The Pulse
Aimbient zufolge fand eine von Stanford geleitete Studie keinen signifikanten Unterschied zwischen KI-generierten und manuell erfassten OP-Zeitstempeln
Eine von Stanford geleitete Studie verglich KI-generierte Zeitstempel für den Eintritt in den und den Austritt aus dem OP-Saal mit manuell erfassten Zeitstempeln. Ein früherer Forschungsabstract aus Stanford berichtete detaillierte Genauigkeitsergebnisse aus einer kürzeren Evaluation.

Ein KI-System erfasste Zeitstempel für den Eintritt in den und den Austritt aus dem OP-Saal. Dabei gab es bei sieben chirurgischen Fachbereichen keinen statistisch signifikanten Genauigkeitsunterschied zu manuellen Aufzeichnungen, wie der Hersteller Aimbient mitteilte. Das Unternehmen erklärte, die unabhängige Studie sei von Forschenden der Stanford Medicine geleitet und in JAMA Surgery veröffentlicht worden.
Im Test ging es darum, wann Patienten einen Raum betraten und verließen, nicht um die vollständige Operationsdokumentation. Aimbient zufolge überprüften die Forschenden sowohl die automatisierten als auch die manuellen Zeitstempel anhand einer verblindeten menschlichen Auswertung von Videos.
Test von Zeitstempeln
Die achtmonatige Studie lief kontinuierlich in 14 OP-Sälen und einem Eingriffsraum des Stanford Health Care. Das System nutzte Computer Vision, um in Echtzeit den Eintritt und Austritt von Patienten zu erkennen.
Die Forschenden verglichen diese Erkennungen mit den von Beschäftigten eingetragenen Zeitstempeln und nutzten die Videoauswertung als Referenz. Die Studie umfasste laut dem Unternehmen alle Operationen, die in den Untersuchungsräumen durchgeführt wurden, darunter allgemeine, Gefäß-, Transplantations-, urologische, gynäkologische und orthopädische Chirurgie.
Aimbient zufolge nahm die Genauigkeit der menschlichen Erfassung während Nachtschichten und langer Transplantationsoperationen ab, während das automatisierte System gegenüber Ermüdung bei der Dokumentation robust blieb. Dass im Gesamtvergleich kein statistisch signifikanter Unterschied festgestellt wurde, belegt für sich genommen nicht, dass die Methoden identisch waren.
Frühere Ergebnisse aus Stanford
Ein separater Forschungsabstract aus Stanford von Erstautorin Chloe Nobuhara und Kollegen beschrieb eine kürzere Evaluation derselben Art automatisierter Zeitstempelerfassung. Darin wurden 7.636 Fälle aus einem Zeitraum von drei Monaten an einem akademischen medizinischen Zentrum analysiert. Manuelle Aufzeichnungen, Zeitstempel aus der Computer Vision und Metadaten aus der elektronischen Patientenakte wurden für 290 Fälle mit menschlichen Videoannotationen verglichen.
In dieser Evaluation maß der mittlere absolute Fehler die durchschnittliche Abweichung zwischen einem Zeitstempel und der entsprechenden Videoannotation. Für den Eintritt von Patienten berichtete der Abstract Fehler von 26,8 Sekunden bei der Computer Vision und 24,6 Sekunden bei den manuellen Aufzeichnungen; der p-Wert lag bei 0,71. Beim Austritt betrugen die entsprechenden Fehler 27,3 Sekunden und 23,0 Sekunden; der p-Wert lag bei 0,07.
Die Autoren berichteten außerdem von Verzögerungen zwischen den Ereignissen und ihrer manuellen Dokumentation: 6,0 Minuten beim Eintritt und 5,2 Minuten beim Austritt. In dieser Evaluation nahm die Genauigkeit der manuellen Zeitstempel während Nachtschichten und bei Transplantationsoperationen ab.
Dokumentation und Einsatz
Der frühere Abstract schätzte, dass die Automatisierung dieser Zeitstempeldokumentation den Aufwand für die Aufgabe um rund 2.170 Klicks und 1,8 Pflegestunden pro Raum und Jahr verringern würde. Diese Zahlen waren eine Schätzung der möglichen Einsparung und keine im Abstract ausgewiesene gemessene Einsparung.
Erstautorin Nobuhara, Assistenzärztin für Allgemeinchirurgie an der Stanford Medicine, sagte, die Arbeit zeige, dass Computer Vision Daten aus einer OP-Umgebung erfassen könne. Das Unternehmen erklärte, sein System erfasse die Zeitstempel jeweils beim Eintreten der Ereignisse und zeitnahere Aufzeichnungen könnten die Planung, die betriebliche Berichterstattung und Kapazitätsentscheidungen unterstützen.
Aimbient hieß früher Surgical Safety Technologies. Das Unternehmen gibt an, dass seine umfassendere Plattform in 650 chirurgischen und prozeduralen Räumen eingesetzt wird und Tools für die Prognose von Zeitplänen, die Echtzeitverfolgung und die Leistungsbewertung umfasst.
Quellen
- Originalquelle · Pressemitteilung Aimbient prnewswire.com
Weitere gelesene Seiten
- Stanford Medicine med.stanford.edu
Verwandte Meldungen
- MIT-Studie bringt Strombedarf von Rechenzentren mit Todesfällen in großer Entfernung in Verbindung
- Adecco-Umfrage bringt KI-gestützte Neugestaltung der Arbeit mit höheren angegebenen Zeitersparnissen in Verbindung
- AWS berichtet über Ergebnisse zum vollständigen Fine-Tuning für SageMaker serverless
- China Telecom gibt Einzelheiten zum Training von Xing 4 mit 8.192 Ascend-Chips bekannt
- Google plant für 2029 den Start von KI-Satelliten durch Blue Origin