在烧伤切除手术中进行手术内图像指导的可行性,使用多光谱成像和深度学习

科学领域:

• 生物医学工程 生物医学工程
• 手术技术 手术技术
• 人工智能在医学中的应用

背景情况:

• 暴露健康的伤床对于皮肤移植在烧伤手术中的成功至关重要.
• 目前用于识别非活性的组织的方法仅依赖于外科医生的判断.
• 过度切割可能会损害功能结果和移植.

研究的目的:

• 为了研究内科多谱成像设备与人工智能用于烧伤伤口切除的有效性.
• 为了确定人工智能辅助成像是否能提高外科医生识别非活性的组织的准确性.
• 为了减少接触性烧伤手术期间的过度切割.

主要方法:

• 使用了接性烧伤切除的猪模型.
• 在多光谱成像数据上训练了一种深度学习算法,以检测非活性的组织.
• 将外科医生估计伤床生存能力的能力与人工智能辅助成像和没有人工智能辅助成像进行比较.

主要成果:

• 人工智能算法在识别烧伤活力方面取得了87%的准确性.
• 在使用人工智能设备时,外科医生在确定伤口活力的准确性提高了25% (p=0.03).
• 人工智能协助导致外科医生纠正错误的决定,过度切割组织.

结论:

• 使用人工智能进行图像引导的烧伤切除是可行的,并增强了外科医生的决策.
• 实时成像系统可以显著减少烧伤手术中的过度切除.
• 对人工智能驱动的外科工具进行进一步的研究是有必要的,以改善烧伤护理.