Czy AI może pomagać w planowaniu list operacyjnych i zarządzaniu blokiem operacyjnym?

Tak, AI może realnie pomagać w planowaniu list operacyjnych. Nie zastępuje koordynatora bloku, ale analizuje dostępność sal, sprzętu i zespołów jednocześnie, a potem proponuje harmonogram, który ręcznie zajmowałby kilka godzin. W szpitalach z dużym wolumenem zabiegów planowych ten jeden obszar potrafi skrócić czas układania grafiku i ograniczyć liczbę odwołanych operacji wynikających z konfliktów logistycznych, a nie z decyzji klinicznych.

Na czym polega problem z planowaniem bloku operacyjnego?

Koordynator bloku żongluje kilkoma zmiennymi naraz: dostępnością chirurgów, anestezjologów, pielęgniarek operacyjnych, konkretnych sal, zestawów narzędzi i aparatury oraz okienek czasowych dla OIOM-u i bloku wybudzeń. Do tego dochodzą przypadki nagłe, które potrafią wywrócić cały harmonogram dnia.

Typowo wygląda to tak, że koordynator pracuje w arkuszu Excel albo w module HIS-u pokazującym wyłącznie zajętość sal. Resztę trzyma w głowie lub w mailach. Każda zmiana jednej operacji pociąga za sobą serie telefonów i ryzyko przeoczenia konfliktu: ta sama instrumentariuszka zaplanowana do dwóch sal, zestaw laparoskopowy przypisany do dwóch zabiegów naraz, OIOM bez wolnego łóżka po planowanym zabiegu.

AI wchodzi właśnie tu. Automatycznie przelicza skutki każdej zmiany i natychmiast sygnalizuje konflikty, zanim kogokolwiek zaskoczą na sali.

Co konkretnie robi system AI przy planowaniu list operacyjnych?

• Sprawdza dostępność wielowymiarową: sala + chirurg + anestezjolog + pielęgniarka instrumentariuszka + niezbędny sprzęt w jednym oknie czasowym, nie każdy zasób osobno.
• Szacuje czas trwania zabiegu na podstawie historii podobnych operacji u danego chirurga. Bo jeden ortopeda robi endoprotezę kolana w 80 minut, inny potrzebuje 115. Systemy oparte na ogólnych normach są tu znacznie mniej precyzyjne.
• Wykrywa konflikty zasobów: dwa zabiegi wymagające tego samego zestawu laparoskopowego albo tej samej instrumentariuszki o specjalizacji kardiochirurgicznej, zaplanowane równolegle w różnych salach.
• Proponuje kolejność bloków tak, żeby skrócić czasy przestojów między zabiegami: cleaning time, przygotowanie sali, przerwy personelu.
• Generuje listę rezerwową: gdy operacja zostaje odwołana w dniu zabiegu, system pokazuje pacjentów z listy oczekujących, którzy mogą wejść w to okno, z uwzględnieniem wymagań dotyczących sali i rodzaju anestezji.

U jednego klienta wdrożenie modułu do planowania bloków ujawniło, że konkretna sala była faktycznie zajęta tylko przez część swojej dostępności. Reszta to niewidoczne wcześniej przestoje między zabiegami, których nikt nie mierzył systemowo. Samo zobaczenie tego w danych zmieniło sposób, w jaki koordynator układał listy, jeszcze zanim system w pełni ruszył.

Jakie dane musi mieć system, żeby to działało?

To pytanie, które warto zadać dostawcy zanim zaangażujesz go w rozmowę o wdrożeniu. AI nie planuje z powietrza. Potrzebuje danych z kilku źródeł:

• Historia zabiegów z HIS-u: typ operacji według ICD-9, rzeczywisty czas trwania, chirurg, sala, anestezjolog.
• Grafiki personelu z rozróżnieniem na kompetencje: nie każda pielęgniarka instrumentuje do każdego zabiegu, nie każdy anestezjolog obsługuje pediatrię.
• Stan sprzętu i zestawów narzędziowych z informacją o dostępności i zaplanowanych przeglądach, często z CMMS-u lub rejestru aparatury.
• Lista oczekujących na zabiegi planowe z priorytetami, np. pole "pilność" z systemu kolejkowego NFZ lub wewnętrznego.
• Dostępność OIOM-u i bloku wybudzeń dla zabiegów, które tego wymagają.

Jeśli szpital nie ma tych danych w ustrukturyzowanej formie cyfrowej, najpierw trzeba to naprawić. Żaden system AI nie wyciągnie harmonogramu z kartek papierowych ani ze skanów PDF. To bywa twarda informacja zwrotna po pierwszej rozmowie z dostawcą.

Co z nagłymi przypadkami i zmianami w dniu zabiegu?

To serce problemu na każdym bloku. Pacjent odwołuje się rano. Chirurg zgłasza chorobę. Sprzęt trafia do serwisu. System, który nie radzi sobie z dynamiczną zmianą, jest bezużyteczny w codziennej pracy, bez względu na to, jak dobrze planuje z wyprzedzeniem.

Dobre systemy mają tryb re-planowania. Po zgłoszeniu zmiany przeliczają harmonogram od nowa i pokazują kilka wariantów do wyboru. Koordynator wybiera, zatwierdza, a system wysyła powiadomienia do osób, których dotyczą modyfikacje, zazwyczaj przez wiadomość w aplikacji albo SMS.

AI nie podejmuje tu decyzji automatycznie. Proponuje, człowiek zatwierdza. To ważne z perspektywy praktycznej, bo koordynator zna kontekst, którego system nie ma. I ważne prawnie, bo odpowiedzialność za organizację świadczeń spoczywa na placówce, nie na algorytmie.

Czy AI wymaga zgody pacjenta na takie planowanie?

To pytanie pojawia się regularnie. Jeśli system AI przetwarza dane osobowe pacjenta (imię, PESEL, rozpoznanie, planowany zabieg) w celu układania harmonogramu, mamy do czynienia z przetwarzaniem danych medycznych. Zastosowanie ma RODO oraz przepisy o dokumentacji medycznej.

Zasada jest prosta: jeśli AI tylko wspomaga decyzję koordynatora i nie podejmuje jej automatycznie bez udziału człowieka, zazwyczaj mieści się to w ramach realizacji świadczenia zdrowotnego i nie wymaga odrębnej zgody pacjenta. Jeśli system miałby samodzielnie decydować o terminie operacji i wysyłać potwierdzenie do pacjenta bez zatwierdzenia przez człowieka, sytuacja jest bardziej złożona i wymaga osobnej analizy prawnej.

Sprawdź, jak dostawca opisuje rolę AI w dokumentacji systemu i jak to wpisuje się w rejestr czynności przetwarzania Twojej placówki (RCP). To dokument, który i tak powinieneś mieć aktualny. Więcej o tym aspekcie piszemy w osobnym artykule o AI i RODO w placówce medycznej.

Jak wygląda wdrożenie w praktyce?

Zazwyczaj przebiega w kilku etapach i żaden z nich nie dzieje się szybko:

• Audyt danych: sprawdzenie, co jest w HIS-ie i w jakiej jakości. To trwa kilka tygodni i często ujawnia braki: brak kodów sprzętu, niespójne nazwy sal w różnych modułach, puste pola czasu trwania zabiegu w historii.
• Integracja: podłączenie systemu AI do HIS-u, grafiku personelu i rejestru sprzętu. Wymaga pracy technicznej po obu stronach, w tym po stronie dostawcy HIS-u, który nie zawsze współpracuje chętnie.
• Konfiguracja reguł organizacyjnych: konkretny chirurg operuje tylko w sali nr 3, zabiegi onkologiczne mają pierwszeństwo w poniedziałki, przeszczepy wymagają pełnego obsadzenia dyżuru. To wszystko trzeba odwzorować ręcznie.
• Pilotaż: uruchomienie na jednym bloku albo jednym dniu tygodnia, równolegle z dotychczasową metodą. Koordynator porównuje wyniki i zgłasza rozbieżności.
• Wdrożenie pełne i szkolenie całego zespołu, który z systemu korzysta.

Czas od startu do pełnego działania zależy głównie od stanu danych i gotowości dostawcy HIS-u do współpracy przy integracji. Jeśli dane są kompletne i API jest otwarte, pierwsze realne wyniki widać po kilku miesiącach. Braki danych lub zamknięte API mogą ten czas podwoić albo zablokować projekt na etapie technicznym.

Od czego zacząć?

Zanim zaangażujesz zewnętrznego dostawcę, zrób wewnętrzny rachunek z koordynatorem bloku. Kilka konkretnych pytań, które warto postawić:

• Ile godzin tygodniowo zajmuje ręczne układanie listy operacyjnej?
• Ile razy w miesiącu odwołuje się zabiegi z powodów logistycznych, nie klinicznych?
• Ile czasu traci blok na przestojach między zabiegami? Czy ktoś to w ogóle mierzy?
• Czy HIS zawiera historię rzeczywistych czasów trwania zabiegów per chirurg?
• Czy dostawca HIS-u udostępnia otwarte API do integracji zewnętrznych systemów?

Jeśli odpowiedzi na te pytania są niejasne albo nikt ich nie zna, to właśnie tu jest praca do wykonania jeszcze przed rozmową z dostawcą AI. Bez tego punktu startowego każda oferta będzie oparta na założeniach, które mogą nie pasować do Twojej placówki.

Jeśli chcesz zobaczyć, jak wdrożenie wyglądało w konkretnych szpitalach, przejrzyj nasze realne wdrożenia. A jeśli wolisz zacząć od oceny własnej sytuacji, umów się na bezpłatny audyt. W jednej rozmowie można wskazać, czy dane w Twojej placówce są gotowe na ten krok i gdzie są największe luki przed podjęciem decyzji o dostawcy.