《Journal of Imaging》：Implementation of Image-Based Artificial Intelligence Is Associated with Increased Case Volume in a High-Acuity, 15-Room Cardiothoracic Operating Suite at a Tertiary Academic Hospital
编辑推荐：
背景：手术室产生大量视觉数据，但很少被系统性地采集。基于图像的人工智能（Image-Based Artificial Intelligence, IBAI）系统利用计算机视觉（Computer Vision）为术中实时工作流监测提供新途径，但其对手术量的影响证
背景：手术室产生大量视觉数据，但很少被系统性地采集。基于图像的人工智能（Image-Based Artificial Intelligence, IBAI）系统利用计算机视觉（Computer Vision）为术中实时工作流监测提供新途径，但其对手术量的影响证据尚有限。本研究旨在评估IBAI系统部署与高急症心胸外科手术室月度手术量之间的关联，采用合成控制法（Synthetic Control Method）结合双重差分估计（Difference-in-Differences Estimation）。方法：研究人员在Houston Methodist医院（Houston Methodist Hospital, HMH）——Houston Methodist医疗系统所属三级学术医院——的15间心胸外科手术室内部署了IBAI系统，该系统配备壁挂式摄像头及基于YOLO（You Only Look Once）的目标检测模型，并耦合基于Transformer的事件检测器。部署在机构审查委员会（Institutional Review Board, IRB）确定的质量改进框架下进行，患者同意环境视频采集，设定了明确的保留期限，并限制了对录像的访问。在跨越部署前6个月和部署后10个月的16个月期间，该系统监测了5417例手术，并自动检测了额外的围手术期事件，包括患者进入、铺单及房间周转。采用合成控制法，研究人员将干预点位的部署后结局与从11个尚未实施IBAI的Houston Methodist点位抽取的加权组合进行比较（比较点位共116,098例手术；完整分析数据集共121,515例手术）。结果：合成控制分析结合双重差分估计显示，月度手术量显著增加约25例（95% CI 8.3至41.0；p < 0.01；Bonferroni校正后p < 0.05），相当于相对于基线月度手术量增加7%。结论：研究结果表明IBAI能够显著改善手术室（Operating Room, OR）效率并支持数据驱动的围手术期管理。未来研究应评估手术量获益是否可推广至其他外科专科，评估周转时间、首台准时开台等运营结局的变化，并考察临床医生对IBAI的认知。
## 研究背景与问题提出
COVID-19大流行高峰期，全球择期手术量显著下降，引发了关于恢复期手术积压的担忧。尽管部分研究表明手术量已反弹至疫情前水平，但这种趋势在不同专科、医疗场景及地理区域间存在差异。因此，医疗系统亟需最大化手术室（Operating Room, OR）容量以防止手术延误及相关不良临床结局。既往提升手术室效率的努力主要集中于识别导致瓶颈的特定围手术期事件，如采用精益六西格玛（Lean Six Sigma, LSS）方法论进行流程改进，但此类方法多依赖回顾性数据收集和人工观察，无法实时应对手术室间的差异，且需要大量人力投入和持续的机构承诺，改进幅度通常较为有限。更重要的是，目前仍缺乏对整个手术过程进行标准化分类和分割的标准方法。人工智能（Artificial Intelligence, AI），特别是计算机视觉（Computer Vision）领域的进展，为通过自动化、连续化、标准化捕获围手术期事件提供了可能。基于图像的人工智能（Image-Based Intelligence, IBAI）系统可应用于手术室实时视频流，识别和追踪患者、工作人员及设备，自动检测围手术期事件。然而，现有IBAI文献主要集中于事件检测算法的技术性能及法律伦理问题，IBAI部署能否转化为可测量的手术室单元层面运营改善，尤其是手术量方面，尚未得到充分表征。本研究在三级学术医院15间手术室的心胸外科suite中实施IBAI平台，并对其运营影响进行为期10个月的观察性评估，旨在填补这一空白。
研究人员开展了三项创新性扩展：评估运营结局而非算法检测准确性；采用准实验设计即合成控制法（Synthetic Control）结合双重差分估计（Difference-in-Differences Estimation），构建数据驱动的反事实估计；在高急症、复杂手术环境中评估IBAI，补充既往在门诊和骨科等较高容量场景中的研究。
## 关键技术方法
本研究采用合成控制法结合双重差分估计作为核心分析方法。合成控制法通过将未实施IBAI的11个Houston Methodist医院点位的历史结局进行加权组合，构建干预点位在假设未实施IBAI情况下的反事实情景，权重限制为非负且总和为一，以匹配干预点位部署前的结局趋势。研究人员同时估计原始手术计数和对数转换手术计数两种模型规格，使用Python scpi_pkg包估计合成控制权重，并通过置换检验（Placebo Test）评估统计显著性。双重差分模型则以线性回归形式估计IBAI对各项结局的处理效应，模型包含Houston Methodist医院indicator、与部署后时期交互的indicator，以及相对于IBAI启动的各月份indicator。研究数据来源为Houston Methodist电子健康档案系统，最终分析数据集涵盖12个点位共121,515例手术。
## 研究结果
**IBAI部署与手术量分析**：合成控制分析显示，IBAI部署后Houston Methodist医院Walter Tower的月度手术量相对于合成控制组增加约7%，相当于每月约25例额外手术（95% CI 8.3至41.0；p < 0.01；Bonferroni校正后p < 0.05）。置换检验中，Walter Tower在11个单位中具有第二大的部署后预测误差比，方向与双重差分估计一致。
**次要结局分析**：中位延迟开台分钟数每例减少2.7分钟（未校正p = 0.092），但该结果未通过Bonferroni多重比较校正（校正后p = 0.551），应视为探索性发现。计划外加班时长每房间及开放手术室数量虽呈有利趋势，但在10个月随访期内未达统计学显著性。
**补充分析**：为排除手术类型向短程操作偏移的影响，研究人员进行了三项额外分析。Houston Methodist医院Walter Tower的平均手术时长从部署前的259.0分钟（标准差144.6）适度降至245.7分钟（标准差141.8），中位时长从221.0降至208.0分钟。手术组成保持稳定，心胸外科、凡是外科常提及的专科及胸外科服务线占比从86%微升至87%，最常见术式及其排序几乎不变。以总手术分钟数为病例组合不敏感结局的敏感性分析显示，双重差分估计无统计学显著性（每月-1715分钟；95% CI -8122至4692；p = 0.575），表明手术量增加发生在稳定的病例组合和大致恒定的总手术时间内，与单位手术室时间内完成更多手术一致。
**模型稳健性检验**：原始和对数转换两种规格的结果一致性增强了发现的可信度。所有六项结局的部署前gap均无统计学显著的线性趋势，支持平行趋势假设。主要结局的部署前拟合优度良好（月度手术量均方根预测误差RMSPE为3.341例）。
## 讨论与研究结论
本研究为首个采用合成控制法证明IBAI实施与手术量增加关联的研究。合成控制分析提供了可估计IBAI归因增长比例的数据，避免了简单前后比较无法解释时间趋势的问题。合成控制组在IBAI启动前 closely跟踪Houston Methodist医院Walter Tower，表明其提供了合理的反事实估计。
IBAI通过提供精细化运营数据，使医师和行政领导能够针对性解决低效问题并提升手术量。具体而言，周转时间和周转视频被用于与手术室管理团队的回顾；保洁和感染控制管理团队探索了在提升质量的同时提高效率的路径；麻醉时间信息提供给麻醉领导以处理诱导和术后在室时间的异常值。系统具有多项支持功能：将手术过程分割为离散的、可测量的事件；通过实时手术室日程可视化使工作人员识别提前完成或取消病例产生的可用时间；自动短信通知告知外科医生铺单完成或下一台手术临近，减少因外科医生不可用导致的延误。
实施过程中的利益相关者参与和透明治理政策对成功采纳至关重要。初期工作人员对环境视频采集的疑虑随准确客观数据的显现而消减，因所获信息不受人工录入误差或回忆偏倚影响而被视为可信。
研究局限性包括：效应归因于IBAI存在挑战，因研究期间存在医师流动和房间分配变化，且干预实为IBAI平台与配套运营及变革管理活动的捆绑；缺乏比较点位的系统性协同干预数据；10个月随访期可能不足以检测加班等次要结局变化；6个月部署前窗口相对较短，且部分月份与系统安装培训期重叠，可能对估计效应幅度产生衰减。敏感性分析将部署前窗口限缩至安装前的三个月，效应方向保持积极，但幅度和显著性受模型规格影响。
**研究结论如下**：在高急症心胸外科手术室内实施IBAI系统与月度手术量增加7%相关，基于合成控制分析。据研究人员所知，这是首个采用合成控制法评估IBAI运营影响的研究，较简单前后比较提供了更为严谨的效应估计。这些发现表明，捕获精细化围手术期事件并通过实时可视化仪表板呈现的计算机视觉系统能够显著改善手术室效率。在医疗系统寻求解决手术积压和优化有限手术室容量之际，IBAI代表了数据驱动工作流管理的有前景工具，其潜在获益可延伸至手术安排和准时开台表现。
