ミニマム侵襲子宮摘出術における術者の臓器認識を向上させるセマンティックセグメンテーション深層学習モデル - 事前選択されたビデオクリップを使用した前向き多施設読影者性能研究

科学分野:

• 外科的イノベーション
• 医用画像解析
• ヘルスケアにおける人工知能

背景:

• ミニマム侵襲子宮摘出術は、術中の臓器認識が不十分なために尿管および膀胱損傷のリスクを伴います。
• 人工知能（AI）は、解剖学的同定を改善し、手術リスクを軽減するための潜在的なソリューションを提供します。

研究 の 目的:

• ミニマム侵襲子宮摘出術における尿管および膀胱同定のためのAIベースの解剖学的認識システムを評価すること。
• 経験レベルに関わらず、術者の臓器認識能力に対するAIサポートの影響を評価すること。
• AI支援が臓器同定における特異性を損なうかどうかを判断すること。

主な方法:

• 尿管（13,934枚の画像）および膀胱（4,940枚の画像）の大規模データセットを用いて、41施設から深層学習モデルを訓練しました。
• モデルの性能はダイス係数を用いて定量化されました。
• AIが術者の性能（感度および特異度）に与える影響を、8施設から16人の術者を用いて、記録済みの手術ビデオで評価しました。

主要な成果:

• AIモデルは、尿管のセグメンテーションで0.66、膀胱のセグメンテーションで0.62のダイス係数を達成しました。
• AI支援により、尿管検出感度（43.5%から58.1%）および膀胱検出感度（54.2%から70.0%）が有意に向上し、両者ともにp < 0.001でした。
• AIの利点は経験の浅い術者においてより顕著であり、感度は尿管認識で27.3%、膀胱認識で26.8%向上しましたが、特異度には影響しませんでした。

結論:

• AIベースのシステムは、手術ビデオにおける尿管および膀胱の認識に関する術者の能力を実証的に向上させます。
• AIシステムは、特に経験の浅い術者において、誤認識のリスクを高めることなく認識を向上させます。
• AIは、術中の解剖学的同定を改善し、より安全で標準化された手術手順につながる可能性を秘めています。