Implementering av kirurgisk säkerhet och intraoperativ metastasidentifiering genom djupinlärning: multicentrisk videoinsamling för minimalt invasiv Sentinel Lymfkörteldissektion i uterina maligniteter (LYSE)

Kirurgi står för cirka två tredjedelar av alla sjukhuskomplikationer. Cirka 75 % av dessa komplikationer uppstår under kirurgiska ingrepp, och hälften av dem anses kunna förebyggas. Traditionellt har studier om kirurgisk säkerhet huvudsakligen förlitat sig på perioperativ information och skriftliga rapporter från operationsoperatörerna själva. Nuförtiden kan videor som vägleder kirurgen under minimalt invasiva ingrepp enkelt spelas in, vilket ger objektiv dokumentation av kirurgiska ingrepp. Att studera kirurgiska videor och kvantifiera intraoperativa händelser erbjuder ett lovande nytt perspektiv på orsakerna till biverkningar, med potential att utveckla lösningar för att minska kirurgiska risker och underlätta implementeringen av internationella säkerhetsrekommendationer inom kirurgi.

Dessutom har de senaste framstegen inom artificiell intelligens (AI) visat stor framgång i bildförståelse, vilket ökar möjligheten att utveckla algoritmer för automatisk och storskalig analys av kirurgiska videor. Dessa AI-algoritmer kan också analysera kirurgiska videor i realtid och ge beslutsstöd i operationssalen.

Bedömningen av lymfkörtelstatus är av avgörande betydelse vid livmodermaligniteter (endometrie- och livmoderhalscancer). Andelen positiva lymfkörtlar i uppenbarligen tidigt stadium av cancer är långt ifrån låg (10 % endometrial och cervikal 15 %). Faktum är att prognos och adjuvant behandlingsregimer starkt påverkas av närvaron av nodal involvering. Systematiska omfattande lymfadenektomier utförs ofta för stadieindelning, diagnos av hoppade metastaser och för att definiera strålningsfältet när adjuvant strålbehandling krävs. Ändå kan bäcken- och/eller paraaorta-lymfadenektomi leda till betydande kortsiktiga och långvariga komplikationer.

Det som gör bördan av kirurgisk sjuklighet ännu svårare att bära är att lymfkörtlarna i de flesta fall, oavsett typ av malignitet i bäckenet, är fria från metastaser. Detta innebär att majoriteten av patienterna genomgår ett onödigt, riskfyllt och betungande ingrepp som inte har någon bevisad inverkan på deras överlevnad. För att lösa detta problem i tidiga stadium av endometrie- och livmoderhalscancer, har utvärdering av sentinel lymfkörteln (SLN) fått en värdefull roll. Utvärderingen av den första lymfkörteln eller gruppen av lymfkörtlar som dränerar den initiala lesionen och därför den första stationen för samla neoplastiska celler i händelse av tumörnodal spridning gör att nodnegativa patienter kan besparas från de kirurgiska komorbiditeter som är förknippade med systematisk lymfadenektomi. Men även om endast SLN tas bort är frekvensen av kirurgiska komplikationer fortfarande hög. Capozzi et al rapporterade en komplikationsfrekvens på 11,2 % relaterade till intraoperativa skador på kärl, nerver och urinledare och till postoperativa tecken på lymfocyter och lymfödem på grund av felaktig anatomidissektion och störning av lymfatiska kanaler. Det rapporteras att 25 % av SLN-kartläggningen misslyckats enligt patienter och canceregenskaper och variabilitet i de kirurgiska stegen. 2021 publicerade Moloney et al och 2023 Bizzarri et al en Delphi-konsensus för SLN-kirurgiska steg vid endometrie- och livmoderhalscancer för att förbättra de kliniska resultaten, minska kirurgiska komplikationer och bias i multicentriska prospektiva prövningar. Hittills har en inlärningskurva på 40 procedurer visat sig behövas för framgångsrik bilateral kartläggning. Dessutom rapporteras i vissa fall oavsiktligt misslyckande att skörda nodalvävnad i 14 % av fallen (högre frekvens hos överviktiga patienter med endometriecancer) med tomma förpackningar som kan leda till överbehandling för patientsäkerheten. Analys av sentinel nod frusen sektion är tuff då inte rutinmässigt utförs på grund av dess nackdel när det gäller tidsförbrukning och inte korrekta resultat för mikrometastasdetektion (65% av detektionsnoggrannheten) och förlorar därmed en del av teknikens potential.

Vid laparoskopisk kolecystektomi har den kritiska synen på säkerhet (CVS) beskrivits för att minska risken för gallgångsskada. Vi strävar efter att anpassa begreppen "säkerhetskultur" till laparoskopisk SLN-noddissektion genom att identifiera viktiga anatomiska landmärken och strukturer, i olika scenarier, som kan förhindra intraoperativa skador och förbättra kartläggningshastigheten genom att följa de standardiserade kirurgiska stegen.

Därför skulle kvantifiering och studier av intraoperativa händelser, såsom graden av uppnående av de rekommenderade kirurgiska stegen, möjliggöra undersökningen av hur man bäst implementerar riktlinjerekommendationer och söker nya lösningar för att minska operativa risker. Dessutom kan dessa videor användas för att träna och validera artificiell intelligens (AI) algoritmer, med potential att hjälpa kirurger i operationssalen att hjälpa till i utbildningen för att nå snabbare inlärningskurvan och förbättra procedurens säkerhet. Faktum är att nyare AI-algoritmer som kan automatiskt utvärdera och dokumentera den kritiska synen på säkerhet (CVS) med korta videor kan användas för att stödja implementeringen av riktlinjer och göra laparoskopisk SLN-dissektion säkrare.

Att analysera videor av laparoskopisk SLN-dissektion utförd på remisscenter kan hjälpa till att bedöma implementeringen av ett stegvis tillvägagångssätt för proceduren och utvecklingen av en kritisk syn på säkerhet (CVS) tillsammans med andra riktlinjerekommendationer, samt utveckla nya lösningar för säker laparoskopisk SLN dissektion. Stegen till identifiering och "Kritisk syn på säkerhet" beskrivs fullständigt i studien. Vårt projekt betonar vikten av att uppnå dessa synpunkter på säkerhet innan vi går vidare till nästa steg i proceduren. Nästa steg innebär att analysera intensiteten av den fluorescerande signalen och korrelera den, som ingen någonsin har gjort, med den histologiska diagnosen av sentinellymfkörteln för att bedöma möjligheten till korrelation mellan intensitet och metastatisk natur.

Dessutom kunde AI-algoritmer för säker laparoskopisk SLN-dissektion testas på de insamlade videorna från flera sjukhuscentra för att adekvat studera generaliserbarheten av dessa algoritmer före klinisk översättning.

Syfte och syfte med den kliniska studien:

Syftet med denna studie är att fastställa graden av kritisk syn på säkerhet (CVS) för säker laparoskopisk SLN-dissektion i en multicenterkohort av kirurgiska videor för att minska komplikationer, den kirurgiska inlärningskurvan och korrelera ICG-intensiteten med lymfkörtelns metastaserande natur