Ruang operasi merupakan sumber pendapatan berharga. Mungkin menyumbang 50 persen dari total pendapatan rumah sakit. Tetapi, mencari tahu berapa lama waktu operasi yang dibutuhkan untuk bisa  diberitahukan kepada pasien adalah tantangan yang dihadapi setiap rumah sakit. "Untuk mengoptimalkan ruang operasi, Anda harus menjawab pertanyaan mendasar: Berapa lama waktu setiap operasi?" kata penulis utama Rajeev Saxena, seorang warga anestesiologi di Fakultas Kedokteran Universitas Washington. "Kurang pemanfaatan berarti lebih sedikit pasien mendapatkan perawatan bedah dan rumah sakit memiliki kapasitas berlebih. Pemanfaatan berlebih mengakibatkan operasi yang ditunda serta pengeluaran biaya lembur." Untuk mencoba meningkatkan prediksi durasi kasus bedah, Saxena, bekerja sama dengan dokter dalam operasi dan anestesi, ilmuwan, dan pakar informatika di dalam dan di luar University of Washington, menciptakan model machine learning untuk setiap spesialisasi bedah dan untuk ahli bedah individu. Studi ini diterbitkan 18 Juli di Journal of American College of Surgeons. Para peneliti mengumpulkan data lebih dari 45.000 operasi selama empat tahun yang dilakukan oleh 92 ahli bedah. Model khusus ahli bedah mereka mampu meningkatkan akurasi dari 30 persen (berdasarkan perkiraan ahli bedah) hingga 40 persen. Di antara sepertiga ahli bedah, akurasi meningkat menjadi lebih dari 50 persen. Ketika lebih banyak data dimasukkan, model ini akan membaik seiring waktu, kata co-lead penulis Matthew Bartek, kepala residen di bedah umum di Fakultas Kedokteran UW. "Jika kita dapat meningkatkan data, kita bisa memusatkan perhatian pada perkiraan yang lebih akurat," kata Bartek. "Ini hanya langkah pertama." Untuk membuat perkiraan mereka, para peneliti mengumpulkan data dari beberapa catatan medis elektronik pada pasien, jenis operasi, personel operasi, dan informasi penjadwalan operasi. Hanya data pra-operasi yang digunakan. Dari semua data yang didapatkan, variabilitas terbesar adalah di antara ahli bedah. "Setiap ahli bedah memiliki pendekatan unik untuk operasi dan data ini mengonfirmasikannya," kata penulis, Bala Nair, mantan direktur pusat teknis Fakultas Kedokteran UW yang berupaya meningkatkan perawatan melalui solusi informatika dan teknologi. "Pekerjaan ini membawa ruang operasi ke abad ke-21 dengan menerapkan metode ilmu data modern untuk meningkatkan operasi," katanya. "Selama bertahun-tahun, ruang operasi telah bergantung pada perkiraan dokter bedah untuk waktu operasi. Tetapi ahli bedah biasanya sangat meremehkan waktu prosedur," kata John Lang, direktur klinis operasi operatif dan perioperatif di UW Medicine. Lang mengatakan dua rumah sakit dalam sistem Kedokteran UW dinilai oleh Medicare Case Mix Index sangat tinggi untuk operasi yang kompleks. UW Medical Center berada di peringkat No. 3 dan Harborview Medical Center berada di peringkat No. 13. Karena itu, prediksi yang akurat tentang durasi kasus bedah sangat menantang dan berdampak. Kata Saxena: "Anda dapat mengubah seluruh budaya organisasi dengan mengambil pendekatan penyampaian data dan melibatkan para pemangku kepentingan utama." Studi ini adalah kemajuan penting menuju pemodelan statistik durasi di semua departemen bedah di pusat medis besar. Pendekatan machine learning dapat meningkatkan estimasi durasi kasus, memungkinkan peningkatan penjadwalan ruang operasi, efisiensi, dan pengurangan biaya.

Sumber: Improving Operating Room Efficiency: A Machine Learning Approach to Predict Case-Time Duration