Runt om i världen väntar miljontals elektiva patienter på vård. Läkare och operationspersonal är utmattade av att arbeta övertid för att möta de behov som finns. Och sjukhusen lider av begränsade ekonomiska resurser.
Men nu kan ny AI-teknik bistå med stöd till operationsprioriteringen. AI har marknadsförts som lösningen på många problem. Inom operationsplanering, där så många olika variabler försvårar planeringen, representerar AI och maskininlärning en realistisk möjlighet att eliminera ineffektivitet och prioritera operationer – så att operationssalarna på ett sjukhus kan nå största möjliga potential.
Faktum är att i aktuella försök förbättrade Torin noggrannheten i driftstidsprognoserna med upp till 34 % i genomsnitt. – Det är imponerande att se att dessa förutsägelser är möjliga med moderna maskininlärningsalgoritmer, säger Matthias Rath, Director Business och Product Line Management, operationsplanering och klinisk logistik. "Det är banbrytande och fascinerande."
Försvårande omständigheter kring operationer
Redan före de försvårande omständigheter som pandemin förde med sig var optimering av operationstiden avgörande för sjukhusverksamheten och för att skapa en mer tillfredsställande patientupplevelse. Det finns ingenting som är så upprörande för en patient som att vara förberedd inför en operation, bara för att få veta att hon eller han måste åka hem igen och komma tillbaka en annan dag på grund av planeringsproblem. Och ingenting är mer kostsamt för ett sjukhus än att en operationssal inte utnyttjas till sin fulla kapacitet.
Operationssalar är fulla av fasta kostnader. En studie från 2014 av över 300 sjukhus i Kalifornien visade att det i genomsnitt kostar 37 dollar var 60:e sekund att hålla en operationssal i drift. [1] Det motsvarar cirka 2 220 dollar i timmen. Och det är bara ett genomsnittligt medelvärde. Vissa sjukhus uppgav en kostnad på 100 dollar per minut. Kostnaderna för praktiskt taget alla medicinska tjänster har stigit sedan dess.
Tio operationer om dagen kan genomföras i en enda operationssal. Och ett stort sjukhus kan ha 20 operationssalar. Hur lång operationstiden blir påverkas av patientens ålder, vikt och allmänna hälsa. Ytterligare en faktor som påverkar tiden är att olika operationsteam tar olika lång tid på sig för en viss typ av ingrepp. Felbedömningar underbygger flödet av personal och utrustning som försöker att vara på rätt plats vid rätt tidpunkt. Allt detta innebär förlorad tid. Förlorad tid innebär förlorade intäkter – men framför allt innebär det att en annan operation kan behöva skjutas upp. Någon som har väntat länge för att må bättre måste åka hem igen och vänta ännu längre på vård.
En lösning för komplexitet
På den här nivån av komplexitet är AI-lösningar ett utmärkt verktyg. Att optimera operationsavdelningen innebär att förstå exakt hur lång tid en operation sannolikt kommer att ta samt förstå hur alla rörliga delar samspelar för att det ska kunna ske inom en viss tidsperiod, för att sedan tillgängliggöras igen för att nästa operation ska kunna genomföras på utsatt tid.
Torin gör det möjligt för operationskoordinatorerna att med hjälp av dataanalys jämföra operationer som de har planerat med operationer som redan genomförts – och förstå varför planeringen inte höll. Torin använder maskininlärning för att analysera 27 olika variabler – från en patients BMI till vad som hände senast samma typ av operation genomfördes – och jämför data från tusentals operationer för att mer exakt förutse hur länge en operation kommer att pågå.
Vi kan samla in data från 100 000 operationer, och vi kan träna algoritmen så att den kan ta hänsyn till många fler variabler än vad en människa kan hålla i huvudet. Maskininlärningen är bättre på att förutsäga operationstiderna mellan snitt och sutur. Vi har en förbättrad förutsägelse på cirka 34 % i genomsnitt för alla operationsavdelningar.
Fördelen med AI
AI kan hitta samband mellan variabler – exakt hur mycket mer operationstid bör till exempel beräknas för en patient över 65 år? Hur mycket tid bör läggas till eller dras bort för varje kirurg baserat på individuella färdigheter? Analyser visar att operationer tar mindre tid på morgonen än sent på eftermiddagen.
Eftersom den drivs av maskininlärning lär sig algoritmen att vara mer exakt varje gång nya operationer planeras och nya data skapas. När verktyget används tillsammans med andra Torin-tjänster för operationshantering innebär det mindre kaos, högre grad av förutsägbarhet och smidigare arbetsflöden. För ett sjukhus innebär det mer noggrann planering varje dag, varje vecka, varje månad och mindre tid då operationssalen inte används.
Och för de miljontals patienter som väntar på en operation innebär det att de kommer att må bättre tidigare.