ロボット手術評価のためのニューラルネットワークの転移学習
2024年9月24日 更新者：Nasseh Hashemi、Aalborg University
限られた臨床データに対するロボット手術評価のための事前学習済み前臨床ニューラル ネットワークの転移学習
この観察研究の目的は、前臨床データに基づいてトレーニングされた事前トレーニング済み人工知能 (AI) モデルが、伝達学習を使用して泌尿器科患者のロボット支援手術 (RAS) における動作認識とスキル評価の精度をどのように向上できるかを調査することです。 。 回答することを目的とした主な質問は次のとおりです。
- 事前トレーニングされた AI モデルは、臨床手術における動作認識とスキル評価を正確に評価できるでしょうか?
- 転移学習のさまざまなトレーニング アプローチは AI モデルのパフォーマンスにどのような影響を与えるのでしょうか? 臨床データを使用してゼロから開発されたベースライン モデルは、(1) 臨床データに直接適用され、(2) AI モデルの一部のレイヤーのみをトレーニングすることで微調整され、(3) 完全に再トレーニングされた事前トレーニング済みモデルと比較されます。これらのアプローチによりパフォーマンスが向上します。
ロボット外科医の参加者は次のことを行います。
- 介入なしで患者に RAS 処置を受けさせます。ビデオデータは、後の行動認識とスキル評価のために収集されます。
- 臨床データセットの統合を通じてモデルのトレーニングと評価に貢献します。
調査の概要
研究の種類
観察的
入学 (実際)
5
連絡先と場所
このセクションには、調査を実施する担当者の連絡先の詳細と、この調査が実施されている場所に関する情報が記載されています。
研究場所
-
-
North Jutland
-
Aalborg、North Jutland、デンマーク、9000
- Department of Urology, Aalborg University Hospital
-
-
参加基準
研究者は、適格基準と呼ばれる特定の説明に適合する人を探します。これらの基準のいくつかの例は、人の一般的な健康状態または以前の治療です。
適格基準
就学可能な年齢
- 大人
- 高齢者
健康ボランティアの受け入れ
はい
サンプリング方法
非確率サンプル
調査対象母集団
研究集団は、経験豊富または初心者（ロボット外科医になるために外科フェローシップを受けている専門医師）のロボット外科医で構成されていました。
泌尿器科で治療のために入院した患者に対してロボット支援処置が行われるすべての処置。 患者様にはデータ収集に関しても同意をいただきました。 しかし、本当の参加者はロボット外科医たち。
説明
包含基準:
- 100例以上の症例経験を持つロボット外科医。
- 症例数100件未満のロボット手術仲間。
- オールボー大学病院の泌尿器科に勤務していたロボット外科医。
研究計画
このセクションでは、研究がどのように設計され、研究が何を測定しているかなど、研究計画の詳細を提供します。
研究はどのように設計されていますか？
デザインの詳細
コホートと介入
グループ/コホート |
介入・治療 |
|---|---|
|
経験豊富なロボット外科医
100件以上のロボット手術を執刀したロボット外科医。
|
これは介入のない観察研究でした。
|
|
初心者のロボット外科医
ロボット手術を行った症例が 100 件未満のロボット外科医。
|
これは介入のない観察研究でした。
|
この研究は何を測定していますか？
主要な結果の測定
結果測定 |
メジャーの説明 |
時間枠 |
|---|---|---|
|
臨床データをゼロから活用した動作認識の精度
時間枠：ロボット手術の開始から終了まで、動作認識の観点から評価されます。
|
ロボット手術の臨床データを使用してモデルをゼロからトレーニングする場合の、動作認識のための深層学習アルゴリズムの精度。
|
ロボット手術の開始から終了まで、動作認識の観点から評価されます。
|
|
臨床データをゼロから活用したスキル評価の精度
時間枠：ロボット手術の開始から終了まで、動作認識の観点から評価されます。
|
ロボット手術の臨床データを使用してモデルをゼロからトレーニングする場合の、スキル評価のための深層学習アルゴリズムの精度。
|
ロボット手術の開始から終了まで、動作認識の観点から評価されます。
|
|
臨床データに直接事前学習されたネットワークを使用した動作認識の精度
時間枠：ロボット手術の開始から終了まで、動作認識の観点から評価されます。
|
ロボット手術からの臨床データにモデルを直接使用した場合の、動作認識のための事前トレーニング済みディープラーニング アルゴリズムの精度。
|
ロボット手術の開始から終了まで、動作認識の観点から評価されます。
|
|
臨床データに直接事前トレーニングされたモデルを使用したスキル評価の精度
時間枠：ロボット手術の開始から終了までがスキル評価の観点から評価されます。
|
ロボット手術からの臨床データに直接モデルを使用した場合の、スキル評価のための事前トレーニング済みディープラーニング アルゴリズムの精度。
|
ロボット手術の開始から終了までがスキル評価の観点から評価されます。
|
|
事前トレーニングされたネットワークを完全に再トレーニングするためのアクション認識とスキル評価の K 倍の精度。
時間枠：臨床処置の開始から終了まで。
|
動作認識とスキル評価の両方について、臨床データ上で完全な事前トレーニング済みモデルを再トレーニングした場合、K 倍の相互検証精度が得られます。
|
臨床処置の開始から終了まで。
|
|
事前トレーニングされたネットワークの部分的な再トレーニングのアクション認識とスキル評価の K 倍の精度。
時間枠：臨床処置の開始から終了まで。
|
臨床データを使用した、LSTM および事前トレーニング済みネットワークの高密度層の再トレーニングのためのアクション認識とスキル評価の K 倍の相互検証精度。
|
臨床処置の開始から終了まで。
|
二次結果の測定
結果測定 |
メジャーの説明 |
時間枠 |
|---|---|---|
|
ゼロからトレーニングされた臨床ネットワークのアクション認識の重み付けされた再現率/感度、精度、および F1 スコア
時間枠：ロボット手術の開始から終了まで、動作認識の観点から評価されます。
|
ゼロから訓練された臨床ネットワークからの動作認識のパフォーマンスに基づいています。
|
ロボット手術の開始から終了まで、動作認識の観点から評価されます。
|
|
ゼロからトレーニングされた臨床ネットワークのスキル評価の加重再現率/感度、精度、および F1 スコア
時間枠：スキル評価の観点から評価されるロボット手術の開始から終了まで。
|
ゼロからトレーニングされた臨床ネットワークからのスキル評価のパフォーマンスに基づいています。
|
スキル評価の観点から評価されるロボット手術の開始から終了まで。
|
|
臨床データに基づいてゼロからトレーニングされたネットワークの行動認識とスキル評価の予測確実性。
時間枠：臨床処置の開始から終了まで。
|
全体の平均、最小、最大による予測確実性は、臨床データに基づいてゼロからトレーニングされたネットワークのアクション認識とスキル評価の確率プロットで表されます。
|
臨床処置の開始から終了まで。
|
|
部分的に再訓練されたネットワークの行動認識とスキル評価の予測確実性。
時間枠：臨床処置の開始から終了まで。
|
全体の平均、最小、最大による予測確実性。部分的に再トレーニングされたネットワークのアクション認識とスキル評価の確率プロットで表されます。ここでは、ネットワークの LSTM と深層のみが臨床データでトレーニングされています。
|
臨床処置の開始から終了まで。
|
協力者と研究者
ここでは、この調査に関係する人々や組織を見つけることができます。
スポンサー
出版物と役立つリンク
研究に関する情報を入力する責任者は、自発的にこれらの出版物を提供します。これらは、研究に関連するあらゆるものに関するものである可能性があります。
研究記録日
これらの日付は、ClinicalTrials.gov への研究記録と要約結果の提出の進捗状況を追跡します。研究記録と報告された結果は、国立医学図書館 (NLM) によって審査され、公開 Web サイトに掲載される前に、特定の品質管理基準を満たしていることが確認されます。
主要日程の研究
研究開始 (実際)
2023年5月22日
一次修了 (実際)
2023年5月26日
研究の完了 (実際)
2023年5月26日
試験登録日
最初に提出
2024年9月22日
QC基準を満たした最初の提出物
2024年9月22日
最初の投稿 (実際)
2024年9月25日
学習記録の更新
投稿された最後の更新 (実際)
2024年9月26日
QC基準を満たした最後の更新が送信されました
2024年9月24日
最終確認日
2024年9月1日
詳しくは
本研究に関する用語
個々の参加者データ (IPD) の計画
個々の参加者データ (IPD) を共有する予定はありますか?
はい
IPD プランの説明
IPD は、匿名の GDPR で保護されたデータとしてオープン アクセス Web サイトで共有されます。
データは、参加者が行った外科手術の匿名化された映像として共有されます。
IPD 共有時間枠
IPD およびサポート情報は、ジャーナルへの投稿時から利用可能となり、期間に制限なく利用できます。
IPD 共有アクセス基準
GitHub のオープンソース Web サイトにアクセスできる人は誰でもデータにアクセスできます。
そして、ジャーナルにアクセスできる人は誰でも、サポート情報にアクセスできます。
IPD 共有サポート情報タイプ
- STUDY_PROTOCOL
- ANALYTIC_CODE
医薬品およびデバイス情報、研究文書
米国FDA規制医薬品の研究
いいえ
米国FDA規制機器製品の研究
いいえ
米国で製造され、米国から輸出された製品。
いいえ
この情報は、Web サイト clinicaltrials.gov から変更なしで直接取得したものです。研究の詳細を変更、削除、または更新するリクエストがある場合は、register@clinicaltrials.gov。 までご連絡ください。 clinicaltrials.gov に変更が加えられるとすぐに、ウェブサイトでも自動的に更新されます。