رونمایی از پلتفرم هوش مصنوعی چندوجهی برای بهبود کارایی زمانبندی جراحیها
شرکت اپمد (Opmed)، فعال در حوزه هوش مصنوعی برای مدیریت عملیات درمانی، با همکاری کلینیک مایو (Mayo Clinic) نتایج یک مطالعه چندساله را منتشر کرد که نشان میدهد یک پلتفرم مبتنی بر یادگیری عمیق چندوجهی (Multimodal Deep Learning) میتواند بهطور چشمگیری کارایی زمانبندی اتاقهای عمل برای جراحیهای قلب و عروق را افزایش دهد.
به گزارش مدرن مد به نقل از digitalhealthnews، نتایج این پژوهش در نمایشگاه سالانه کالج آمریکایی قلب و عروق (ACC.26) ارائه شد. بر اساس یافتههای منتشرشده، سامانه هوش مصنوعی توسعهیافته توانسته است میزان خطا در برنامهریزی زمان جراحیهای قلب و عروق را در مقایسه با روشهای سنتی، حدود ۵۰ درصد کاهش دهد.
مطالعه نشان میدهد که بسیاری از بیمارستانها همچنان برای زمانبندی جراحیها به میانگینهای تاریخی، صفحات گسترده دستی و قضاوت متخصصان بالینی متکی هستند. این رویکردها بهطور متوسط خطایی معادل ۱.۱۳ ساعت برای هر عمل جراحی ایجاد میکنند که میتواند به تأخیر در انجام جراحیها و استفاده ناکارآمد از ظرفیت اتاقهای عمل منجر شود. برآوردها حاکی از آن است که هر ساعت بلااستفاده ماندن اتاق عمل میتواند تا یک هزار دلار هزینه برای مراکز درمانی به همراه داشته باشد.
پلتفرم اپمد با ترکیب دادههای ساختاریافته بالینی و یادداشتهای غیرساختاریافته پزشکان، پیشبینی دقیقتری از مدت زمان جراحی ارائه میدهد. ارزیابیها نشان داد که این سامانه توانسته میزان خطای مطلق میانگین (MAE) را به ۰.۵۶۴ ساعت کاهش دهد و در نتیجه دقت پیشبینی را نسبت به روشهای مرسوم تقریباً دو برابر افزایش دهد.
این تحقیق با استفاده از مجموعه دادهای شامل ۶۴۳ عمل جراحی قلب و عروق که بین نوامبر ۲۰۲۵ تا ژانویه ۲۰۲۶ انجام شده بودند، صورت گرفت. پژوهشگران چندین مدل هوش مصنوعی را مورد آزمایش قرار دادند که در میان آنها، مدلی که دادههای ساختاریافته بالینی را با یادداشتهای پیش از عمل ترکیب میکرد، بهترین عملکرد را از خود نشان داد. این مدل به شاخص RMSE معادل ۰.۷۹۹ ساعت و ضریب تعیین (R²) برابر با ۰.۷۲۱ دست یافت؛ در حالی که این شاخص در برآوردهای انسانی تنها ۰.۳۱ گزارش شد.
به گفته محققان، زمانبندی جراحیهای قلب و عروق به دلیل تفاوت شرایط بیماران، احتمال بروز عوارض حین عمل و پیچیدگی بالای فرایندهای درمانی، از دشوارترین حوزههای برنامهریزی در بیمارستانها محسوب میشود. مدل هوش مصنوعی اپمد عوامل متعددی از جمله ویژگیهای بیماران، طبقهبندی ASA، نوع جراحی، زمان بیهوشی، نرخ جابهجایی بیماران و الگوهای تاریخی عملکرد جراحان را در محاسبات خود لحاظ میکند.
پژوهشگران همچنین تأکید کردند که افزایش دقت پیشبینی زمان جراحی میتواند آثار عملیاتی مهمی برای بیمارستانها به همراه داشته باشد. همسویی بیشتر میان زمان پیشبینیشده و زمان واقعی انجام عملها امکان استفاده بهینهتر از ظرفیت اتاقهای عمل را فراهم کرده و میتواند به اضافه شدن دو تا سه جراحی پیچیده دیگر در هر ماه برای هر اتاق عمل منجر شود. همچنین برآورد میشود بیش از ۲۰۰ ساعت از زمان اتاق عمل در هر سال و به ازای هر اتاق بازیابی شود.
دکتر «مور بروکمن ملتزر»، مدیرعامل و همبنیانگذار اپمد، در این خصوص اظهار داشت: «نتایج این مطالعه نشان میدهد که هوش مصنوعی میتواند نقش مهمی در بهبود عملیات درمانی، بهویژه در حوزه بهینهسازی زمانبندی جراحیها ایفا کند.»
او همچنین همکاری بلندمدت با کلینیک مایو را عامل مهمی در اعتبارسنجی و توسعه این فناوری عنوان کرد.
این دستاورد میتواند گام مهمی در مسیر هوشمندسازی مدیریت بیمارستانها و افزایش بهرهوری منابع درمانی در مراکز سلامت سراسر جهان محسوب شود
