发展出血人工智能探测器 (BLAIR) 系统用于机器人激进前列腺切除术
Enrico Checcucci1, Pietro Piazzolla2, Giorgia Marullo3
1Department of Surgery, Candiolo Cancer Institute, FPO-IRCCS, 10060 Turin, Italy.
Journal of clinical medicine
|December 9, 2023
概括
这项研究介绍了BLAIR,一种使用卷积神经网络预测机器人前列腺切除术期间手术内出血的AI系统. 布莱尔的准确性超过90%,帮助外科医生识别出血风险.
科学领域:
- 机器人手术 机器人手术
- 人工智能在医学中的应用
- 手术技术 手术技术
背景情况:
- 术内出血是机器人手术的一个重大挑战.
- 开发人工智能解决方案以实时检测出血至关重要.
- 这项研究重点是机器人辅助激进前列腺切除术 (RARP).
研究的目的:
- 开发一种人工智能系统,用于预测RARP期间的手术内出血.
- 创建一个系统,提醒外科医生出血风险.
- 为了利用卷积神经网络 (CNN) 来检测出血.
主要方法:
- 使用基于U-Net架构的多任务学习 (MTL) CNN.
- 基于人工智能的出血检测器 (BLAIR) 软件是使用Python Keras和PyQT开发的.
- 临床评估将布莱尔的表现与泌尿科医生的表现进行了比较,使用多重对应分析 (MCA).
主要成果:
- 在事件识别方面,MTL-CNN实现了90.63%的准确性.
- 布莱尔表现出与人类专家相似的出血识别性能.
- 布莱尔在预测出血事件时提供了更快的响应时间.
结论:
- 布莱尔软件在RARP期间准确预测出血事件,准确率超过90%.
- 人工智能显示出在机器人干预期间帮助外科医生的巨大潜力.
- 这项研究强调了人工智能在改善外科手术过程中的积极影响.
