深層学習による手術の安全性と術中転移同定の実装: 子宮悪性腫瘍における低侵襲センチネルリンパ節郭清のための多中心ビデオ収集 (LYSE)

手術は病院で発生するすべての合併症の約 3 分の 2 を占めます。 これらの合併症の約 75% は外科的介入中に発生し、そのうちの半分は予防可能であると考えられています。 従来、手術の安全性に関する研究は主に周術期の情報と手術者自身からの書面による報告書に依存してきました。 現在では、低侵襲手術中に外科医をガイドするビデオを簡単に録画できるため、外科的介入の客観的な記録が得られます。 手術ビデオを研究し、術中事象を定量化することは、有害事象の原因について有望な新しい視点を提供し、手術のリスクを軽減し、手術における国際的な安全勧告の実施を促進するための解決策を開発する可能性をもたらします。

さらに、最近の人工知能（AI）の進歩は画像理解において大きな成功を収めており、手術ビデオを自動かつ大規模に分析するためのアルゴリズムを開発する可能性が高まっています。 これらの AI アルゴリズムは、手術ビデオをリアルタイムで分析し、手術室での意思決定支援を提供することもできます。

リンパ節の状態の評価は、子宮悪性腫瘍 (子宮内膜がんおよび子宮頸がん) において非常に重要です。 明らかに初期段階の癌におけるリンパ節陽性の割合は、決して低いものではありません (子宮内膜で 10%、子宮頸部で 15%)。 実際、予後および補助治療計画は、リンパ節転移の存在によって強く影響されます。 体系的な広範囲のリンパ節切除術は、病期分類、スキップ転移の診断、および補助放射線療法治療が必要な場合の放射線照射野の定義のためによく行われます。 それにもかかわらず、骨盤および/または大動脈周囲のリンパ節切除術は、短期および長期の重大な合併症を引き起こす可能性があります。

外科的罹患率の負担をさらに困難にしているのは、骨盤悪性腫瘍の種類に関係なく、ほとんどの場合、リンパ節には転移がないことです。 これは、大多数の患者が、生存に影響を与えることが実証されていない、不必要で危険で負担のかかる処置を受けることを意味します。 初期段階の子宮内膜がんおよび子宮頸がんにおけるこの問題を解決するために、センチネルリンパ節 (SLN) の評価が貴重な役割を果たしています。最初の病変を排出する最初のリンパ節またはリンパ節群、したがって最初のリンパ節の評価です。腫瘍のリンパ節転移の場合に腫瘍細胞を収集することで、リンパ節陰性患者を全身性リンパ節切除術に伴う外科的合併症から守ることができます。 しかし、たとえSLNだけを切除したとしても、手術合併症の発生率は依然として高いです。 Capozziらは、血管、神経、尿管の術中の損傷、および誤った解剖学的解剖やリンパ管の破壊によるリンパ節やリンパ浮腫の術後の所見に関連する合併症率が11.2%であると報告した。 患者やがんの特徴、手術ステップのばらつきに応じて、SLN マッピングの 25% が失敗すると報告されています。 2021年にMoloneyら、2023年にBizzrriらは、臨床転帰を改善し、多施設共同前向き試験における手術合併症と偏りを軽減するための、子宮内膜がんおよび子宮頸がんにおけるSLN手術ステップに関するDelphiコンセンサスを発表した。 現在までに、双方向マッピングを成功させるには 40 の手順の学習曲線が必要であることが実証されています。 さらに、場合によっては、14% の症例 (子宮内膜がんを伴う肥満患者ではその割合が高い) で、空のパケットを使用してリンパ節組織を採取できなかったことが報告されており、患者の安全のための過剰治療につながる可能性があります。 困難なセンチネルノード凍結切片分析は、時間がかかることと、微小転移検出の正確な結果が得られない（検出精度の65％）という点で不利なため、日常的には実行されておらず、それによって技術の可能性の一部が失われています。

腹腔鏡下胆嚢摘出術では、胆管損傷のリスクを軽減するための重要な安全性 (CVS) が説明されています。 私たちは、標準化された手術手順に従うことで術中の損傷を防ぎ、マッピング率を高めることができる重要な解剖学的ランドマークと構造をさまざまなシナリオで特定することにより、「安全の文化」の概念を腹腔鏡下 SLN 結節郭清に適応させることを目指しています。

したがって、推奨される手術手順の達成率などの術中イベントを定量化して研究することで、ガイドラインの推奨事項を実行する最善の方法を検討し、手術のリスクを軽減するための新しい解決策を模索することが可能になります。 さらに、これらのビデオは人工知能 (AI) アルゴリズムのトレーニングと検証に利用でき、手術室の外科医がトレーニングを支援して学習曲線を短縮し、手術の安全性を向上させる可能性があります。 実際、安全性に関する重大な見解 (CVS) を自動的に評価し、短いビデオで文書化できる最近の AI アルゴリズムを利用すれば、ガイドラインの実施をサポートし、腹腔鏡下 SLN 切開をより安全にすることができます。

紹介センターで行われた腹腔鏡下 SLN 解剖のビデオを分析することは、手順への段階的なアプローチの実施と、他のガイドライン推奨事項に沿った安全性の批判的見解 (CVS) の開発を評価するのに役立ち、また、安全な腹腔鏡下 SLN のための新しいソリューションを開発するのにも役立ちます。解剖。 特定までの手順と「安全性の批判的見解」は研究で完全に説明されています。 私たちのプロジェクトでは、手順の次のステップに進む前に、安全性に関するこれらの見解を達成することの重要性を強調しています。 次のステップでは、蛍光シグナルの強度を分析し、これまで誰もやったことのない方法でセンチネルリンパ節の組織学的診断と相関させ、強度と転移性の相関関係の可能性を評価します。

さらに、安全な腹腔鏡下 SLN 解剖のための AI アルゴリズムを複数の病院センターから収集したビデオでテストして、臨床翻訳前にこれらのアルゴリズムの一般化可能性を適切に研究することもできます。

臨床研究の目的と目的:

この研究の目的は、合併症を軽減し、手術の学習曲線を改善し、ICG 強度とリンパ節転移の性質を相関させるために、手術ビデオの多施設コホートにおける安全な腹腔鏡下 SLN 郭清のための安全性批判的見解 (CVS) の割合を確立することです。