细分指标是否反映了临床现实? 在机器人辅助的最小侵入性食道切除术中,以外科医生为中心的评估

科学领域:

• 医疗成像医学成像
• 在外科手术中使用人工智能
• 手术机器人手术机器人手术机器人手术机器人

背景情况:

• 对解剖细分的深度学习可以在复杂的手术中增强实时指导,例如机器人辅助微创食道切除术 (RAMIE).
• 由于缺乏外科医生的投入,标准细分质量指标的临床相关性是不确定的.
• 这项研究评估了定量指标与外科医生对RAMIE准确性和有用性的认知有多好.

研究的目的:

• 评估定量细分指标与外科医生对解剖覆盖精度的评估之间的相关性.
• 在RAMIE的背景下,确定各种定量指标的临床相关性.
• 确定当前指标的局限性,并为人工智能引导的外科应用提出改进建议.

主要方法:

• 对26名上部胃肠道外科医生进行了一项调查,评估深度学习在RAMIE视频片段中产生的解剖叠加.
• 外科医生对注释准确性和临床有用性的定性评估与重叠,距离,时间和错误特定的定量指标相关.
• 分析包括使用两种最先进的深度学习模型从12个视频剪辑中手动注释的8000多个.

主要成果:

• 重叠和时间一致性指标显示,与外科医生评估的相关性最强.
• 基于距离和特定错误的指标显示了中度的相关性.
• 外科医生,特别是新手,对重叠的评价更加宽容,定性反突出了诸如幻觉和不稳定的问题,这些问题在当前的指标中被忽略了.

结论:

• 标准的定量指标提供了部分洞察外科医生的感知,但需要补充外科医生知情和特定任务的评估.
• 在人工智能引导的细分中,临床相关的错误可以通过指标和专家手术反的组合更好地捕获.
• 将人工智能计量设计与外科专业知识对齐,对于安全有效地整合到手术室至关重要.