Forschende der University of Massachusetts Amherst haben auf Basis von nahezu 86.500 chirurgischen Eingriffen im Baystate Medical Center in Springfield systemische Ineffizienzen im OP-Planungsprozess identifiziert. Die Untersuchung, deren Ergebnisse im Journal of the American Medical Informatics Association veröffentlicht wurden, widmet sich der Optimierung von Operationszeiten unter besonderer Berücksichtigung der Arbeitsbelastung von Chirurginnen und Chirurgen. Vor dem Hintergrund einer nach Prognose der Association of American Medical Colleges bis 2036 zu erwartenden Lücke von 10.000 bis 19.900 Fachärzten in den USA rücken effiziente Personaleinsatzstrategien zunehmend in den Fokus, um Kosten zu senken, Burnout vorzubeugen und die Patientenversorgung zu stabilisieren. Im Gegensatz zu herkömmlichen Planungsansätzen, die oft starre OP-Blöcke für die Räumlichkeiten verwenden, konzentrierte das Team um Assistenzprofessorin Muge Capan und PhD-Kandidat Jonathan Akhagbosu den Blick auf den chirurgischen Arbeitsprozess selbst. Statt der Räumlichkeiten analysierten die Forschenden die Zeitspanne zwischen zwei aufeinanderfolgenden Eingriffen eines Operateurs, die als Gap Time bezeichnet wird. Mit Hilfe von Machine-Learning-Algorithmen wurden drei Jahre an Krankenakten des Baystate Medical Center ausgewertet, um prädiktive Merkmale für diese Lücken zu identifizieren. Die Analyse ergab, dass Faktoren wie die Art des vorherigen oder folgenden Eingriffs, Notfalleinsätze sowie thorakale oder kardiale Operationen die Dauer der Arbeitspausen signifikant beeinflussen. Zur Quantifizierung der operativen Belastung entwickelten die Forschenden ein neues Metrik-Modell, die surgical case demand. Hierunter werden chirurgische Eingriffe in drei Kategorien unterteilt: Typ 1 umfasst kurze, elektive Eingriffe mit geringer Komplexität, Typ 2 deckt anspruchsvollere Planoperationen wie Knie- oder Brustkrebsoperationen ab, und Typ 3 erfasst hochgradig fordernde Notfall- und Langzeit-Eingriffe, die häufig zu ungünstigen Zeitpunkten anfallen. Spezifische Fachgebiete wie die Augenheilkunde und Orthopädie wiesen hingegen tendenziell kürzere Pausen auf. Das übergeordnete Ziel der Studie ist die systematische Identifizierung sogenannter collectible time, also nutzbarer Lücken im OP-Plan, die für zusätzliche Eingriffe reaktiviert werden können. Durch die präzise Vorhersage dieser zeitlichen Fenster soll die Auslastung der operativen Kapazitäten gesteigert und Leerlauf minimiert werden. Die Forschenden betonen dabei die transformative Kraft der industriellen Ingenieurwissenschaften im Gesundheitswesen, die durch die Reduzierung von Prozessvariationen und die Eliminierung von Ineffizienzen die Gesundheitsversorgung nachhaltig verbessern kann. Die Anwendung datengetriebener Planungsmodelle verspricht nicht nur eine optimierte Ressourcenallokation, sondern trägt langfristig dazu bei, die drohende Überlastung des chirurgischen Fachpersonals abzufedern und die strukturelle Widerstandsfähigkeit klinischer Einrichtungen zu stärken.