人工智能模型通过手术视频分析来减少手术并发症:前性队列研究的协议

科学领域:

• 在外科手术中使用人工智能
• 医学数据科学 医学数据科学
• 最少侵入性的外科技术.

背景情况:

• 手术后并发症对患者和医疗保健系统产生重大影响.
• 目前的方法缺乏从手术视频中自动预测并发症.
• 人工智能和数据存储的进步使新的预测方法成为可能.

研究的目的:

• 开发和验证深度学习模型,以使用Clavien-Dindo尺度预测术后并发症.
• 创建和共享一个开源数据集的手术视频和患者的结果.
• 通过人工智能驱动的洞察力提高外科安全和临床结果.

主要方法:

• 对1200名接受微创腹部手术的患者进行前性队列研究.
• 收集手术前,手术内视频和30天术后结局数据 (克拉维恩-丁多尺度).
• 在注释的手术视频和外科医生定义的策略上使用监督学习的深度学习模型的开发.

主要成果:

• 从2024-2025年开始进行数据收集,计划产出包括研究协议,结果和开源数据集.
• 该研究旨在通过开发预测模型来推进人工智能辅助手术.
• 开源数据集将促进手术人工智能的协作和创新.

结论:

• 创建一个开放的数据集和深度学习模型旨在改变微创手术.
• 提供真实世界的数据将催化创新,以提高外科安全和预测能力.
• 该项目旨在在腹部手术中带来更好的临床结果.