在内科手术中以人工智能辅助预测甲状腺和缺血警报的早期预测在内镜甲状腺手术中

科学领域:

• 手术技术手术技术的使用.
• 医学中的人工智能.
• 内分泌外科手术是一种内分泌手术.

背景情况:

• 在内镜甲状腺手术中,保护甲状腺腺是必不可少的,以防止低血症.
• 目前的腺体识别方法有局限性,影响了手术的安全性和有效性.

研究的目的:

• 开发和评估PTAIR 2.0 (副甲状腺人工智能识别),这是一个深度学习模型,用于在内镜甲状腺切除术期间增强副甲状腺识别.
• 将AI模型的性能与基于外科医生的识别方法进行比较.

主要方法:

• 在32428张图像中注释了副甲状腺组织,来自838个内镜甲状腺切除术视频,用于内部训练.
• 在来自外部队列的54个全长视频上验证了模型.
• 评估了六个算法,选择YOLOX开发PTAIR 2.0,评估识别时间,持续时间和与外科医生的比率.

主要成果:

• 使用YOLOX算法的PTAIR 2.0实现了卓越的性能,AP50得分为92.1%,实时率为25.14赫兹.
• 内部验证显示,PTAIR 2.0在早期预测 (94.1%),识别 (98.9%) 和缺血警报 (92.1%) 中获得了高AP50分.
• 外部验证表明,PTAIR 2.0在甲状腺腺体识别和跟踪方面明显优于初级和高级外科医生 (p < 0.001).

结论:

• 由人工智能驱动的PTAIR 2.0模型在内镜甲状腺手术期间显著增强了副甲状腺识别和缺血警报.
• 与初级外科医生和高级外科医生相比,PTAIR 2.0表现出优越的表现.
• 这种人工智能工具有可能在内镜甲状腺手术中提高手术精度和患者的治疗结果.