コンピュータビジョンベースの人工知能を用いた周術期ワークフローにおけるプロバイダーレベルの違いの測定

科学分野:

• 外科的ワークフロー分析
• ヘルスケアにおける人工知能
• コンピュータビジョンの応用

背景:

• 周術期ワークフローは複雑であり、プロバイダー間で大きく異なります。
• ワークフロー効率の客観的な測定は、品質改善にとって重要です。
• ワークフロー分析の既存の方法は、詳細さとスケーラビリティに欠けています。

研究 の 目的:

• 完全な周術期ワークフローにおけるプロバイダーレベルのばらつきを評価すること。
• 自動イベント検出とタイムスタンプ付けのためのコンピュータビジョンベースの人工知能（AI）システムを実装すること。
• 外科症例を明確なワークフローフェーズにセグメント化するシステムの能力を評価すること。

主な方法:

• 横断研究では、カメラを備えたアンビエントサージカルプラットフォームを使用して、2502件の人工膝関節全置換術症例を分析しました。
• YOLOベースのモデルが患者、スタッフ、および機器を特定しました。
• トランスフォーマーベースのイベント検出器が主要な周術期イベントを予測し、症例を8つのワークフローフェーズにセグメント化しました。

主要な成果:

• コンピュータビジョンシステムは、グラウンドトゥルースアノテーションと高い一致率を示しました。
• 部屋の退出を除くすべてのワークフローセグメントで、プロバイダーレベルの有意なばらつきが見られました。
• 術者の活動中の手技フェーズが最もばらつきが大きく、次いで循環看護師とスクラブ看護師の間での部屋のセットアップのばらつきが大きかったです。

結論:

• コンピュータビジョンによる自動ワークフローセグメンテーションは、高い詳細度で周術期効率を評価するためのスケーラブルなアプローチを提供します。
• この技術は、ターゲットを絞った外科的品質改善イニシアチブをサポートできます。
• 調査結果は、患者ケアを向上させるための周術期プロセスの標準化の機会を強調しています。