深層学習による吻合技術評価システムの開発とニューロフィードバックの検討

• Project/Area Number: 23K08573
• Research Category: Grant-in-Aid for Scientific Research (C)
• Allocation Type: Multi-year Fund
• Section: 一般
• Review Section: Basic Section 56010:Neurosurgery-related
• Research Institution: Sapporo Medical University
• Principal Investigator: 三上 毅 札幌医科大学, 医学部, 准教授 (30372816)
• Co-Investigator(Kenkyū-buntansha): 秋山 幸功 札幌医科大学, 医学部, 講師 (50404653) ; 三國 信啓 札幌医科大学, 医学部, 教授 (60314217) ; 小松 克也 札幌医科大学, 医学部, 助教 (60749498)
• Project Period (FY): 2023-04-01 – 2026-03-31
• Project Status: Granted (Fiscal Year 2023)
• Budget Amount: ¥3,900,000 (Direct Cost: ¥3,000,000、Indirect Cost: ¥900,000); Fiscal Year 2025: ¥520,000 (Direct Cost: ¥400,000、Indirect Cost: ¥120,000); Fiscal Year 2024: ¥2,080,000 (Direct Cost: ¥1,600,000、Indirect Cost: ¥480,000); Fiscal Year 2023: ¥1,300,000 (Direct Cost: ¥1,000,000、Indirect Cost: ¥300,000)
• Keywords: training / deep learning / bypass / EEG power spectrum / microsurgery

Outline of Research at the Start

手術技術の評価と改善は、流儀の違いもあり、正確性や安全性を含めて科学的客観的に行える方法がなかった。本研究では、手術技術を機械学習させることにより評価を可視化するようなツールを開発し、トレーニーのトレーニング効果をフィードバックし、適切な評価と改善が可能になるような環境を創り出すことにある。また、経験や能力値を持った医師の手技中の脳波スペクトラムを解析し、経験値や技術力の高い医師に近づける適切な環境や方法を見出すと共に、経験値の浅い医師の誤操作の多い状況を明らかにすることで、手術操作に影響を与える環境や状況因子を明らかするとともに、脳波からのニューロフィードバックの可能性を探る。