AUGUR-AI - Indocyanine Green Fluorescence Angiography Edustaja (AUGUR-AI)

Leikkaus on tärkeä osa terveydenhuoltoa, mutta sitä on jatkuvasti optimoitava sen tehokkuuden maksimoimiseksi ja riskien ja kustannusten minimoimiseksi. Monimutkaiset kirurgiset tulokset, jotka vaativat usein merkittäviä terveydenhuoltoresursseja, korostavat tarvetta turvallisuuden ja tarkkuuden jatkuvaan parantamiseen. Jokainen kirurginen toimenpide koostuu joukosta kriittisiä vaiheita, jotka perustuvat kirurgin harkintaan sekä tekniseen kätevuuteen ja taitoon. Päätökset tehdään pääasiassa visuaalisella tulkinnalla löydöksistä potilaskohtaisten tekijöiden (mukaan lukien ennen leikkausta profiloitujen) ja operaattorin oman kokemuksen (johon sisältyy muodollinen koulutus ja kertynyt asiantuntemus) kontekstissa. Tämä pätee erityisesti mini-invasiiviseen leikkaukseen, jossa käytetään sisäistä kameraa näyttämään sisäinen kohtaus yhdessä käyttäjän toimien kanssa näytöllä katselua varten (digitoidun kuvan luo tietokone ihmisen tulkitsemista varten). Leikkauksen onnistumisen kannalta ratkaisevaa on tehdä mahdollisimman tarkkoja päätöksiä, jotta potilaat saavat turvallisen, onnistuneen leikkauksen, joka korjaa ongelman mahdollisimman pienellä toimintahäiriöllä. Kolorektaalisessa resektiossa tämä tarkoittaa, että jäännöskudokset ovat riittävästi perfusoituneita parantuakseen, koska anastomoosien paranemattomuus liittyy merkittävään sairastumiseen ja kuolleisuuteen.

Lähi-infrapunalaparoskopia on vakiintunut tekniikka, jonka tavoitteena on parantaa kliinisiä tuloksia tarjoamalla keino nähdä tiettyjä kudosominaisuuksia, jotka muutoin olisivat ihmissilmälle näkymättömiä, mikä helpottaa leikkauksen sisäistä päätöksentekoa. Tämä tekniikka käyttää NIR-alueen (780-820 nm) energiaa kudosten visualisoimiseen tavallisen valkoisen valon kyselyn ohella. Tällä aallonpituudella oleva energia ei aiheuta soluvaurioita ja voi tunkeutua kudoksiin muutaman millimetrin syvyyteen. Tällä aallonpituudella ei ole biologista heijastusta kudoksesta, joten systeemisesti annetun herkän aineen läsnäolo voidaan varmistaa, jos aine kykenee fluoresenssiin (eli energian absorptio yhdellä aallonpituudella ja sen uudelleenemissio eri aallonpituudella). Vaikka uusia fluoresoivia aineita kehitetään, tällä hetkellä hyödyllisin ja turvallisin käytettäväksi hyväksytty aine on indosyaniinivihreä (ICG), joka on pitkään hyväksytty ja osoittautunut turvalliseksi verenkierron arvioinnissa, mukaan lukien mikrovaskulaarinen kudosperfuusio. Systeemisesti annettuna väriaine kiertää kehon läpi sekunneissa ja tarjoaa reaaliaikaista tietoa, jota voidaan toistuvasti arvioida eri vaiheissa koko leikkauksen ajan. Tähän mennessä monet tutkimukset, mukaan lukien satunnaistetut kontrolloidut kokeet, ovat osoittaneet, että indosyaniinivihreän fluoresenssiangiografian (ICGFA) käyttö liittyy pienempään anastomoottisten vuotojen määrään suurissa kolorektaalisissa resektioleikkauksissa. Dynaamisesti muuttuvien kohtausten subjektiiviset tulkinnat voivat olla vaikeita, varsinkin jos näytön eri alueita on ehkä seurattava ajan myötä. Kuitenkin, koska ICGFA:n käyttö liittyy alhaisempiin vuotomääriin, asiantuntevien käyttäjien signaalikuvioiden tulkinnan on oltava johdonmukaista, ja tämä on myös osoitettu käyttäjien välistä vaihtelua tarkasteltaessa.

"Digitaalinen kirurgia" käsitteenä liittyy teknologian soveltamiseen reaaliaikaiseen data-analysointiin leikkausten aikana. Termi tekoäly (AI) viittaa teknologiaan, joka yrittää jäljitellä ihmisen kognitiota. Tietokonenäöllä tarkoitetaan visuaalisen näytön muuntamista numeerisiksi tietojoukoiksi, jotka tulevat sitten saataville koneoppimista varten käyttämällä dataotokseen perustuvia tilastollisia malleja päätöksenteon soveltamiseksi tilanteisiin ilman, että se on nimenomaisesti suunniteltu suorittamaan tehtävää. Ennustava malli voi punnita eri polkuja, ja luokitin voi sitten esittää päätöksen tukiehdotuksen luotettavuustasonsa rinnalla. Aiemmassa työssämme olemme kouluttaneet tekoälymalleja, jotka perustuvat asiantuntevaan tulkintaan fluoresenssisignaalikuvioista potilailla, joiden ei tiedetty kärsineen leikkauksen jälkeisestä anastomoottisesta vuodosta. Olemme myöhemmin testanneet tätä menetelmää prospektiivisesti, leikkauksen aikana peräkkäisillä potilailla kannettavalla tietokoneella (NVIDIA T500 2GB GPU:lla). Ohjelmistomenetelmä osoittautui 100 % tarkaksi kohdetasolla ja vastasi leikkauskirurgin todellista nitojan sijoituspaikkaa. Olemme myös osoittaneet, että se voi oppia useiden kirurgien tulkinnoista ja että se on yleistettävissä muihin kirurgeihin ja kuvantamisjärjestelmiin. Siitä lähtien olemme rakentaneet ohjelmistoalustan NVIDIA Jetsonille.

Pyrimme testaamaan tekoälypohjaista ohjelmistoa tarjoamaan, kuinka asiantuntijakirurgi tulkitsisi ICGFA-signaaleja reaaliajassa, leikkauksen aikana. Kirurgit ovat sokeita tekoälyalgoritmin tekemille ennustuksille.

Tätä varten ICGFA:ta käytetään hyväksytyllä tavalla potilailla, joille tehdään avoin, laparoskooppinen tai robotti suuri kolorektaalinen resektioleikkaus tavanomaisten kliinisen hoitokäytännön mukaisesti. Videotallenteet analysoidaan tekoälymallilla leikkauksen yhteydessä, mutta kirurgi on sokeutunut esitykseen.

Lopuksi toimenpiteen päätyttyä mallin tuottamaa tietoa verrataan kirurgin intraoperatiivisesti tekemiin tulkintoihin. Tutkimuksen alkuvaiheessa testataan jo kehitettyä tekoälymallia. Seuraavissa vaiheissa testataan samanaikaisesti uusia tekoälymalleja, jotka on kehitetty osallistuvien sivustojen tulkintojen perusteella.

Lyhyesti sanottuna tässä tutkimuksessa potilaat, joilla on avoin, laparoskooppinen tai robottileikkaus paksusuolen sairauden vuoksi, saavat ICG:tä suoliston perfuusion riittävyyden määrittämiseksi. Näiden kuvien videotallenteita tarkastellaan matemaattisesti reaaliajassa fluoresenssikuvioiden suhteen ja niitä verrataan kirurgin tulkintaan ja kliiniseen kurssiin sekä mallin testaamiseksi että sen oppimisjoukon kehittämiseksi.

Tässä tutkimuksessa potilaille tuotettujen uusien analyyttisten tietojen perusteella ei tehdä muutoksia johtamiseen - tutkimus on siksi prospektiivinen havainnointikohorttitutkimus. Tekoälymallinnus edellyttää asiaankuuluvan pseudonyymisoidun datan lähettämistä sivuston ulkopuolelle videon muodossa ja luokittelevan metadatan tutkimuskumppaneille University College Dublinissa.

Kaikille mahdollisille osallistuville potilaille annetaan nimenomainen suostumus tutkimuksen tavoitteista, protokollista ja reiteistä. Tietojen jakaminen tulee olemaan GDPR-säännösten mukaista, ja tämän tutkimuksen prosessit on kartoittanut sairaalan GDPR-vastaava. Mitään henkilökohtaisia ​​tunnistetietoja ei poistu tutkimusryhmästä tai ne eivät ole asiaankuulumattomien henkilöiden saatavilla.

NIR-laparoskopiaan ja ICGFA-tutkimukseen sisältyy ICG:n systeeminen antaminen sen luvan puitteissa - eli kudosperfuusion ensisijainen karakterisointi, joten tämä ei ole CTIMP-tutkimus. Käytettävä annos määräytyy leikkauskirurgin harkinnan mukaan normaalin kliinisen käytäntönsä mukaisesti.

ICGFA:ta on käytetty suolen perfuusion riittävyyden arvioinnissa useissa tutkimuksissa, ja sitä arvioidaan satunnaistetuissa tutkimuksissa sen hyödyn osoittamiseksi. Käytetty aine, ICG, on ollut kliinisessä käytössä useita vuosikymmeniä lisäsovelluksilla oftalmologiassa, tehohoidossa, hepatologiassa (maksatilavuuden arviointi) ja intraoperatiivisesti sappipuun anatomian määrittelyssä. Syövän leimausaineena sitä on käytetty maksasyövän ja etäpesäkkeiden, keuhko- ja haimasyövän hoitoon, ja se on äskettäin FDA:n hyväksymä lymfaattisten kartoitusten tekemiseen gynekologisten pahanlaatuisten kasvainten varalta. Sitä on käytetty myös endoskooppisena tatuointiaineena. Se on yleensä hyvin siedetty, sillä anafylaksia on alhainen ja turvallisuusprofiili on korkea, ja se erittyy metaboloitumatta maksassa.

NIR-valaistus on nyt sisäänrakennettu useiden suurten kaupallisten yritysten, kuten Stryker, Arthrex, Karl Storz, Olympus ja Intuitive, järjestelmään, jolla on laaja kokemus käytöstä ilman kudosmyrkyllisyyttä. Tässä tutkimuksessa NIR-videoita tallennetaan joko Stryker/Arthrex-järjestelmällä.