Development of a Surgical Navigation System for Esophageal Atresia Using AI-Based Image Analysis and Forceps Position Tracking

2024 Fiscal Year Final Research Report

• Project/Area Number: 23K24958
• Project/Area Number (Other): 22H03703 (2022-2023)
• Research Category: Grant-in-Aid for Scientific Research (B)
• Allocation Type: Multi-year Fund (2024); Single-year Grants (2022-2023)
• Section: 一般
• Review Section: Basic Section 62030:Learning support system-related
• Research Institution: Nagoya University
• Principal Investigator: Uchida Hiroo 名古屋大学, 医学系研究科, 教授 (40275699)
• Co-Investigator(Kenkyū-buntansha): 出家 亨一 埼玉県立小児医療センター (臨床研究部), 外科, 医長 (00845109) ; 森 健策 名古屋大学, 情報学研究科, 教授 (10293664) ; 城田 千代栄 名古屋大学, 医学部附属病院, 講師 (20378194) ; 牧田 智 名古屋大学, 医学部附属病院, 病院講師 (20718415) ; 田井中 貴久 名古屋大学, 医学部附属病院, 病院講師 (30378195) ; 小田 昌宏 名古屋大学, 情報基盤センター, 准教授 (30554810) ; 藤原 道隆 名古屋大学, 医学部附属病院, 病院教授 (70378222) ; 檜 顕成 名古屋大学, 医学系研究科, 特任教授 (90383257)
• Project Period (FY): 2022-04-01 – 2025-03-31
• Keywords: 食道閉鎖症 / 手術 / 胸腔鏡 / ナビゲーション / AI画像解析 / アノテーション

Outline of Final Research Achievements

This study aimed to develop an AI-assisted intraoperative navigation and automated surgical skill assessment system for thoracoscopic repair of esophageal atresia, to support surgical safety and education. An AI model was trained to recognize the vagus nerve, a critical structure to avoid during surgery. Evaluation by 54 pediatric surgeons showed the AI identified anatomy significantly faster than novices (p<0.001) and performed comparably to experts (p=0.159). A real-time skill assessment model was also developed using suturing videos, evaluating smoothness, efficiency, and coordination. The model accurately classified lower- and higher-skill groups (95% and 88%, respectively), showing promise as a training tool.

Free Research Field

小児外科

Academic Significance and Societal Importance of the Research Achievements

本研究では、胸腔鏡下食道閉鎖症手術におけるAIナビゲーションと自動手技評価システムを開発した。AIは術中の迷走神経を高精度で認識し、解剖認識速度はNoviceより有意に速く、Expertと同等であった。また、鉗子動作の解析により縫合スキルをリアルタイム評価するAIモデルを構築し、改良後のスコア式では上位群88%、下位群95%の判別精度を達成した。AIと機械学習を用いた手術ナビゲーションと自動手技評価の両面で、臨床応用・教育応用への展開が現実的な段階に達しており、今後は実用性・再現性の検証と、さらに高度なスキル判定・教育支援システムへの発展が期待される。