kring felaktigt predikterade operationstider. Detta leder till ändringar med kort varsel på grund av medicinska nödsituationer eller minskade personalresurser.
Före införandet av AI-stödet var den genomsnittliga medelavvikelsen mellan uppskattad oeprationstid och reell operationstid 19 minuter – baserat på de standardvärden för operationstid som kunde härledas statistiskt utifrån historiska data som Klinikum Stuttgart hade sedan tidigare.
Vårt mål är att planera operationer på ett sådant sätt att vi banar väg för optimerat resurs- och kapacitetsutnyttjande, välreglerad arbetstid för våra medarbetare och att vårdtiden kan hållas för våra patienter.
Optimerad operationsplanering genom maskininlärning
Redan 2012 visade det sig att en uppskattning av operationstiden baserat på dokumenterade data och kontextuella data kan öka träffsäkerheten med upp till 36%. [3] På Klinikum Stuttgart började man i november 2021 använda sig av artificiell intelligens i operationsplaneringsverktyget Torin för att förbättra planeringen av operationer.
AI-algoritmen [4] [5] tar hänsyn till förvalda parametrar som påvekrar operationstider, baserat på objektiva data. AI analyserar planerade och reella tider för tidigare genomförda operationer och sätter dem i ett sammanhang med 27 olika påverkande faktorer. Den identifierar sedan beroenden mellan faktorer och skapar patientspecifika prediktioner för varje typ av ingrepp med ökad träffsäkerhet över tid när mer data blir tillgängliga.
Hur mycket tid som bör planeras för operation på en patient över 65 år eller hur mycket tid som bör läggas till eller dras ifrån för varje kirurg utifrån individuella färdigheter (prediktionsscenarier baserade på den reella operationstiden jämfört med algoritmbaserad prediktering visas i figuren ovan).
30% högre träffsäkerhet vid användning av AI-stöd
Totalt planerades 4 225 operationer med hjälp av AI mellan november 2021 och maj 2022. AI-stödet användes i liknande utsträckning mellan avdelningarna, med störst användning inom gynekologi, allmänkirurgi, oftalmologi och urologi.
I genomsnitt är träffsäkerheten för operationstider 30% högre vid användning av AI, jämfört med historiska data. Den historiska datan fastställdes utifrån 75%-percentilen av de reella operationstiderna för de operationer som dittills genomförts före införandet av AI-stödet.
Till skillnad från planering utan AI-stöd (som normalt görs i tidsenheter på 0,5–1 timme), sker planering med AI-stöd inom några minuter och med anmärkningsvärt hög träffsäkerhet. Första gången Klinikum använde AI-stödet förbättrades träffsäkerhetens felmarginal till under 1 minut– jämfört med kirurgens prediktion, där felmarginalen var hela 22 minuter.
Diagram över planerad operationstid jämfört med reell operationstid. Värdena för uppskattad tid jämfört med reell tid var närmare mållinjen med AI-stödet användes. A: Uppskattad operationstid med AI B: Uppskattad operationstid utan AI
39% högre träffsäkerhet för planerade operationer
Användningen av AI gav en mer träffsäker operationsplanering (18,4%), vilket innebar att 39% fler operationer kunde planeras korrekt.
Operationer med övertid kunde kortas ner med 7,3% i genomsnitt och träffsäkerheten avseende operationer med för kort beräknad operationstid förbättrades med hela 30,3%. I genomsnitt kunde 6,8 minuter sparas in per operation, vilket gav en avsevärd ökning av operationssalarnas totala utnyttjandegrad och bidrog till ökat välmående hos personalen.
Vi blev särskilt överraskade över den allra första operationen som planerades med hjälp av AI-prediktion – det gällde en karotis-TEA (trombendartärektomi). Denna planerades av kirurgen att ta 90 minuter, medan AI-modellen uppskattade att det skulle ta 111 minuter – operationen genomfördes slutligen på 112 minuter.
Utnyttjandegraden av operationssalarna förbättrades med 6%
AI baserat på historisk kontextdata underlättar vid prediktering av operationstid Tack vare tidsbesparingarna vid varje korrekt planerad operation kan operationssalarna utnyttjas bättre och operationsplanen kan hållas i högre utsträckning.
Ökningen med 30% träffsäkerhet i prediktering av operationstider med det nya AI-stödet är särskilt anmärkningsvärd eftersom Klinikum Stuttgart hade mycket god träffsäkerhet redan från början – vilket kan innebära att sjukhus med fler planeringssvårigheter kommer att ha ännu större nytta av tekniken.
AI och maskininlärning vid Klinikum Stuttgart
Under utvecklingen av maskininlärningsmodellen använde sig Klinikum Stuttgart av historiska data från flera år (> 50 000 operationer). Endast sådana operationer som genomförts mer än 100 gånger inkluderades för att garantera tillräcklig mängd data. När indata ändrades uppdaterades operationstiden för varje enskild operation i realtid– det omfattade även planerade operationer som ännu inte hade genomförts. De faktiska uträkningarna skedde på bråkdelen av en sekund, även med hundratals faktorer, eftersom maskininlärningsmodellen tillämpades istället för att tränas på nytt.
Det nya AI-stödet gav Klinikum Stuttgart ökad träffsäkerhet vid planering av operationstider och patient-anpassade anestesitider, samtidigt som alla påverkande faktorer kunde överskådas på ett tydligt sätt.