| 研究課題/領域番号 |
19H04225
|
|---|
| 研究機関 | 名古屋大学 |
|---|
研究代表者 |
内田 広夫 名古屋大学, 医学系研究科, 教授 (40275699)
|
|---|
| 研究分担者 |
石丸 哲也 埼玉県立小児医療センター (臨床研究部), 外科, 医長 (00633629)
出家 亨一 北里大学, 医学部, 助教 (00845109)
城田 千代栄 名古屋大学, 医学部附属病院, 講師 (20378194)
田井中 貴久 名古屋大学, 医学部附属病院, 病院講師 (30378195)
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)
森 健策 名古屋大学, 情報学研究科, 教授 (10293664)
|
|---|
| 研究期間 (年度) |
2019-04-01 – 2022-03-31
|
| キーワード | off the job training / 機械学習 / 小児内視鏡手術 / シミュレータ / 食道閉鎖症 / 鉗子の動き |
|---|
| 研究実績の概要 |
小児には手術後の成長発達を阻害しない低侵襲手術が望まれている。新生児や乳児の内視鏡手術は小さなworking spaceの中で、脆弱な組織を丁寧に処理しながら、複雑な手技を完遂させなければならないが、患者数が少ないことから、手術手技をon the job trainingとして学びつつ、手術を行っている現状がある。これを防ぐためにoff the job trainingを充実させることが急務である。練習時の手術手技をリアルタイムに画像解析し、よりよい手技を身に着けさせるような練習ができる環境を整備し、さらに実際の手術時の手技評価もできる画像解析プログラムを作り上げることを目標に研究を行ってきた。
今まで作成してきた食道閉鎖症、十二指腸閉鎖症、肝管空腸吻合シミュレータを用いて、剥離操作、吻合操作の画像解析を引き続き行ってきた。画像を細分化して機械学習を進めており、鉗子の認識精度は85%を超える程度まで改善した。熟練者および初心者の動画の画像解析をAIを用いることで判別できるようになった。すなわち鉗子や針を持ち換える回数、両手に持った鉗子の協調的な動き、運針時の針の刺し直しなどを人の目で判定することで熟練者のほうが良好な成績を示していたが、これを画像AI解析で行うことができるようになった。手術手技全体の診断はかなり正確にAI画像解析でできるようになったが、針の検出精度はまだ低くいまだ改善の余地があると考えられた。現時点ではいろいろなデータ解析は人による評価とほぼ同等にできるようになってきており、AI画像解析によって手術手技を多くの場面で自動解析できるようになってきた。手技の上達の程度をAI画像診断でできるようになってきている。今後はこれらをリアルタイムに診断できるようにしたい。
|
| 現在までの達成度 (区分) |
現在までの達成度 (区分)
2: おおむね順調に進展している
理由
今まで作成してきた小児内視鏡手術練習キットである食道閉鎖症、十二指腸閉鎖症、肝管空腸吻合シミュレータを用いて、剥離操作、吻合操作の画像解析を引き続き行ってきた。画像を細分化して機械学習を進めており、鉗子の認識精度は85%を超える程度まで改善した。熟練者および初心者の動画の画像解析をAIを用いることで判別できるようになった。すなわち鉗子や針を持ち換える回数、両手に持った鉗子の協調的な動き、運針時の針の刺し直しなどを人の目で判定することで熟練者のほうが良好な成績を示していたがこれを画像AI解析で行うことができるようになった。また鉗子の移動距離を調べると熟練者のほうが移動距離が短く、操作回数も少ないことも明らかになったが、これらもAIによる画像解析で明らかにすることができるようになった。手術手技全体の診断はかなり正確にAI画像解析でできるようになったが、針の検出精度はまだ低くいまだ改善の余地があると考えられた。鉗子のブレ、動きのブレの解析、すなわち滑らかな動きの自動解析も進めているがこれらもまだ精度は高くなく今後工夫が必要である。現時点ではいろいろなデータ解析は人による評価とほぼ同等にできるようになってきており、AIが手術手技を多くの場面で自動解析できるようになってきた。手技の上達の程度をAI画像診断でできるようになってきている。今後はこれらをリアルタイムに診断できるようにしたい。
|
| 今後の研究の推進方策 |
今まで作成してきた小児内視鏡手術練習キットである食道閉鎖症、十二指腸閉鎖症、肝管空腸吻合シミュレータを用いて、剥離操作、吻合操作の画像解析を引き続き行っていく。新たに横隔膜ヘルニアのシミュレータを開発し、その手術手技の画像解析をすすめる。画像を細分化して鉗子の動き、針の動きなどの機械学習を進めており、鉗子の認識精度は85%を超える程度まで改善したがさらに認識精度を上げようと考えている。熟練者および初心者の手術手技動画をAIを用いて画像解析することで、違いが判別できるようになった。すなわち鉗子や針を持ち換える回数、両手に持った鉗子の協調的な動き、運針時の針の刺し直しなどを人の目で判定することで熟練者のほうが良好な成績を示していたが、これを画像AI解析で行うことができるようになった。この技術をさらに推し進めて、手技を点数化して評価することを目指す。手技の熟練度をある程度正確に診断することを、AI画像解析でできるようになったが、針の検出精度はまだ低いので、改善を行っていく。現時点ではいろいろなデータ解析は人による評価とほぼ同等にできるようになってきており、AIが手術手技を多くの場面で自動解析できるようになってきている。今後はさらに正確に細かく診断し、より良い手技とはなにかを明らかにしたい。手術手技をリアルタイムで診断できるようにして、実臨床と結びつける必要がある。
|
