Nowości
System AI analizuje wideo z operacji prostaty i przewiduje powrót do zdrowia
Naukowcy z Cedars-Sinai zbudowali system Frame-to-Outcome, który na podstawie nagrań z robotowych operacji raka prostaty rozpoznaje ruchy chirurga i przewiduje powrót funkcji seksualnych pacjenta równie trafnie jak eksperci, ale znacznie szybciej.
Zespół z Cedars-Sinai Medical Center w Los Angeles opracował system sztucznej inteligencji, który ogląda nagrania z robotowych operacji raka prostaty i na podstawie ruchów chirurga przewiduje, czy pacjent odzyska funkcje seksualne. Wyniki badania opublikowano w czasopiśmie npj Digital Medicine, a informację nagłośnił między innymi polski serwis Alert Medyczny.
Rak prostaty pozostaje jednym z najczęściej diagnozowanych nowotworów u mężczyzn, a jego leczenie chirurgiczne wiąże się z ryzykiem trwałych powikłań, przede wszystkim utraty funkcji seksualnych i kontroli nad pęcherzem. Kluczowym momentem zabiegu jest faza oszczędzania nerwów, w której chirurg musi usunąć chory gruczoł, nie uszkadzając przy tym wiązek nerwowych odpowiedzialnych za erekcję. Precyzja ruchów w tym etapie operacji od dawna uchodzi za jeden z głównych czynników decydujących o jakości życia pacjenta po leczeniu.
Jak działa system
Frame-to-Outcome nie ocenia obrazu medycznego, lecz zachowanie samego chirurga. System rozpoznaje w nagraniach wideo tak zwane gesty chirurgiczne, czyli powtarzalne sekwencje ruchów narzędziami, prędkość manipulacji tkanką nerwową oraz kolejność poszczególnych kroków zabiegu. Na tej podstawie oblicza prawdopodobieństwo, że dany pacjent odzyska sprawność seksualną po operacji.
Zespół badawczy połączył kompetencje trzech jednostek Cedars-Sinai: Departamentu Urologii, Departamentu Biomedycyny Obliczeniowej oraz Center for Artificial Intelligence Research and Education. Przy projekcie pracowali między innymi Jason Moore, szef biomedycyny obliczeniowej, oraz badacze Xi Li, Nicholas Matsumoto, Jay Moran, Miguel E. Hernandez i Cherine Yang, a do współpracy międzynarodowej dołączyli Alvin C. Goh, Christian Wagner i Geoffrey A. Sonn.
Wyniki testów
W testach na 29 dodatkowych operacjach, nieużywanych wcześniej do trenowania modelu, przewidywania F2O co do powrotu funkcji seksualnych pacjentów zgadzały się z ocenami doświadczonych lekarzy recenzujących te same nagrania ręcznie. Różnica polegała na czasie: manualna ocena techniki chirurgicznej przez eksperta trwa długo, podczas gdy system automatyzuje ten proces i skraca go drastycznie.
Naszym celem nie jest tylko przewidywanie, kto wyzdrowieje. Chcemy zidentyfikować techniki chirurgiczne dające najlepsze wyniki, żeby chirurdzy mogli się uczyć, doskonalić i poprawiać opiekę nad przyszłymi pacjentami - dr Andrew Hung, profesor urologii, Cedars-Sinai
Co to zmienia dla chirurgów
Dotąd ocena techniki operacyjnej opierała się głównie na subiektywnym doświadczeniu mentorów obserwujących nagrania zabiegów swoich uczniów lub kolegów. Taki proces jest czasochłonny i trudny do skalowania, zwłaszcza w ośrodkach szkolących wielu młodych chirurgów jednocześnie. Narzędzie w rodzaju F2O mogłoby dać obiektywną, liczbową informację zwrotną, wskazującą konkretne ruchy lub sekwencje związane z lepszymi wynikami leczenia, zamiast ogólnej opinii "rób to lepiej".
Autorzy badania podkreślają, że system nie zastępuje chirurga ani nie podejmuje decyzji klinicznych za lekarza. Jego rola ogranicza się do analizy nagrań i dostarczania danych, które mogą pomóc w szkoleniu oraz w standaryzacji jakości operacji między różnymi ośrodkami, gdzie doświadczenie zespołów bywa bardzo nierówne.
Kontekst dla Polski
W Polsce liczba robotowych prostatektomii rośnie z roku na rok wraz z rozbudową floty systemów da Vinci w publicznych i prywatnych szpitalach, ale liczba ośrodków z bogatym doświadczeniem w tej konkretnej procedurze wciąż jest ograniczona. Narzędzia analizujące technikę chirurgiczną na podstawie nagrań mogłyby w przyszłości wspierać szkolenie młodszych operatorów bez konieczności wielogodzinnego nadzoru mentora nad każdym pojedynczym zabiegiem, choć wdrożenie takich systemów w krajowych szpitalach wymagałoby osobnej walidacji klinicznej i zgód regulacyjnych.
Badanie wpisuje się w szerszy trend wykorzystania sztucznej inteligencji w chirurgii onkologicznej, gdzie modele uczą się nie tylko rozpoznawać zmiany nowotworowe na obrazach diagnostycznych, ale też oceniać jakość samego wykonania zabiegu. Publikacja w npj Digital Medicine, czasopiśmie z grupy Nature poświęconym medycynie cyfrowej, nadaje wynikom dodatkową wiarygodność naukową, choć jak w przypadku każdego pojedynczego badania konieczne będzie potwierdzenie wyników na większych, niezależnych grupach pacjentów.
