AI を使用した手術スケジューリング
今日の手術室管理ではリソースは限られ、また、多くの変数がスケジューリングを複雑なものにしています。Klinikum Stuttgart 病院では、人工知能 (AI) 技術を使用して手術室の稼働率を大幅に改善しました。安定したスケジュールにより、通常の勤務時間が守られるようになり、従業員の満足度が向上しました。[1]
Klinikum Stuttgart の手術室スケジュールにおけるAIの効果
-
39%増加：手術予定時間の精度が向上
-
30%向上：標準的な所要時間と比較した精度
-
6%向上：定時内での手術室稼働率
手術室スケジューリングの課題
手術時間の正確な見積もりは、手術室の稼働率を最適化するために不可欠な要素です。研究では、人による手術時間の見積もりには50%もの誤差が生じることが示されています。[2]
そのために、手術室のあるほとんどの病院において、手術時間を誤って見積もっています。これは、医療上の緊急事態やスタッフのリソース不足を原因とする急な変更につながります。
Klinikum Stuttgart における過去のデータから統計的に導き出された手術時間の標準値によると、AI 導入前の切開から縫合までの予定時間と実際の所要時間との差は平均19分でした。
私たちの目標は、リソースと稼働率を最適化し、スタッフの労働時間を適正化し、患者のためにスケジュールを守ることができるような方法で手術室管理を組織化することです。
機械学習による手術室スケジュール管理の改善
2012年の時点で、過去の手術記録データに基づいて手術時間を見積もることにより、精度を最大36%高めることができることが既に確認されています。[3] Klinikum Stuttgart は、手術スケジューリングの精度を高めることを目的に、2021年11月Torin 手術室マネジメントシステムで人工知能の使用を開始しました。
AIアルゴリズム[4][5]は、事前に選択した、手術時間に影響を与える客観的なデータに基づくパラメータを考慮にいれます。AI は過去の手術の予測時間と実際の所要時間を分析し、27の様々な変数と照らし合わせます。次に、変数間の依存関係を特定し、より多くのデータを利用できるようになるにつれて繰り返し精度を高めながら、患者ごとに固有の予測を生成します。
65歳以上の患者の手術に要する時間を、外科医それぞれの技能に応じてどれだけの時間を追加または減らすべきかを正確に算出する必要があります（アルゴリズムに基づくスケジュールとは対照的に、実際の手術時間に基づく予測シナリオを上図に例示しています）。
標準的な手術時間より30%高い正確性
2021年11月から 2022年5月までの間に、合計4,225件の手術が AI を使用してスケジュールされました。診療部門間での偏りはありませんが、婦人科、一般外科、眼科、泌尿器科は AI を最も頻繁に使用していました。
AI による予測は、AI を使用しない通常の予定手術時間の平均予想手術時間よりも平均30%正確でした。AI 予測の為のマスターデータは、これまでに行われたアナログ手術の実際の手術時間の75パーセンタイルから決定されました。
人によるスケジューリング（通常0.5～1時間単位で行われます）とは異なり、AI によるスケジューリングは分単位の驚くべき精度で行われました。Klinikum における最初のテストでは、外科医による予測は22分もの誤差が生じたのに対して、AI による予測の誤差はわずか1分でした。
推定手術所要時間と実際の手術所要時間を比較したグラフ。AIにより、推定所要時間の線は、理想である実際の所要時間の線に近づいています。A：AI の推定手術所要時間。B：標準的な手術所要時間。
正しくスケジュールされた手術が39%増加
AI を使用することで、より正確な手術室スケジューリング (18.4%) が可能になり、正しくスケジュールされた手術は39%増加しました。
手術時間の超過時間は平均7.3%短縮され、時間の不足に関連するスケジュールの精度は30.3%と大幅に向上しました。手術1件あたり平均して6.8分の時間短縮が可能となったため、手術室の稼働率とスタッフの満足度が全体的に大きく向上しました。
特に驚かされたのは、AI 予測を用いた最初の手術の血管外科手術の頸動脈 TEA でした。この手術で外科医は90分かかる前提で計画を立て、AI は111分かかると予測していましたが、最終的な所要時間は112分でした。
手術室の稼働率が6%向上
過去の手術記録データに基づき AI を使用することで、手術時間をより正確に予測できます。短縮された時間の蓄積は、手術室の稼働率を高め、より良いスケジュールを維持できます。
Klinikum Stuttgart には非常に優れた過去のマスターデータがあったにも関わらず、AI の精度が標準的な予測時間と比較して30%高いことは特に注目すべき点です。それほど厳密ではない計画を立てている病院においては、さらに大きな改善がみられるであろうことは十分に予想できます。
Klinikum Stuttgart における AI 機械学習
Klinikum Stuttgart では、機械学習モデルの開発にあたり数年分（50,000件以上）の手術データを使用しました。十分なデータ量を確保するため、100回以上行われた手術のみを対象にしました。入力データが変更されるたびに、手術時間は、これから行われる手術も含めて、リアルタイムに更新されました。機械学習モデルは再学習ではなく適用であるため、たとえ数百の変数がある場合でも、実際の計算はほんの一瞬で完了します。
AI 導入の結果として、Klinikum Stuttgart では、影響する変数がすべて明確に示された状態で、各患者に合わせたより正確な推定手術時間と麻酔時間を得ることができるようになりました。