Las técnicas de aprendizaje automático desarrolladas por los estudiantes hacen que las cirugías sean más seguras y fáciles de revisar
Crédito: CC0 Public Domain
Una beca interdisciplinaria con el Data Science Institute ha dado como resultado una tecnología de aprendizaje automático prometedora que puede realizar un seguimiento eficaz de la actividad quirúrgica compleja. teniendo así el potencial de mejorar los resultados del paciente, la seguridad y la documentación.
TingYan «Nicholas» Deng, un estudiante de tercer año que se especializa en informática, matemáticas y economía, usó algoritmos similares a los que controlan los vehículos autónomos para desarrollar una tecnología que analiza el video quirúrgico capturado por una cámara que un cirujano lleva alrededor del cuello.
El proyecto fue desarrollado con Benoit Dawant, profesor de ingeniería eléctrica y ciencias de la computación y director del Instituto Vanderbilt de Cirugía e Ingeniería, y Alexander Langerman, profesor asociado de otorrinolaringología, cirugía de cabeza y cuello, y médico VISE 2020- en residencia.
«El video es el último registro objetivo de lo que sucede en la sala de operaciones», dijo Langerman. «Si un paciente necesita un segundo procedimiento, el cirujano puede ver exactamente lo que sucedió durante la primera cirugía. Pensando aún más, el video quirúrgico puede identificar formas de mejorar el desempeño del cirujano y los elementos que afectan los resultados del paciente. Solo debemos asegurarnos de que re capturar las cosas correctas».
El trabajo de Deng dio el siguiente paso para mejorar el video quirúrgico: garantizar que la cámara siempre apunte al lugar correcto.
El artículo «Detección automatizada de heridas quirúrgicas en videos de procedimientos de cuello abierto usando una máscara R-CNN» se publicó en las Actas de la Conferencia de la Sociedad de Ingenieros de Instrumentación Fotoóptica el 15 de febrero. Este trabajo es la primera demostración conocida de detección de heridas quirúrgicas abiertas usando material de video de una persona.
Advertencia: este video tiene imágenes gráficas de procedimientos quirúrgicos.
Advertencia: este video tiene imágenes gráficas de procedimientos quirúrgicos. Crédito: Universidad de Vanderbilt
Deng entrenó un algoritmo llamado «máscara R-CNN» en videos quirúrgicos para segmentar y rastrear una herida quirúrgica mientras es inmune a las distracciones de las muchas manos, instrumentos y materiales que se modifican constantemente. condiciones de luz y oscureciendo el campo de visión. Esta actividad constante hizo que la aplicación de la máscara R-CNN fuera un desafío difícil y altamente técnico. Después de trabajar con más de mil imágenes, mask R-CNN puede cuantificar la distancia relativa y el movimiento entre la herida, la mano del cirujano y los instrumentos quirúrgicos.
«Para usar una cantidad relativamente pequeña de videos, el algoritmo funciona muy bien», dijo Langerman. «Estoy seguro de que estamos en camino de crear una técnica altamente confiable para detectar elementos clave del campo quirúrgico abierto».
«Esta colaboración tenía componentes muy interesantes. TingYan aportó su actitud creativa y decidida con él en el desarrollo de la máscara R-CNN», dijo Dawant. «Somos optimistas acerca de hacia dónde se dirige este trabajo».
Al comenzar este trabajo en enero de 2020, Deng no tenía mucha experiencia con las técnicas de aprendizaje automático y profundo. Siente que obtuvo un sentido mucho más concreto de la informática durante los talleres organizados por el Data Science Institute y pudo aplicar esas lecciones para aprender otras formaciones algorítmicas. A partir de esta experiencia, Deng se interesó en obtener un título de posgrado en ciencia de datos.
«La parte más interesante de este proyecto es su naturaleza interdisciplinaria», dijo Deng. «No es fácil trabajar con imágenes médicas porque la mayoría no están disponibles abiertamente. Me entusiasmó mucho participar en un proyecto tan único, traer algoritmos de conducción innovadores a la cirugía».
La investigación de Deng fue apoyada por VISE . Está trabajando en dos artículos académicos: uno que compara los resultados y las metodologías de máscara R-CNN con los enfoques existentes y otro en un segundo algoritmo de detección de objetos para rastrear instrumentos quirúrgicos. Deng continuará su trabajo a través de una beca VISE este verano.
Explore más
Dispositivo quirúrgico asistido por robot autorizado para histerectomía transvaginal Más información: TingYan Deng et al. Detección automatizada de heridas quirúrgicas en videos de procedimientos de cuello abierto usando una máscara R-CNN, Imágenes médicas 2021: Procedimientos guiados por imágenes, intervenciones robóticas y modelado (2021). DOI: 10.1117/12.2580908 Proporcionado por la Universidad de Vanderbilt Cita: Técnicas de aprendizaje automático desarrolladas por estudiantes hacen que las cirugías sean más seguras, más fáciles de revisar (13 de abril de 2021) consultado el 30 de agosto de 2022 en https://medicalxpress.com /noticias/2021-04-estudiante-desarrollado-máquina-aprendizaje-técnicas-cirugías-más seguras.html Este documento está sujeto a derechos de autor. Aparte de cualquier trato justo con fines de estudio o investigación privados, ninguna parte puede reproducirse sin el permiso por escrito. El contenido se proporciona únicamente con fines informativos.