Proveditelnost a užitečnost umělé inteligence (AI) / strojového učení (ML) – řízená pokročilá intraoperační vizualizace a identifikace kritických anatomických struktur a procedurálních fází v laparoskopické cholecystektomii

Poranění žlučovodů (BDI) během cholecystektomie je závažnou chirurgickou komplikací se zvýšeným rizikem předčasného úmrtí, vážnými přetrvávajícími nemocemi včetně vícenásobných reintervencí vyžadujících prodloužený a opakovaný pobyt v nemocnici a více než miliardou dolarů v dodatečných nákladech na zdravotní péči v USA každý rok. Zaváděcí laparoskopický přístup progresivně zvýšil celkový objem výkonu laparoskopické cholecystektomie pro jasně prokázané výhody minimálně invazivního přístupu. Navzdory výhodám však minimálně invazivní přístup vedl v některých zprávách ke zvýšenému a přetrvávajícímu výskytu BDI až 4krát.

Většina velkých poranění žlučových cest je výsledkem nerozpoznaného nebo nezamýšleného vnímání, buď chybné identifikace nebo nesprávné interpretace společné žluče nebo jaterního vývodu jako cystického vývodu nebo nesprávné identifikace aberantního žlučovodu. Je stále jasnější, že rutinní používání intraoperační cholangiografie (IOC) má významnou souvislost se sníženou a časnější peroperační detekcí BDI. Nedávná „konference o současném konsenzu o prevenci poranění žlučovodů během cholecystektomie“ v roce 2018 důrazně doporučila, aby dokumentování kritického pohledu na bezpečnost (CVoS) a liberální používání IOC při očekávané obtížné cholecystektomii byly vysoce doporučenými kroky, které mohou potenciálně zmírnit riziko BDI při laparoskopické cholecystektomii (LC) u pacientů zejména s nejistou anatomií nebo obtížnou disekcí.

Provádění tradiční IOC laparoskopicky pod skiaskopickým vedením však může zpochybnit dovednosti chirurgů, je časově náročné a vyžaduje křivku učení k interpretaci snímků. Navzdory dobře známým a uznávaným rizikovým faktorům obtížných cholecystektomií a potenciálu pro BDI však použití pokročilého zobrazování pro IOC zůstává variabilní a vysoce závislé na uživateli. Důvodem pro selektivní použití IOC je skutečnost, že prevalence a incidence BDI jsou nízké, takže jednotlivý praktik by se s takovou komplikací ve své každodenní praxi nebo během života chirurga jen zřídka setkal, aby ospravedlnil rutinní použití. To je dále umocněno skutečností, že fluoroskopické IOC na bázi záření jsou těžkopádné z hlediska efektivního pracovního postupu, použitelnosti a nákladů (potřeba přípravy a injekce kontrastního činidla, potenciální nežádoucí alergické reakce, riziko vystavení radiaci, potřeba školení, potřeba velkého kapitálového vybavení, prostor a náklady) a variabilita v odborné analýze.

Nedávné randomizované kontrolované studie s použitím fluorescenční cholangiografie v blízké infračervené oblasti (NIFC) s použitím indocyaninové zeleně (ICG) prokázaly významně lepší vizualizaci extrahepatálních žlučových struktur během laparoskopické cholecystektomie oproti samotnému bílému světlu (WLI). Míra detekce chirurgem před disekcí pouhým okem byla významně vyšší (> 1,8 – 3,1 násobek) při použití NIFC pro všech 7 žlučových struktur než samotná tradiční WLI. Ačkoli byly u všech struktur pozorovány podobné rozdíly mezi skupinami, přidání NIFC nezlepšilo další detekci cystického kanálku a cystického přechodu potrubí/žlučníku po provedení disekce. Navíc zvýšený index tělesné hmotnosti byl spojen se sníženou detekcí většiny struktur v obou skupinách, zejména před disekcí. Je zajímavé, že pouze 2 pacienti, oba ve skupině WLI, utrpěli poranění žlučových cest.

ActivSightTM je zařízení schválené FDA, které kombinuje fluorescenci ICG pro extrahepatální biliární vizualizaci a laserové tečkované kontrastní zobrazování (LSCI) pro detekci perfuze v laparoskopickém tvaru. ActivSightTM umožňuje rozšířenou vizualizaci na jakýkoli současný laparoskopický vizualizační systém WLI zobrazující jak extrahepatální biliární ICG, tak mikroperfuzi přes cystický kanálek ​​a tepnu. Jako zařízení bez významného rizika byl ActivSightTM použit u více než 150 pacientů pro laparoskopické cholecystektomie a bariatrické, ezofageální a kolorektální výkony s prokázanou bezpečností a užitečností. ActivSightTM navíc umožňuje nezpracovaná infračervená vizualizační data pro pokročilou analýzu a vývoj modelů AI/ML.

Chirurgové/vědci nyní segmentovali a analyzovali různé procedurální fáze LC a vyvinuli odvozené modely a algoritmy využívající umělou inteligenci (AI)/strojové učení (ML) na základě standardních procedurálních videí WLI. Ačkoli modely AI/ML rozpoznávající různé fáze postupů LC mohou být přesné až 80–95 % na omezeném trénovaném souboru dat, jakmile byly struktury jasně rozřezány, relevantnější a klíčovou hodnotou by byla identifikace kritických struktur, jako jsou žlučovody a tepny před a během, nikoli po provedení chirurgické disekce. Včasná detekce a identifikace těchto kritických struktur před a během disekce trojúhelníku na základě AI/ML trénované na počítačovém vidění může chirurgům pomoci při provádění účinnější a bezpečnější LC.

ActivSightTM je optický zobrazovací systém FDA 510(k) založený na monochromatickém koherentním světle známém jako Laser-speckle-contrast imaging (LSCI) a představuje zobrazovací metodu bez označení využívající koherentní monochromatické světlo, kde lze detekovat průtok krve a prokrvení tkání. . Malý zobrazovací modul, který se vejde mezi jakýkoli stávající laparoskop a kamerový systém, a samostatný zdroj světla umístěný podél jakéhokoli současného komerčního systému poskytne objektivní perfuzi tkání a krevní průtok v reálném čase během operace. Kromě toho může ActivSightTM také efektivně zobrazit stisknutím tlačítka vizualizaci žlučového stromu založenou na ICG v reálném čase na stejné nebo lepší úrovni než současné komerční produkty. Inovativní tvarový faktor ActivSight umožňuje jakémukoli laparoskopickému systému pro vizualizaci založenou na ICG za zlomek ceny současného konkurenta s minimálním narušením pracovního toku.

ActivInsightTM je prototypová softwarová funkce v ActivSightTM, která rozpoznává procedurální fáze a kritické anatomické struktury, jmenovitě žlučník, cystický kanálek ​​a cystickou arterii během LC pomocí algoritmů založených na AI/ML. Klíčový rozdíl mezi ActivInsightTM a ostatními modely uváděnými v literatuře spočívá v tom, že ActivInsightTM je trénován na datové sadě anotované pomocí ICG a LSCI kromě WLI.

V této studii vyšetřovatelé navrhují nejprve ověřit a poté otestovat přesnost a přesnost ActivInsightTM při detekci kritických fází a struktur a porovnat výkon algoritmů s těmi, které jsou založeny na modelech vyvinutých pouze pomocí WLI a tradiční detekce pouhým okem chirurga během LC v fáze před a střední disekcí. Aby se eliminovalo jakékoli zkreslení, vyšetřovatelé připojí sekundární obrazovku zaslepenou k obrazovkám hlavního operujícího chirurga tak, aby funkce AI/ML v reálném čase nebyla pro operující chirurgy viditelná, aby mohli provádět analýzu v reálném čase a srovnání rutinního používání pokročilých rozšířená vizualizace versus současná vizualizace WLI samotná s nebo bez AI/ML na bázi počítačového vidění.