L’IA au service de la planification chirurgicale
Dans la gestion actuelle des blocs opératoires, les ressources sont limitées et de nombreuses variables compliquent la planification. Grâce à l’intelligence artificielle (IA), la clinique de Stuttgart a considérablement amélioré l’utilisation des blocs opératoires. La stabilité du calendrier a amélioré la satisfaction des employés, car les heures de travail étaient aussi mieux respectées. [1]
Impacts de l’IA sur la planification du bloc opératoire à la clinique de Stuttgart
-
Augmentation de 39 % des interventions chirurgicales correctement planifiées
-
Amélioration de 30 % de la précision du temps d'intervention estimé
-
Amélioration de 6 % de l’utilisation des salles dans le temps de fonctionnement de base
Les défis liés à la planification des blocs opératoires
L’estimation précise du temps d’opération est l’un des facteurs les plus importants pour optimiser l’utilisation du bloc opératoire. Des recherches ont montré que les estimations subjectives des interventions chirurgicales peuvent être erronées de 50 %. [2]
C’est la raison pour laquelle la plupart des hôpitaux dotés d’unités chirurgicales peuvent avoir des durées d’opération mal estimées. Cela conduit à des changements à court terme en raison d’urgences médicales ou de ressources en personnel réduites.
L’écart moyen entre le temps prévu pour l’incision et la suture et le temps réel avant l’introduction de l’IA était de 19 minutes, ce qui s’explique par le fait que la clinique de Stuttgart disposait déjà de valeurs standard pour la durée de l’intervention chirurgicale, tirées statistiquement des données historiques.
Notre objectif est d’organiser les interventions chirurgicales afin de permettre une utilisation optimale des ressources et des capacités, des horaires de travail bien planifiés pour notre personnel et le respect des horaires pour nos patients.
Une meilleure gestion des blocs opératoires grâce à la fonction d’apprentissage automatique
En 2012, il a déjà été démontré que l’estimation du temps opératoire basée sur des données documentées et des données contextuelles pouvait augmenter la précision jusqu’à 36 %. [3] Afin d’améliorer la précision de la planification des procédures chirurgicales, la clinique de Stuttgart a commencé à utiliser l’intelligence artificielle de la solution de gestion des blocs opératoires Torin en novembre 2021.
L’algorithme d’IA [4] [5] prend en compte des paramètres présélectionnés qui influencent les temps de chirurgie, sur la base de données objectives. L’IA analyse les temps estimés et réels des interventions chirurgicales précédentes et les replace dans leur contexte à l’aide de 27 variables différentes. Il repère ensuite les dépendances entre les variables et génère des prévisions spécifiques au patient pour chaque type d’intervention, avec une précision croissante au fil du temps, à mesure que les données deviennent disponibles.
L'algorithme permet de déterminer avec précision quel est le temps nécessaire pour l'opération d'un patient de plus de 65 ans ou combien de temps doit être ajouté ou soustrait pour chaque chirurgien selon ses compétences individuelles pour ce type d'opération (les scénarios de prédiction basés sur la durée réelle de l’opération par opposition à la planification basée sur un algorithme sont illustrés dans la figure ci-dessus).
Amélioration de 30 % de la précision par rapport à la durée d’une intervention chirurgicale classique
Au total, 4 225 interventions chirurgicales ont été programmées à l’aide de l’IA entre novembre 2021 et mai 2022. L’utilisation était correctement répartie entre les services, mais les services de gynécologie, chirurgie générale, ophtalmologie et urologie étaient les principaux utilisateurs de l’IA.
En moyenne, les prévisions de durée de l’IA sont 30 % plus précises que la durée moyenne estimée de l’intervention chirurgicale stockée dans la base de données. Ces premières données sont déterminées à partir du percentile de 75 % des durées d’intervention réelles des procédures analogues effectuées à ce jour.
Contrairement à la planification manuelle (qui s’effectue généralement en 30 minutes à 1 heure), l’IA planifie en moins d'une minute, avec une précision exceptionnelle. La première fois que la clinique l’a testée, l’IA s’est trompée d’une seule minute, par rapport à l'estimation du chirurgien, qui était en décalage de 22 minutes.
Graphique de la durée estimée par rapport à la durée réelle. La durée estimée comparée à la durée réelle est plus proche de la ligne idéale avec l’IA. A : Durée IA. B : Durée standard.
Augmentation de 39 % des interventions chirurgicales correctement planifiées
L’utilisation de l’IA a permis une planification plus précise des opérations chirurgicales (de 18,4 %), ce qui s’est traduit par une augmentation de 39 % des opérations correctement programmées.
L’IA a aussi permis de réduire de 7,3 % la durée moyenne des interventions planifiées avec des horaires insuffisants et d’améliorer de façon considérable la planification des heures des heures en surplus (30,3 %). En moyenne, 6,8 minutes ont pu être gagnées par opération, ce qui représente une augmentation globale significative de l’utilisation du bloc opératoire et de la satisfaction des employés.
Nous avons été particulièrement surpris par notre toute première opération à l’aide de la prédiction de l’IA, une TEA carotidienne en chirurgie vasculaire. Le chirurgien prévoyait une durée de 90 minutes, l’IA prévoyait une durée de 111 minutes et l’opération s’est finalement déroulée en 112 minutes.
Amélioration de 6 % de l’utilisation des blocs opératoires
L’utilisation de l’IA basée sur des données documentées et contextuelles permet une meilleure estimation des temps de chirurgie réels. Les gains de temps se cumulent, ce qui se traduit par une meilleure utilisation des blocs opératoires et des horaires mieux respectés.
La précision supérieure de 30 % de l’IA par rapport à la durée standard est particulièrement remarquable, car la clinique de Stuttgart disposait au départ de très bonnes données de base historiques et l’on peut supposer que les hôpitaux dont la planification est moins stricte connaîtront des améliorations encore plus importantes.
Apprentissage automatique de l’IA à la clinique de Stuttgart
Pour développer le modèle d’apprentissage automatique, la clinique de Stuttgart s’est appuyée sur des données chirurgicales recueillies sur plusieurs années (> 50 000 interventions chirurgicales). Seules les opérations effectuées plus de 100 fois ont été incluses afin de garantir un volume suffisant de données. Chaque fois que les données d’entrée étaient modifiées, les horaires des interventions chirurgicales étaient mis à jour individuellement en temps réel, notamment les opérations programmées qui n’avaient pas encore été effectuées. Les calculs proprement dits n’ont pris que quelques fractions de seconde, même avec des centaines de variables, car le modèle d’apprentissage automatique a été appliqué plutôt que réentrainé.
Grâce à l’introduction de l’IA, la clinique de Stuttgart a obtenu des estimations plus précises de la durée d’intervention chirurgicale et des temps d’anesthésie pour chaque patient, tout en affichant en les variables d’influence de manière transparente.