在结直肠外科手术中使用基于深度学习的手术阶段识别模型进行自动化外科技能评估
Kei Nakajima1,2, Daichi Kitaguchi1, Shin Takenaka1
1Department for the Promotion of Medical Device Innovation, National Cancer Center Hospital East, 6-5-1 Kashiwanoha, Kashiwa, Chiba, 277-8577, Japan.
Surgical endoscopy
|August 30, 2024
概括
使用深度学习模型识别手术阶段,可以实现自动化外科技能评估. 这种人工智能模型根据性能指标准确地区分了专家,中级和初学者外科医生.
科学领域:
- 最少侵入性的手术
- 外科教育的外科教育
- 人工智能在医学中的应用
背景情况:
- 解决客观外科技能评估的需要,以克服手动评估的局限性.
- 探索自动化方法来减少外科培训中的主观性和偏见.
研究的目的:
- 为了验证手术阶段识别模型的可行性,用于自动化手术技能评估.
- 为了评估模型在腹腔镜西格莫切除术中区分技能水平的能力.
主要方法:
- 开发了一种深度学习模型,以识别腹腔镜西格莫切除术的五个手术阶段.
- 根据内镜外科技能资格体系 (ESSQS) 成绩和外科经验,评估模型在区分专家,中级和初学者技能组方面的表现.
- 利用多重回归分析来评估1,272个视频中的模型衍生参数和ESSQS得分之间的相关性.
主要成果:
- 专家外科医生证明,与中级和初学者组相比,结肠调动,中直肠切割,直肠切割和解剖术的时间显著缩短.
- 在专家外科医生中,相位过渡数量明显较低.
- 更高的内镜外科技能资格体系 (ESSQS) 分数与更高的AI衍生分数相关,表明模型的准确性.
结论:
- 开发的手术阶段识别模型显示了自动化手术技能评估的潜力.
- 这种人工智能驱动的方法可以为外科培训和评估提供客观的反.
