Gennemførlighed og nytte af kunstig intelligens (AI) / Machine Learning (ML) - drevet avanceret intraoperativ visualisering og identifikation af kritiske anatomiske strukturer og proceduremæssige faser i laparoskopisk kolecystektomi

Galdevejsskade (BDI) under kolecystektomi er en alvorlig kirurgisk komplikation med øget risiko for tidlig død, alvorlige vedvarende sygeligheder, herunder flere genindgreb, der kræver forlænget og gentagne hospitalsophold, og over en milliard dollars i yderligere sundhedsudgifter i USA hvert år. Den laparoskopiske introduktionstilgang har gradvist øget den samlede laparoskopiske kolecystektomiprocedure, hvilket giver klart dokumenterede fordele ved minimalt invasiv tilgang. På trods af fordelene har minimalt invasiv tilgang imidlertid resulteret i øget og vedvarende forekomst af BDI op til 4 gange i nogle rapporter.

De fleste større galdeskader skyldes uerkendt eller utilsigtet opfattelse, enten fejlidentifikation eller fejlfortolkning af den almindelige galde- eller levergang som den cystiske gang eller fejlidentifikation af en afvigende galdegang. Det er mere og mere klart, at rutinemæssig brug af intraoperativ kolangiografi (IOC) har en signifikant sammenhæng med nedsat og tidligere intraoperativ påvisning af BDI. Den nylige "state of the art konsensuskonference om forebyggelse af galdevejsskade under kolecystektomi" i 2018 anbefalede kraftigt, at dokumentering af det kritiske syn på sikkerhed (CVoS) og en liberal brug af IOC i forventet vanskelig kolecystektomi er stærkt anbefalede trin, der potentielt kan afbøde risikoen for BDI under laparoskopisk kolecystektomi (LC) hos patienter, især med usikker anatomi eller vanskelig dissektion.

At udføre traditionel IOC laparoskopisk under fluoroskopisk vejledning kan dog udfordre kirurgers færdigheder, er tidskrævende og kræver en indlæringskurve for at fortolke billeder. På trods af velkendte og accepterede risikofaktorer for vanskelige kolecystektomier og potentiale for BDI, forbliver brugen af ​​avanceret billeddannelse til IOC dog varierende og stærkt brugerafhængig. Begrundelsen for selektiv brug af IOC kan tilskrives det faktum, at prævalensen og forekomsten af ​​BDI er lav, at en individuel praktiserende læge sjældent vil støde på en sådan komplikation i deres daglige praksis eller levetid for en kirurg for at retfærdiggøre en rutinemæssig brug. Dette forstærkes yderligere af det faktum, at strålingsbaseret fluoroskopisk IOC er besværligt i forhold til effektiv arbejdsgang, anvendelighed og omkostninger (behov for klargøring og injektion af kontrastreagenser, potentielle negative allergiske reaktioner, risiko for strålingseksponering, træningskrav, behov for stort kapitaludstyr, plads og omkostninger) og variation i dygtig analyse.

Nylige randomiserede kontrollerede forsøg ved anvendelse af nær-infrarød fluorescerende kolangiografi (NIFC) ved anvendelse af indocyaningrøn (ICG) viste signifikant overlegen visualisering af ekstrahepatiske galdestrukturer under laparoskopisk kolecystektomi til hvidt lys (WLI) alene. Præ-dissektion kirurg detektionsrater på det blotte øje var signifikant højere (> 1,8 - 3,1 fold) med NIFC-brug for alle 7 galdestrukturer end traditionel WLI alene. Men selvom der blev observeret lignende intergruppeforskelle for alle strukturer, forbedrede tilføjelse af NIFC ikke yderligere påvisning af cystisk kanal og cystisk kanal/galdeblæreforbindelse efter dissektion er blevet udført. Derudover var øget kropsmasseindeks forbundet med reduceret påvisning af de fleste strukturer i begge grupper, især før dissektion. Interessant nok fik kun 2 patienter, begge i WLI-gruppen, en galdevejsskade.

ActivSightTM er en FDA-godkendt enhed, der kombinerer ICG-fluorescens til ekstrahepatisk biliær visualisering og laser speckle contrast imaging (LSCI) til perfusionsdetektion i en laparoskopisk formfaktor. ActivSightTM tillader udvidet visualisering til ethvert aktuelt WLI laparoskopisk visualiseringssystem, der viser både ekstrahepatisk biliær ICG og mikroperfusion over cystisk kanal og arterie. Som en ikke-signifikant risikoanordning er ActivSightTM blevet brugt i langt over 150 patienter til laparoskopiske kolecystektomier og bariatriske, esophageale og kolorektale procedurer med dokumenteret sikkerhed og anvendelighed. Desuden tillader ActivSightTM rå infrarød visualiseringsdata til avanceret analyse og AI/ML-modeludvikling.

Kirurger/videnskabsmænd har nu segmenteret og analyseret forskellige proceduremæssige faser af LC og udviklet inferencingsmodeller og algoritmer ved hjælp af kunstig intelligens (AI)/machine learning (ML) baseret på standard WLI procedurevideoer. Selvom AI/ML-modeller, der genkender forskellige faser af LC-procedurer, kan være så nøjagtige som 80-95 % på begrænset trænet datasæt, når strukturer er blevet klart dissekeret, ville mere relevant og nøgleværdi være at identificere kritiske strukturer såsom galdegange og arterier før og under, ikke efter kirurgisk dissektion er udført. Tidlig påvisning og identifikation af disse kritiske strukturer før og under dissektion af trekanten baseret på AI/ML trænet i computersyn kan hjælpe kirurger med at udføre mere effektiv og sikrere LC.

ActivSightTM er et FDA 510(k)-godkendt optisk billeddannelsessystem baseret på monokromatisk kohærent lys kendt som Laser-speckle-contrast imaging (LSCI) og repræsenterer en etiketfri billeddannelsesmetode, der anvender kohærent monokromatisk lys, hvor blodgennemstrømning og vævsperfusion kan detekteres . Et lille billeddannelsesmodul, der passer mellem ethvert eksisterende laparoskop og kamerasystemer og en separat lyskilde placeret langs ethvert nuværende kommercielt system, vil levere objektiv vævsperfusion og blodgennemstrømningsinformation i realtid intraoperativt. Derudover kan ActivSightTM også effektivt vise med et tryk på knappen en ICG-baseret visualisering af galdetræet i realtid på tilsvarende eller bedre end nuværende kommercielle produkter. Den innovative formfaktor af ActivSight muliggør ethvert laparoskopisk system til ICG-baseret visualisering til en brøkdel af prisen for den nuværende konkurrent med minimal afbrydelse af arbejdsgangen.

ActivInsightTM er en prototypesoftwarefunktion i ActivSightTM, der genkender procedurefaser og kritiske anatomiske strukturer, nemlig galdeblæren, cystisk kanal og cystisk arterie under LC ved hjælp af AI/ML-baserede algoritmer. Den vigtigste forskel mellem ActivInsightTM og andre modeller, der er rapporteret i litteraturen, er, at ActivInsightTM trænes på datasæt, der er kommenteret ved hjælp af ICG og LSCI ud over WLI.

I dette forsøg foreslår efterforskerne først at validere og derefter teste præcisionen og nøjagtigheden af ​​ActivInsightTM ved detektering af kritiske faser og strukturer og sammenligne ydeevnen af ​​algoritmerne med dem, der er baseret på modeller udviklet udelukkende ved brug af WLI og traditionel kirurgs detektion med det blotte øje under LC i før- og midtdissektionsfaser. For at eliminere enhver skævhed vil efterforskerne forbinde en sekundær skærm, der er blændet til de primære operationelle kirurgskærme, så realtidsfunktionen af ​​AI/ML ikke er synlig for operationskirurger, for at udføre realtidsanalyse og sammenligning af rutinemæssig brug af avanceret udvidet visualisering versus aktuel WLI-visualisering alene med eller uden computer vision-baseret AI/ML.