深度学习预测错误和机器人前列腺切除术接技能的技能
N Sirajudeen1, M Boal1,2,3, D Anastasiou1,4
1Wellcome/ESPRC Centre for Interventional Surgical Sciences (WEISS), University College London (UCL), London, UK.
Surgical endoscopy
|October 21, 2024
概括
这项研究验证了人工智能 (AI) 模型用于评估手术技巧和机器人接中的错误. 人工智能方法提供了一个有希望的,客观的方法来改善外科培训和患者的结果.
科学领域:
- 机器人技术 机器人技术 机器人技术
- 手术技术 手术技术
- 人工智能的人工智能
背景情况:
- 手动评估手术技巧和错误是主观的,耗时的.
- 人工智能 (AI) 模型正在开发用于自动化外科评估.
- 本研究旨在验证人工智能模型对接手势的技能评级和错误注释的有效性.
研究的目的:
- 为了验证人工智能驱动的技能评级和机器人手术中的错误检测.
- 为评估外科技能评估中的AI模型建立一个基准.
- 为开发客观的自动化评估工具提供信息.
主要方法:
- 使用了SAR-RARP50数据集的机器人辅助激进前列腺切除术 (RARP) 合视频.
- 在手势层面使用客观临床人类可靠性分析 (OCHRA) 作为基本真相的注释视频.
- 训练并测试基于视觉的深度学习模型,以估计技能和识别错误.
主要成果:
- 客观评估工具之间显示出强大的评审者间可靠性 (r=0.70-0.89) 和相关性 (r=0.92).
- 人工智能技能估计显示与既定指标的中度相关性 (斯皮尔曼的rho 0.36-0.37).
- 错误预测模型的平均绝对精度为37.14%,AUC为65.10%.
结论:
- 这项研究是首次将详细的错误检测和深度学习应用于真实机器人手术视频.
- 基准评估为人工智能在自动化技术技能评估中提供了基础.
- 这种方法对推进客观的外科技能评估和减少错误有希望.
