Entwicklung eines Feedbacksystems zur Optimierung der laparoskopischen Instrumentenführung durch Integration einer automatisierten Bildklassifizierung

DSpace Repositorium (Manakin basiert)


Dateien:

Zitierfähiger Link (URI): http://hdl.handle.net/10900/101578
http://nbn-resolving.de/urn:nbn:de:bsz:21-dspace-1015786
http://dx.doi.org/10.15496/publikation-42957
Dokumentart: Dissertation
Erscheinungsdatum: 2020-06-17
Sprache: Deutsch
Fakultät: 4 Medizinische Fakultät
Fachbereich: Medizin
Gutachter: Kirschniak, Andreas (Prof. Dr.)
Tag der mündl. Prüfung: 2020-05-25
DDC-Klassifikation: 610 - Medizin, Gesundheit
Schlagworte: Chirurgie , Laparoskopie , Maschinelles Sehen
Freie Schlagwörter: Chirurgisches Training
Laparoskopische Chirurgie
Iatrogene Verletzung
Elektrochirurgie
Patientensicherheit
Box-Trainer
Electrosurgery
Patient safety
Box trainer
Computer vision
Inadvertent injury
Surgical training
Laparoscopic surgery
Lizenz: http://tobias-lib.uni-tuebingen.de/doku/lic_mit_pod.php?la=de http://tobias-lib.uni-tuebingen.de/doku/lic_mit_pod.php?la=en
Gedruckte Kopie bestellen: Print-on-Demand
Zur Langanzeige

Inhaltszusammenfassung:

Während laparoskopischer Eingriffe kann es zu akzidentellen Verletzungen benachbarter Gewebestrukturen kommen, vor allem wenn sich das Arbeitsinstrument außerhalb des Sichtfeldes der laparoskopischen Kamera befindet. Ausgangspunkt der vorliegenden Arbeit war die quantitative sowie qualitative Untersuchung des Auftretens dieser als „Adverse Events“ (AE) bezeichneten Situationen während der laparoskopischen Cholezystektomie in einem realitätsnahen Trainingssetting. Des Weiteren sollte mit der Entwicklung eines Funktionsmusters die Machbarkeit eines kontextsensitiven, audiovisuellen Feedbacksystems durch Implementierung einer automatisierten binären Klassifizierung der zugrundeliegenden Bilddaten belegt werden. Das Ziel war dabei die Erkennung von AE während des Eingriffs in Echtzeit und deren Rückmeldung an das Operationsteam. Die Evaluation erfolgte im Rahmen einer randomisierten kontrollierten Probandenstudie mit 24 Medizinstudierenden (je 12 in Interventions- versus Kontrollgruppe), welche jeweils vier konsekutive laparoskopische Cholezystektomien in einer standardisierten Trainingsumgebung durchführten. Der Interventionsgruppe nutzte dabei das Feedbacksystem. Primärer Endpunkt war die Inzidenz von AE. Insgesamt wurden in der Gesamtpopulation 2895 AE registriert. Die mediane Anzahl der AE pro Eingriff lag bei 20,5. Die entwickelte Anwendung zur binären Bildklassifizierung konnte davon lediglich 33,9 % korrekt zuordnen. In der vergleichenden Auswertung von Interventions- und Kontrollgruppe ergaben sich hinsichtlich des primären Endpunkts keine statistisch signifikanten Unterschiede. Es wird geschlussfolgert, dass sich mit dem entwickelten Klassifizierungs- und Feedbacksystem das Auftreten von AE nicht beeinflussen lässt. Grundsätzlich deutet jedoch die hohe Anzahl an AE in Verbindung mit den aus der Literatur bekannten, teils schwerwiegenden Folgen für die betroffenen Patientinnen und Patienten nach iatrogenen Verletzungen im Rahmen laparoskopischer Eingriffe auf den Bedarf an zusätzlichen Sicherheitskonzepten hin. Diesbezüglich sind die angestoßenen Weiterentwicklungen unter Verwendung von Technologien auf dem Gebiet der künstlichen Intelligenz als vielversprechend zu beurteilen.

Das Dokument erscheint in: