KI-gestütztes chirurgisches Training für Schlüsselloch­operationen

Wenn angehenden Chirurginnen und Chirurgen für Schlüssellochoperationen trainieren, lassen sich ihre Lernfortschritte bislang kaum objektiv beurteilen. Forschende am NCT/UCC Dresden, EKFZ für Digitale Gesundheit und CeTI entwickeln daher ein KI-gestütztes System, das Trainingsfortschritte messbar macht und den Probanden passgenaue Verbesserungsvorschläge liefert.

Schlüssellochoperationen sind besonders schwierig. Chirurginnen und Chirurgen operieren hierbei mit langen Instrumenten, die über kleine Schnitte in den Körper der Patientin oder des Patienten eingeführt werden. Die Orientierung erfolgt über einen Bildschirm, auf dem zweidimensionale Kamerabilder aus dem Körperinneren eingeblendet werden.

An speziellen Simulatoren können angehende Operateurinnen und Operateure zentrale Kernkompetenzen und Handgriffe für minimalinvasive Eingriffe trainieren. Bislang müssen hierbei erfahrene Chirurginnen bzw. Chirurgen neben den Lernenden stehen und deren Leistungen bewerten. Das bindet Kapazitäten und führt zu eher subjektiven Einschätzungen zum jeweiligen Lernfortschritt.

Mit Hilfe von Künstlicher Intelligenz soll der Computer künftig Lernfortschritte objektiv messbar machen. Hierfür wurden im Rahmen eines Forschungsprojekts in Praxis-Kursen zur minimal-invasiven Chirurgie Trainingsdaten von gut 50 Medizinstudierenden sowie angehenden Chirurginnen und Chirurgen aufgezeichnet – jeweils am Anfang eines Kurses, zu verschiedenen Zeitpunkten während und am Ende des Kurses. Die Teilnehmenden führten hierbei an einer speziellen Trainings-Box vorgegebene Übungen zu chirurgischen Basisfähigkeiten – etwa zum Schneiden, Nähen und Knoten oder zum zweihändigen Gebrauch von Instrumenten – aus.

Mithilfe eines optischen Tracking-Systems wurde in den Kamerabildern aus dem Innern des Simulators jeweils in Echtzeit mitverfolgt, wo sich die chirurgischen Instrumente – zum Beispiel Schere, Greifer, Nadelhalter – befanden.

Mindestens zwei Experten bewerteten anschließend unabhängig voneinander jedes aufgezeichnete Trainingsvideo anhand bestimmter Kriterien, z.B. ob Bewegungen zitterfrei und zielgerichtet ausgeführt wurden oder wie vorsichtig und exakt das simulierte Gewebe bearbeitet wurde. Diese Bewertungen wurden in Form von mathematischen Eingaben als Informationen in das künstliche neuronale Netz eingespeist. Zusätzlich wurden die definierten Basis-Übungen von 18 erfahrenen Chirurginnen und Chirurgen ausgeführt und dem Computer auf dieser Basis ein Expertenmodell zur Verfügung gestellt.

Jedes Beispiel und jede Bewertung hilft dem neuronalen Netz, die Verknüpfungen zwischen den verschiedenen mathematischen Formeln, die verschiedene Anforderungen und Fragestellungen beschreiben, genauer zu justieren. Ähnlich wie ein Mensch ist das Netz in der Lage, anhand von Beispielen zu lernen. Ziel ist es, dass der Computer schließlich selbstständig in der Lage ist, auf Grundlage der bei einer Trainingssequenz erzeugten Bildinformationen eine sinnvolle Bewertung vorzunehmen.

Angehende Chirurginnen und Chirurginnen sollen so beim Training am Simulator künftig eine objektive Rückmeldung durch die Künstliche Intelligenz erhalten, in welchen Bereichen sie sich bereits verbessert haben und an welchen Fertigkeiten sie besonders arbeiten müssen. Zukünftig könnte der Computer zu Lernzwecken bei Bedarf auf dem Bildschirm anzeigen, wie ein bestimmter Handgriff aussieht, wenn eine Expertin oder ein Experte ihn ausführt.

Neben optischen Informationen soll auch eine Rückkopplung über den Gefühlssinn das Training unterstützen. So haben Forschende am CeTI eine laparoskopische Zange entwickelt, die mit einer Vibrationsfunktion ausgestattet ist. Sobald sich das Instrument aus dem Kamerabild des Endoskops und damit aus dem optimalen Operationsgebiet herausbewegt, erkennt dies ein neuronales Netz und gibt ein Signal an die Zange, die dann zu vibrieren beginnt. Dadurch erhält der Operateur oder die Operateurin die unmittelbare Rückmeldung, dass er oder sie die Position des Instruments korrigieren muss.