|
本研究の目的は，整形外科人工股関節全置換術を対象とした術前，術後を含む手術情報管理及び医療ビッグデータ活用による学習循環型手術支援フレームワークの開発である．本研究では，多様なインプラントを包括的に管理する仕組みや数千，数万人分の術前計画，術後評価情報をまとめて管理できるデータフォーマットを策定し，そのビッグデータの有効活用及び匿名共有化を容易にする．また，ビッグデータの統計解析にもとづく術前計画最適化や術後予測等を実現し，循環学習による自動改善及び医師間でノウハウを共有可能な手術支援フレームワークを構築する．
前年度までにデータフォーマットの策定及び過去の大規模術前データを用いた術前計画最適化を実施できたことから，本年度は術後自動評価システムの構築及び術後予測のための基礎的な研究を実施した．術後自動評価システムでは，術後CT画像からの手術対象骨及びインプラントを自動抽出するモジュール開発を行った．今回は，術後骨盤と骨盤側インプラントカップを対象として深層畳み込みニューラルネットワークによる自動抽出を可能にし，それらの形態に加えカップ位置特定も可能にした．適用試験として，術後CT画像19例分を使用し，2-fold交差検証を実施した．カップ位置推定において，正解とした手動抽出カップ位置との誤差が平均で0.56±0.52mmとなり，ほぼ一致させることができた．術後自動評価システムにより，高い精度での術後インプラント自動抽出及び位置推定が可能となったことから，その有用性が示された．また，術前計画のカップ位置との位置ずれを算出したところ，平均4.08±1.75mmとなり，一部症例で術前計画と比較してやや浅めの設置となっているのを確認できた．これらは術中の判断で設置変更したり，骨の硬さの影響で手前に設置された可能性があり，将来的には術後症例を学習することで術後予測が可能になると考える．
|
