Reconocimiento de tronco gastrocólico basado en aprendizaje profundo en hemicolectomía derecha laparoscópica

Área de la Ciencia:

• Innovación quirúrgica en oncología
• Inteligencia artificial en imágenes médicas
• Técnicas quirúrgicas mínimamente invasivas

Sus antecedentes:

• El sangrado intraoperatorio del tronco gastrocólico es un riesgo significativo durante la hemicolectomía laparoscópica derecha para el cáncer de colon.
• La identificación precisa del tronco gastrocólico es esencial para prevenir las complicaciones quirúrgicas.

Objetivo del estudio:

• Desarrollar y evaluar un modelo de aprendizaje profundo para el reconocimiento automático del tronco gastrocólico en vídeos quirúrgicos.
• Mejorar la seguridad quirúrgica en la hemicolectomía laparoscópica derecha proporcionando identificación anatómica en tiempo real.

Principales métodos:

• Se desarrolló un modelo de aprendizaje profundo utilizando imágenes fijas anotadas de videos de hemicolectomía derecha laparoscópica.
• El modelo realizó tareas de segmentación para distinguir el tronco gastrocólico y la vena mesentérica superior.
• Los datos de 43 pacientes en 10 hospitales japoneses fueron analizados utilizando cinco veces la validación cruzada.

Principales resultados:

• El modelo de aprendizaje profundo logró un coeficiente de dados promedio de 0,84 para la segmentación de venas (Tarea A).
• La segmentación del tronco gastrocólico arrojó coeficientes de dados promedio de 0,61 (Tarea B) y 0,58 (Tarea C).

Conclusiones:

• Se desarrolló con éxito un modelo de aprendizaje profundo para identificar y visualizar el tronco gastrocólico durante la hemicolectomía derecha laparoscópica.
• Esta tecnología es prometedora para mejorar la seguridad del procedimiento y reducir los riesgos de hemorragia intraoperatoria.
• Se necesita una validación clínica adicional para confirmar la eficacia del modelo en entornos quirúrgicos del mundo real.