マサチューセッツ大学アマースト校の研究チームが、手術室効率化の要因を特定する機械学習モデルを開発した。ベイステート・メディカルセンターの3年分・約8万6500件分の記録を解析し、外科医の術間ギャップタイムに影響する要素を抽出した。 米国では2036年までに最大1万9900人の外科医不足が予測される中、従来のブロック予約方式は術中の予期せぬ変動により非稼働時間を生み出し、リソース配分の非効率を招いていた。マジュ・カパン准教授は、外科医という人的リソースの適正利用と負荷分散が効率化の鍵であると指摘する。 分析の結果、前後の術式が緊急度高い場合や胸部・心臓など高負荷症例がギャップ時間の延長要因となることを明らかにした。研究陣は手術負荷を数値化したサージカルケースデマンド指標を提案し、術式を3段階に分類した。眼科や整形外科は相対的に短時間作業傾向も確認された。 本手法により、術間時間を予測して有効な隙間を他症例に充当するコレクティブルタイムの活用が可能になる。スケジュール最適化は手術室稼働率向上と待機時間削減を実現し、コスト削減や医師のバーンアウト防止、患者治療成果の改善に直結する。学術誌への発表により、産業工学のバリエーション削減手法が複雑な医療システムに適用され、データ駆動型の病院運営改革が推進される可能性が示された。