人工知能生成動画フィードバックによる冠動脈バイパス手術の技術向上
2026年2月3日 更新者：Shengshou Hu、China National Center for Cardiovascular Diseases
AI生成動画フィードバックによる冠動脈バイパス移植術の技術スキル向上
本研究は、人工知能（AI）ベースの外科手術パフォーマンス評価モデルによって生成されたターゲット型ビデオフィードバックが、冠動脈バイパス移植術（CABG）を実施する心臓外科医の技術スキル向上を支援できるかどうかを評価することを目的としています。
これは単一群、自己対照、事前事後介入研究です。
参加外科医はベースラインCABG手術動画を提出し、これはAIモデルと盲検化された人間専門家評価者によって標準化された採点基準を用いて評価されます。
AI評価に基づき、外科医は技術的パフォーマンスが低いと関連付けられた手術手順を強調した個別化ビデオフィードバックを受け取ります。
1か月間の自己主導型レビュー期間後、追跡CABG手術動画が提出され、同じプロセスで評価されます。
ベースラインと追跡調査の間の人間評価による技術スキルスコアの変化を用いて、AI生成ビデオフィードバックの教育的影響の可能性を評価します。
調査の概要
詳細な説明
冠動脈バイパス手術（CABG）は、心臓外科医に高度な技術を要求する複雑な外科的処置です。 手術技術のばらつきは、手技の質や患者の転帰に影響を及ぼす可能性があります。 人工知能（AI）の最近の進歩により、手術動画データを用いた手術パフォーマンスの自動評価が可能となり、客観的なフィードバックと外科教育の新たな機会が生まれています。
本研究は、AIベースの手術パフォーマンス評価モデルによって生成されたターゲット型動画フィードバックが、心臓外科医のCABG手技における技術的スキルの向上に役立つかどうかを評価することを目的としています。 AIスコアリングシステムにおいてベースラインの技術的パフォーマンスが下位半分に位置する参加外科医は、低いパフォーマンススコアに関連する手術ステップと操作を強調したパーソナライズされた動画フィードバックを受け取ります。
この単一群自己対照研究では、各参加外科医がベースラインのCABG手術動画を提出し、これはAIモデルと経験豊富な心臓外科医からなるパネルによって、標準化された評価基準を用いて独立して評価されます。 AI生成の動画フィードバックを受け取った後、外科医には追加の正式なトレーニングやコーチングなしで、1ヶ月間フィードバックを検討し内省する時間が与えられます。 その後、フォローアップのCABG手術動画が提出され、同じ評価プロセスを用いて評価されます。
本研究の主要評価項目は、ベースライン動画とフォローアップ動画の間で、人間の専門家評価者が割り当てた技術的スキルスコアの変化です。 副次的評価項目には、外科医によるAIが特定したパフォーマンス不足点の自己評価、AI生成フィードバックと人間の専門家フィードバックの一致度、および選択された患者の術後院内転帰が含まれます。 本研究の結果は、AI支援動画フィードバックが、手術スキル開発のための拡張可能な教育ツールとして果たす役割についての知見を提供する可能性があります。
研究の種類
介入
入学 (推定)
100
段階
- 適用できない
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。
研究連絡先
- 名前：Lihua Zhang Zhang, M.D, Ph.D
- 電話番号：13810483387
- メール：zhanghaibo@fuwai.com
研究場所
-
-
Beijing Municipality
-
Beijing、Beijing Municipality、中国、102300
- Fuwai Hospital
-
コンタクト：
- Lihua Zhang Zhang, M.D, Ph.D
- 電話番号：15920826832
- メール：leilubi@fuwai.com
-
-
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
- 子
- 大人
- 高齢者
健康ボランティアの受け入れ
はい
説明
選定基準：
- ベースライン時のAI評価による技術的パフォーマンスが、CAMERA研究（NCT06739005）のスコアリングシステム内で下位50％にランクされていること
除外基準：
- 参加を希望しない場合
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
- 主な目的：他の
- 割り当て：なし
- 介入モデル：単一グループの割り当て
- マスキング：なし（オープンラベル）
武器と介入
参加者グループ / アーム |
介入・治療 |
|---|---|
|
実験的：AIガイド付きビデオフィードバック介入
本研究の参加者は、冠動脈バイパス手術（CABG）のベースライン手術動画に基づいたAI生成のビデオフィードバックで構成される個人向け教育介入を受けます。
AIモデルは手術パフォーマンスを分析し、技術スキルスコアが低い特定の手術手順を特定します。
これらの領域を強調した精選されたビデオクリップが、外科医の自己レビューと振り返りに提供されます。
1か月の介入期間中は追加の正式なトレーニングやコーチングは行われず、その後、追跡手術動画が再評価のために提出されます。
|
本研究の参加者は、ベースライン冠動脈バイパス移植術（CABG）手術動画に基づくAI生成のビデオフィードバックからなる個別化教育介入を受けます。
AIモデルは手術のパフォーマンスを分析し、技術的スキルスコアが低い特定の手術手順を特定します。
これらの領域を強調した精選されたビデオクリップが、外科医による自己評価と内省のために提供されます。
1か月の介入期間中は追加の正式なトレーニングやコーチングは行われず、その後、再評価のためにフォローアップ手術動画が提出されます。
|
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 |
|---|---|---|
|
ベースラインとフォローアップのCABG動画における人間専門家評価技術スキルスコアの変化
時間枠：ベースライン、1か月
|
主要アウトカムは、盲検化された人間の専門家評価者パネルによって割り当てられる技術スキルスコアの変化である。評価者は、ベースライン時およびAI生成のビデオフィードバックを受け取ってから1か月後に提出された匿名化された冠動脈バイパス移植術（CABG）手術ビデオを独立して評価する。
スコアリングは、標準化された評価基準を使用して、全体的な手術技術のパフォーマンスを評価する。
スコアが高いほどパフォーマンスが優れていることを示す：組織への配慮、時間と動作、器具の取り扱い、器具に関する知識、助手の活用、手術の流れと事前計画、および特定の手順に関する知識。
各領域は5段階のリッカート尺度で評価され、1はパフォーマンスが低く、5は優れていることを示した。
さらに、各評価者は、手術パフォーマンスの全体的な評価を捉えるために、全体的印象スコア（1〜5）を提供した。
2つのスコアは100点に換算され、最終スコアは、7領域評価合計スコアの70％と全体的印象スコアの30％で構成される。
|
ベースライン、1か月
|
二次結果の測定
結果測定 |
メジャーの説明 |
時間枠 |
|---|---|---|
|
外科医によるAIフィードバックの自己評価
時間枠：1か月
|
外科医は、技術的パフォーマンスの不足点を強調するAI生成ビデオクリップをレビューし、AIフィードバックに対する満足度を評価する自己評価アンケートを完了します。
|
1か月
|
|
AIフィードバックと人間専門家のフィードバックの一貫性。
時間枠：ベースライン、1か月
|
この結果は、AIが生成した手術パフォーマンスフィードバックと人間の専門評価者が提供した評価との一貫性を評価します。
AIスコアは2段階の深層学習フレームワークによって生成され、人間の専門評価者のスコアは主要評価項目で詳細に説明されている検証済みの7領域評価尺度によって生成されました。
級内相関係数（ICC）を使用して、AIモデルによって評価された手術技術スコアと人間の専門評価者によって評価されたスコアとの一貫性を評価します。
|
ベースライン、1か月
|
|
術後の入院中アウトカム: 主要合併症の発症率
時間枠：ベースライン、1か月
|
患者の術後入院中の転帰を収集・分析し、AIフィードバック介入後の外科医の技術的パフォーマンスの変化との関連性を探求します。
主要合併症の発生率（死亡、急性腎障害、心筋梗塞、脳卒中の複合転帰）
|
ベースライン、1か月
|
|
術後院内転帰：死亡の発生率
時間枠：ベースライン、1か月
|
AIフィードバック介入後の外科医の技術的パフォーマンスの変化と死亡率の関連
|
ベースライン、1か月
|
|
術後の院内転帰：急性腎障害の発症率
時間枠：ベースライン、1か月
|
AIフィードバック介入後の外科医の技術的パフォーマンスの変化と急性腎障害の発生率との関連
|
ベースライン、1か月
|
|
術後入院中の転帰：心筋梗塞の発生率
時間枠：ベースライン、1ヶ月
|
AIフィードバック介入後の外科医の技術的パフォーマンスの変化と心筋梗塞の発生率との関連
|
ベースライン、1ヶ月
|
|
術後の入院中転帰：脳卒中の発生率
時間枠：ベースライン、1ヶ月
|
AIフィードバック介入後の外科医の技術的パフォーマンスの変化と脳卒中の発生率との関連
|
ベースライン、1ヶ月
|
|
術後院内転帰：二次的開胸術の発生率
時間枠：ベースライン、1か月
|
AIフィードバック介入後の外科医の技術的パフォーマンスの変化と二次的開胸術の発生率との関連
|
ベースライン、1か月
|
|
術後入院中の転帰：IABP埋め込みの発生率
時間枠：ベースライン、1か月
|
AIフィードバック介入後の外科医の技術的パフォーマンスの変化とIABP埋め込み術の発生率との関連
|
ベースライン、1か月
|
|
術後院内転帰：ECMO導入の発生率
時間枠：ベースライン、1か月
|
AIフィードバック介入後の外科医の技術的パフォーマンスの変化とECMO導入の発生率との関連。
|
ベースライン、1か月
|
|
術後の院内転帰：ベッドサイド血液濾過の発生率
時間枠：ベースライン、1か月
|
AIフィードバック介入後の外科医の技術的パフォーマンスの変化とベッドサイド血液濾過の発生率との関連。
|
ベースライン、1か月
|
|
術後院内転帰：腹膜透析の発生率
時間枠：ベースライン、1か月
|
AIフィードバック介入後の外科医の技術的パフォーマンスの変化と腹膜透析の発生率との関連
|
ベースライン、1か月
|
|
術後院内転帰：気管切開の発生率
時間枠：ベースライン、1か月
|
AIフィードバック介入後の外科医の技術的パフォーマンスの変化と気管切開術の発生率との関連
|
ベースライン、1か月
|
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。
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 (推定)
2026年1月31日
一次修了 (推定)
2026年3月31日
研究の完了 (推定)
2026年4月30日
試験登録日
最初に提出
2025年12月23日
QC基準を満たした最初の提出物
2026年2月3日
最初の投稿 (実際)
2026年2月10日
学習記録の更新
投稿された最後の更新 (実際)
2026年2月10日
QC基準を満たした最後の更新が送信されました
2026年2月3日
最終確認日
2026年2月1日
詳しくは
本研究に関する用語
キーワード
その他の研究ID番号
- FW-HSS
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
本研究で収集されたデータは、出版後2年を経過した後、合理的な要請（huss@fuwai.com）に基づき公開されます。
IPD 共有時間枠
発行から2年後。
IPD 共有アクセス基準
PIによって承認され、huss@fuwai.comにプロトコルが送信された方は誰でもデータにアクセスできます。
データはExcelまたはSASで転送されます。
IPD 共有サポート情報タイプ
- STUDY_PROTOCOL
- SAP
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
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。