Implementering af kirurgisk sikkerhed og intraoperativ metastaseidentifikation gennem dyb læring: Multicentrisk videoopsamling til minimalt invasiv Sentinel-lymfeknudedissektion i uterine maligniteter (LYSE)

Kirurgi tegner sig for cirka to tredjedele af alle hospitalskomplikationer. Omkring 75 % af disse komplikationer opstår under kirurgiske indgreb, og halvdelen af ​​dem anses for at kunne forebygges. Traditionelt har undersøgelser af kirurgisk sikkerhed hovedsageligt været baseret på perioperativ information og skriftlige rapporter fra de kirurgiske operatører selv. I dag kan videoer, der guider kirurgen under minimalt invasive procedurer, nemt optages, hvilket giver objektiv dokumentation af kirurgiske indgreb. At studere kirurgiske videoer og kvantificere intraoperative hændelser giver et lovende nyt perspektiv på årsagerne til uønskede hændelser med potentiale til at udvikle løsninger til at reducere kirurgiske risici og lette implementeringen af ​​internationale sikkerhedsanbefalinger inden for kirurgi.

Desuden har de seneste fremskridt inden for kunstig intelligens (AI) vist stor succes med billedforståelse, hvilket øger muligheden for at udvikle algoritmer til automatisk og storstilet analyse af kirurgiske videoer. Disse AI-algoritmer kunne også analysere kirurgiske videoer i realtid og give beslutningsstøtte på operationsstuen.

Vurderingen af ​​lymfeknudestatus er af afgørende betydning ved uterine maligniteter (endometrie- og livmoderhalskræft). Hyppigheden af ​​positive lymfeknuder i tilsyneladende tidlige stadier af cancer er langt fra at være lav (10 % endometrie og cervikal 15 %). Faktisk er prognosen og adjuverende behandlingsregimer stærkt påvirket af tilstedeværelsen af ​​nodal involvering. Systematiske omfattende lymfadenektomier udføres ofte til stadieinddeling, diagnosticering af springmetastaser og for at definere strålefeltet, når adjuverende strålebehandlinger er påkrævet. Ikke desto mindre kan bækken- og/eller paraaorta-lymfadenektomi føre til betydelige kort- og langsigtede komplikationer.

Det, der gør byrden af ​​kirurgisk sygelighed endnu sværere at bære, er, at lymfeknuderne i de fleste tilfælde, uanset typen af ​​bækkenkræft, er fri for metastaser. Det betyder, at størstedelen af ​​patienterne gennemgår en unødvendig, risikabel og byrdefuld procedure, som ikke har nogen dokumenteret indflydelse på deres overlevelse. For at løse dette problem i tidlige stadier af endometrie- og livmoderhalskræft, har evaluering af sentinel-lymfeknuden (SLN) fået en værdifuld rolle. opsamling af neoplastiske celler i tilfælde af tumorknudespredning gør det muligt for knudenegative patienter at blive skånet for de kirurgiske komorbiditeter forbundet med systematisk lymfadenektomi. Men selvom kun SLN fjernes, er frekvensen af ​​kirurgiske komplikationer stadig høj. Capozzi et al rapporterede en komplikationsrate på 11,2 % relateret til intraoperative skader på kar, nerver og urinledere og til postoperative tegn på lymfeceller og lymfødemer på grund af forkert anatomisk dissektion og forstyrrelse af lymfekanaler. Det er rapporteret en 25 % af SLN-kortlægningssvigt i henhold til patienter og cancerkarakteristika og variabilitet i de kirurgiske trin. I 2021 udgav Moloney et al og i 2023 Bizzarri et al en Delphi-konsensus for SLN-kirurgiske trin i endometrie- og livmoderhalskræft for at forbedre de kliniske resultater, mindske kirurgiske komplikationer og bias i multicentriske prospektive forsøg. Til dato har en indlæringskurve på 40 procedurer vist sig at være nødvendig for en vellykket bilateral kortlægning. Desuden er det i nogle tilfælde rapporteret om utilsigtet manglende høst af knudevæv i 14 % af tilfældene (højere forekomst hos overvægtige patienter med endometriecancer) med tomme pakker, der kan føre til overbehandling af hensyn til patientsikkerheden. Sentinel node frosset sektionsanalyse, der er hård, udføres derefter ikke rutinemæssigt på grund af dens ulempe i form af tidsforbrug og ikke nøjagtige resultater for mikrometastasedetektion (65% af detektionsnøjagtighed) og mister derved en del af teknikkens potentiale.

Ved laparoskopisk kolecystektomi er det kritiske syn på sikkerhed (CVS) blevet beskrevet for at reducere risikoen for galdevejsskade. Vi sigter mod at tilpasse koncepter for "sikkerhedskultur" til laparoskopisk SLN-knudedissektion ved at identificere centrale anatomiske vartegn og strukturer i forskellige scenarier, der kunne forhindre intraoperative skader og øge kortlægningshastigheden ved at følge de standardiserede kirurgiske trin.

Derfor ville kvantificering og undersøgelse af intraoperative hændelser, såsom hastigheden for opnåelse af de anbefalede kirurgiske trin, muliggøre undersøgelsen af, hvordan man bedst implementerer retningslinjerne og søger nye løsninger til at reducere operative risici. Desuden kan disse videoer bruges til at træne og validere kunstig intelligens (AI) algoritmer, med potentiale til at hjælpe kirurger på operationsstuen og hjælpe i træningen med at nå hurtigere til indlæringskurven og forbedre den proceduremæssige sikkerhed. Faktisk kunne nyere AI-algoritmer, der er i stand til automatisk at vurdere og dokumentere det kritiske syn på sikkerhed (CVS) med korte videoer, bruges til at understøtte implementeringen af ​​retningslinjer og gøre laparoskopisk SLN-dissektion mere sikker.

Analyse af videoer af laparoskopisk SLN-dissektion udført på henvisningscentre kan hjælpe med at vurdere implementeringen af ​​en trinvis tilgang til proceduren og udviklingen af ​​et kritisk syn på sikkerhed (CVS) sammen med andre retningslinjer for anbefalinger, samt udvikle nye løsninger til sikker laparoskopisk SLN dissektion. Trinene til identifikation og det "Kritiske syn på sikkerhed" er fuldt beskrevet i undersøgelsen. Vores projekt understreger vigtigheden af ​​at opnå disse synspunkter om sikkerhed, før vi går videre til næste trin i proceduren. Det næste trin involverer at analysere intensiteten af ​​det fluorescerende signal og korrelere det, som ingen nogensinde har gjort, med den histologiske diagnose af sentinel-lymfeknuden for at vurdere muligheden for korrelation mellem intensitet og metastatisk natur.

Derudover kunne AI-algoritmer til sikker laparoskopisk SLN-dissektion testes på de indsamlede videoer fra flere hospitalscentre for på passende vis at studere generaliserbarheden af ​​disse algoritmer før klinisk oversættelse.

Formål og formål med det kliniske studie:

Formålet med denne undersøgelse er at etablere hastigheden af ​​kritisk visning af sikkerhed (CVS) for sikker laparoskopisk SLN-dissektion i en multicenter kohorte af kirurgiske videoer for at reducere komplikationer, den kirurgiske indlæringskurve og korrelere ICG-intensiteten med lymfeknudemetastatisk natur