使用多中心数据集对机器人距离胃切除术 (RDG) 的自动化外科步骤识别模型进行外部验证
James S Strong1,2, Masahiro Yura3, Masashi Takeuchi1
1Department of Surgery Keio University School of Medicine Tokyo Japan.
Annals of gastroenterological surgery
|November 7, 2025
概括
一个人工智能 (AI) 模型用于机器人远部胃切除术 (RDG) 的步骤识别,在多机构数据上训练时达到86%的准确性. 这证明了AI.
科学领域:
- 手术方面的创新.
- 医学中的人工智能
- 计算机视觉在医疗保健中的应用
背景情况:
- 人工智能 (AI) 正在改变外科手术实践,改善复杂手术的分析和结果.
- 基于人工智能的计算机视觉已经导致开发了一种新的AI模型,用于识别机器人远部胃切除术 (RDG) 的步骤.
研究的目的:
- 开发和评估一种新的AI模型,用于识别机器人远端胃切除术 (RDG) 中的手术步骤.
- 评估多机构与单一机构培训数据对AI模型性能的影响.
主要方法:
- 这项研究分析了来自两个机构的130个机器人手术视频.
- 在人工智能模型中使用了多阶段的时卷积网络 (TeCNO),在外科医生注释的视频上进行训练.
- 使用准确性,精度,回忆和F值指标来评估性能.
主要成果:
- 在单个机构中训练的AI模型在预测研发和开发步骤方面取得了中等准确性 (56%-63%).
- 在多机构数据上训练人工智能模型显著提高了步骤识别精度,达到86%.
- 结果使用F分数和精度测试来验证.
结论:
- 用于RDG的AI步骤识别模型可以预测外部数据集中的手术步骤,准确度中等.
- 在多机构数据集上训练人工智能模型,大大提高了他们的步骤识别能力.
- 多样化,多机构培训数据对于开发适用于不同机构的精确AI模型至关重要.
