低侵襲肝臓治療法の一般的な外科プロセスモデル

Scientific Reports volume 12、記事番号: 16684 (2022) この記事を引用

593 アクセス

メトリクスの詳細

手術プロセスモデリングは、確立された手術活動のモデルの定量的分析を通じて、手術の改善に伴う課題を簡素化することを目的とした革新的なアプローチです。この論文では、肝臓病変のアブレーションや外科的切除を含む、さまざまな低侵襲肝臓治療 (MILT) の分析に外科プロセスモデル戦略が適用されます。さらに、MILT のこれらの違いに対する一般的な手術プロセスモデルが紹介されています。一般的な外科プロセスモデルは、3 つの異なる粒度レベルで確立されました。 13 のフェーズを含む一般的なプロセスモデルは、MILT 手術のビデオと外科医とのインタビューに対して検証されました。確立されたモデルは、すべての外科活動と介入活動、およびそれらの間の関連性をカバーしており、コンピュータ支援手術システム、外科医の訓練と評価、外科医の指導と計画システム、および新しい手術システムの評価を改善するための MILT 手技の広範な定量的分析とシミュレーションの基礎を提供します。テクノロジー。

長年にわたり、手術は芸術であると考えられており、手術はアーティスト主導のプロセスとして扱われてきました。これは、手術中のプロセスの多くがアーティストや外科医の脳内で精神的に処理されるという事実と一致します。このプロセスをより適切に明らかにするために、専門家コンセンサス会議、国内および国際ガイドラインは、証拠に基づいた医療の柱に基づいて、高い抽象レベルで一般化された推奨事項を提供しています。近年、新しいテクノロジー、ツール、ハイブリッド手術室 (OR) の導入により、手術はますます複雑になってきました1。これらの非常に複雑な外科手術を改善することは、さまざまな背景を持つ専門家の共通の関心事です。しかし、これらの処理プロセスについての確かな知識がなければ、それらを改善することは困難です2。

外科プロセスモデリングでは、手術はアーティスト主導のプロセスではなく、臨床チーム 3 が従う一連のタスクとステップとして扱われ、分析と外科行為の予測をサポートできます。手術プロセスモデルの分析により、手術のボトルネックと潜在的な改善が明らかになり、さらなる進歩に役立ちます4、5、6、7、8、9。このようなプロセスモデルは、複雑な外科手術の構造的一貫性を見つけ出し、外科手術内の関係、その変動パラメータ、およびその出力パラメータについて定性的および定量的に深く理解するための優れた手段です10、11、12、13。したがって、これらは外科チームを訓練し、若い外科医を教育するための優れたツールです。

低侵襲肝治療（MILT）は、非外科的方法（非侵襲的および化学療法による治療）が適切でない場合に、さまざまな臨床医がさまざまな方法および技術を使用して、外科的/介入的肝臓操作を通じて肝臓病変を治療する手順の一例です。前世紀に肝臓手術に対する低侵襲アプローチが導入されて以来、良性および悪性病変の治療方法が変化したのは近年になってからです14,15。開腹手術に比べて侵襲性が低い MILT は患者に利益をもたらしますが 16,17、患者の内部構造の不十分な視覚化、触覚フィードバックの欠如、標的治療病変への複雑なナビゲーションなど、手術ミスのリスクを高める可能性のあるさまざまな課題が残っています 18。 19. さらに、気腹、患者の呼吸、介入中の肝臓の操作などによる肝臓の形状と位置の継続的な変化が、これらの課題をさらに増大させます1。過去 30 年間にわたって、幅広い MILT 技術が導入されてきました。これらの技術は、腹腔鏡下肝臓切除術（LLR）20、21、22、23、24、腹腔鏡下肝臓アブレーション（LLA）25、26、27、28、29、および経皮的アブレーション（PA）30、31の 3 つの方法に分類できます。 32、33、34およびロボット支援による切除35。このホワイトペーパーでは、最初の 3 つのカテゴリに焦点を当てます。その結果、異なる外科医や介入医が異なる方法や技術を使用し、それらはすべて大きなプロセス変動を伴いながら実行される可能性があります。さらに、手順は次のような要因にさらに依存します。

医療チームのスキル、経験、好み

患者の身体の地形、患者の健康状態、病歴などの患者固有の特性

治療領域の種類、サイズ、位置。

これらはすべて、MILT 手順固有の複雑さを増大させます。 MILT の詳細な一般プロセスモデルは、これらの複雑さを評価し、新人外科医を教育し、MILT 手順を改善するために非常に重要です。しかし、私たちの知る限り、そのようなモデルはまだ確立されていません。 MILT プロセスのモデル化に関して入手可能な唯一の研究は、高周波経皮アブレーションを説明する定性的研究です 36。したがって、この研究の目的は、さまざまな MILT 方法とそれに対応する技術の手順全体をカバーする MILT の一般的な外科プロセスモデル (または外科ワークフロー) を確立することです。提案された一般的なプロセスモデルは、エンティティ間の関係を提供し、外科手術の定量的および定性的研究を可能にします。プロセスモデルは、使いやすさと効率を高め、データの取得、分析、手順の改善を容易にするためにモジュール式に開発されました10、37、38、39。

この研究は、一般的に区別される 3 つの MILT 手法に焦点を当てています。各メソッド内では、タイプと呼ばれるいくつかのバリエーションを区別できます。

腹腔鏡下肝切除術（LLR）：低侵襲アプローチを使用して肝実質の必要な領域を切除します。切除領域のサイズと位置に応じて、形式的切除 40、41、解剖学的切除 42、43、44、および実質温存としても知られる非定型切除 45、46、47 の 3 種類の手術を適用できます。

腹腔鏡下肝臓アブレーション (LLA): 標的病変の内部または周囲に 1 本または数本の針を配置し、燃焼、通電、凍結、または化学薬品を使用して標的細胞を破壊することによる腫瘍の腹腔鏡下アブレーション。臨床医は、小さな切開を通して内部構造を操作して、治療領域にアクセスできるようにし、適切な位置で治療が確実に行われるようにします。 LLA には 4 つの異なるタイプがあります: 高周波アブレーション (RFA)32、33、34、48、マイクロ波アブレーション (MWA)48、49、50、51、不可逆エレクトロポレーション (IRE)52、凍結アブレーション (CA)53、54、55、エタノールインジェクション(EI)56,57,58。

経皮アブレーション (PA): LLA に似ていますが、腹腔鏡操作を使用せず、アブレーション針が皮膚を通して治療領域に直接挿入されます。 PA には LLA と同じ治療タイプがあります。

MILT の一般的なプロセスモデルを確立するために、以前の研究で提案されたモデリング戦略 10 が以下に説明するように適用されました。

MILT の一般的なプロセスモデルは、抽象化と粒度の 3 つのレベルで確立されました。図 1 を参照してください。

手順患者の受け入れから介入の終了まで、手順全体を単一のプロセスとして考慮します。最高の抽象化レベル、最低の粒度。

フェーズ (P) すべてが目標または目的を共有するモジュールと意思決定のグループが含まれます。中程度の抽象化レベル、中程度の粒度。

モジュール (M) フェーズ内の特定の目標を達成することを目的とした一連のアクションと意思決定。低い抽象化レベル、高い粒度。

開発された手術プロセスモデルには、さまざまなレベルの粒度が具体化されています。

MILT 手順のデータは、ライブ観察およびオフラインビデオ観察、文献調査およびインタビューを通じて収集されました。

データは以下から取得されました。

ノルウェーのオスロにあるオスロ大学病院 (OUH) とオランダのロッテルダムにあるエラスムス医療センター (エラスムス MC) で、経験豊富なチームによって 16 件のライブ観察が行われました。ライブ観察は、12 件の腹腔鏡治療と 4 件のアブレーション治療で構成されていました。

Erasmus MC と OUH の臨床専門家との 8 回のインタビュー。

腹腔鏡による肝臓手術の内視鏡ビデオ記録とアブレーション処置の手術室記録を使用した 9 件のオフライン観察。

プロセスモデルは主に手術室でのライブ観察に基づいて設計されました。観察された手順が MILT 法全般を代表するものであることを確認するために、外科チームのメンバーへのインタビューが実施されました。手術方法を完全に理解し、チームが観察者に慣れるようにするために、観察者は前述の病院での他の臓器の腹腔鏡切除術にもいくつか立ち会いました。さらに、参考文献 19、24、34、40、56、58、59、60、61、62、63、64、65 の MILT 手順の手順記述が調査されました。

MILT プロセスモデルを確立した後、15 の追加手術の腹腔鏡下肝臓手術の内視鏡ビデオ記録が検証に使用されました。さらに、著者 (MG) は、エラスムス MC とベルン大学病院 (BUH) での 6 回の介入セッションに参加しました。

最終検証のために、提案されたプロセスモデルが臨床医に提示され、MILTを実行するさまざまな技術に対する一般的なプロセスモデルの妥当性と正確性がOUHおよびエラスムスMCの参加臨床医と議論されました。手術ビデオの例を使用して、プロセスモデルが臨床現場で MILT のさまざまな技術を実行する際のあらゆるアクティビティをどのように模倣するかを説明しました。ビデオマーカーソフトウェアを使用して、サンプル手術の全期間にわたって登録された手術データを内視鏡ビデオ上で議論しました。

データが収集され、プロセスモデルの設計と検証のために観察が行われた各臨床センターから倫理的承認が得られました (OUH: ノルウェー南東部地域倫理委員会 - REK Sør-Øst B 2011/1285 およびデータ) OUH) およびエラスムス MC および BUH の保護責任者であり、病院の倫理規定に従う)。これらの病院の規則に基づいて、手術手順に関するさらなる調査のために患者からインフォームドコンセントが得られました。データの取得と検証のためのすべての方法は、病院の関連ガイドラインと規制に従って実行されました。

トップダウンとボトムアップのアプローチを組み合わせて、両方のアプローチの利点を活用しました (10 を参照)。手術室の観察、インタビュー、文献研究からのデータに基づいて、まずトップダウンのアプローチが使用され、手術ワークフローの全体的な概要が確立されました。次に、内視鏡ビデオを低レベルデータとして使用して、プロセスモデルの詳細をモデル化し、最初に確立された一般的な概要をボトムアップで改善しました。このモデリングプロセスは、新しい反復によるプロセスモデルの変更がなくなるまで反復されました。

MILT プロセスモデルを LLR、LLA、PA、およびそれらのさまざまなタイプおよび手法に一般化することで、臨床現場での MILT 手順の相違および相違点との一致が保証されるはずです。したがって、分析とモデリングのためのデータは、さまざまな患者の状態（年齢、性別、体格、病歴、腫瘍の仕様と数など）で、さまざまな MILT の種類と技術を使用した手順で取得されました。個々の手順は一般化プロセスに統合され、最も可能性の高いイベントだけでなく、治療のすべてのイベントがカバーされました。

一般的な MILT プロセスモデルは、ワークフロー図とプロセスモデル図を使用して具体化されました。プロセスモデルは、モデルの使いやすさと効率性を高めるためにモジュール構造を持つように作成されました10。

提案された MILT の一般的なプロセスモデルが臨床現場での手順を反映していることを確認するために、定性的および定量的な検証が行われました。

定性的検証は、確立されたプロセスモデルのパスオプションが、臨床現場で MILT 中に発生する可能性のあるアクションと意思決定の観察された順序に適合することを確認するために実行されました。これは、OUH による 15 件の MILT 手順のオフライン観察の処理手順全体を通じて、遭遇したプロセスモデル要素 (フェーズとモジュール) の順序を登録することによって行われました。さらに、著者 (MG) はベルン大学病院で 4 回、エラスムス MC で 2 回の介入セッションに参加しました。さらに、臨床チームとの面談が行われ、OUH およびエラスムス MC で少なくとも 10 年の外科経験を持つ経験豊富な外科医とプロセスモデルについて議論されました。

定量的な検証が実行され、発生したワークフロー要素 (フェーズ、モジュール) の所要時間の合計が、OUH からの 15 件のオフライン MILT 手順の合計手順時間に相当することが確認されました。

各治療手順は数千のステップから構成されるため、内視鏡カメラの映像へのデータ登録を容易にするためのプロセスモデルデータ登録ソフトウェアを社内で開発しました（図2）。

開発されたプロセスモデルデータ登録ソフトウェアのスナップショット (DOI: https://doi.org/10.4121/20163926)。このソフトウェアは、(a) 内視鏡ビデオプレーヤー、(b) ローカルまたはデータベースに希望の粒度レベルでデータを登録するデータ登録パネル、および (c) 登録されたデータ管理の 3 つの主要なセクションで構成されます。

MILT 治療手順 (その準備を含む) では、臨床的に 3 つの階層的なサブフェーズが区別されます。

手術: 手術室と患者の準備が整うときから、患者が手術室から回復室に移動されるまでの、手術室内の全プロセス。

介入：介入医/外科医による最初のアブレーション針の操作または腹部の最初の切開から始まり、最後の切開が閉じられたときに終了します。

手術：外科医による腹部の最初の切開から始まり、最後の切開が閉じられると終了します。

治療: 標的領域の実際の物理的治療 (切除または切除)。

図 3 には、最も低い粒度レベル (最も高い抽象度) での MILT プロシージャの一般的なプロセスモデルが表示され、すべてのフェーズが示されています。個々のフェーズについては以下で説明します。

フェーズレベルでの MILT の一般的なプロセスモデル。ほとんどのフェーズは実線の長方形で青色に色付けされています。これらのフェーズは、アブレーション手順と切除手順の間で共通です。灰色の段階「針操作」は、アブレーション処置のみに指定されています。青と灰色のフェーズは、アクティビティの流れを示す黒の実線と赤の破線の矢印で接続されています。黒い実線の矢印はアブレーションと切除の手順で共通ですが、赤い破線の矢印はアブレーションの手順でのみ使用されます。緑色の破線の長方形は、操作中にいつでも発生する可能性のあるフェーズを示しています。これらのフェーズは他のすべてのフェーズに接続されていますが、読みやすくするために、これらの矢印は図から省略されています。黒い点線の矢印は、医療画像や患者の病歴などのデータの転送を示します。

フェーズ 01: 摂取 - 患者は入院し、完全な既往歴が収集されます。

フェーズ 02: 再手術画像処理 - 手術の可能性がある前に MILT 手順を計画するために、腹部領域の医療画像が作成されます。フェーズ 02 は、手術の直前から数か月前までに行うことができます。

フェーズ 03: 術前計画 - 計画には、可能な手術に先立って、治療アプローチ、切開位置と切除経路、針の配置、標的領域のサイズなどに関するすべての決定が含まれます。計画は、患者の既往歴 (フェーズ 01 から)、医療画像 (フェーズ 02 から)、利用可能な機器、技術リソースと経験に基づいています。

フェーズ 04: 手術中の準備 - 手術当日、介入に先立って、患者、手術室の設備、および手術器具が手術に備えて準備されます。

フェーズ 05: 術中画像処理 - 介入前および介入中に、医用画像を OR で取得できます。

フェーズ 06: 術中計画 - 治療計画は、介入の直前および最中に手術室で生成または更新できます。術前データと新しい画像はすべて、この段階での意思決定を支援するために (フェーズ 05 から) OR で撮影されました。 MILT のメソッドとタイプも操作中に変更される可能性があります。 MILT手術が開腹手術などの非MILT手術に変更された場合、その手術は中止されたとみなされます。

フェーズ 07: 術野へのアクセス - LLR または LLA が好ましい方法である場合、外科医はまず術野にアクセスできるようにします。

フェーズ 08a/b: 治療領域の隔離は、ターゲット領域を周囲の構造物から分離し、治療のためにターゲット領域を準備する作業で構成されます。これらの活動の性質と患者の解剖学的構造にどのような影響を与えるかに基づいて、隔離は次の 2 つの方法で実行できます。

フェーズ 08a: 治療エリアの隔離: 破壊的 - 周囲の構造物の破壊的 (永久的) 解剖または閉鎖による隔離。 LLR と LLA にのみ適用されます。

フェーズ 08b: 治療エリアの隔離: 非破壊的 - 血管の一時的な閉鎖や水力解剖などの措置を使用した、一時的な効果を伴う隔離。

フェーズ 09: 針の操作 - アブレーション針を目的の位置に操作します。

フェーズ 10: 治療 - 切除またはアブレーションによる標的領域の実際の治療。

フェーズ 11: 術中合併症 - 手術中に発生する可能性のある合併症に対処します。このような処置としては、例えば、輸血および止血（例えば、出血血管結紮）または外科的ドレナージが挙げられる。

フェーズ 12: その他 - 生検やカテーテル留置など、MILT 処置に直接関係しないその他の臨床活動が行われる場合があります。

フェーズ 13: 術中ラップアップ - 非吸収性物質の除去、切開の閉鎖など、ラップアップを目的としたすべての作業。

モジュールレベルでの MILT 手順の一般的なプロセスモデル (フェーズ、モジュール、およびモジュールをリンクする決定を含む) を図 4 に示します (DOI:https://doi.org/10.4121/20163968)。図で使用されているさまざまな記号を説明する凡例。図 3 と 4 は図 5 に示されています。連続アクティビティと並行アクティビティを含む MILT の手順全体のすべてのアクティビティは、提示された一般的なプロセスモデルでカバーされています。並行アクティビティはシンボルを使用して表されます。術中全段階における看護師と麻酔科医の継続的なサポートと、手術中の他の治療活動と並行して行う血液吸引行為とは別に、現在のデータに基づくと、並行活動は次の 2 つの段階に関連付けられています。フェーズ (フェーズ 4) および術中イメージング (フェーズ 2) 活動。術中段階では、イメージングルーチンを実行する可能性が高いイメージング段階に関連する接続をプロットしました。これが発生する可能性が低い他の場所では、画像化の可能性を示すためにシンボルを使用しました。プロセスモデル内のモジュールの内容を含む、モジュールレベルの MILT プロセスモデルの簡単な説明は、補足資料パート S1 に記載されています。モジュールの簡単な説明を表 1 に示します。

モジュール粒度レベルでの MILT プロシージャの一般的なプロセスモデル。使用される記号と線種の説明については、図 5 を参照してください。 DOI: https://doi.org/10.4121/20163968。

図で使用されている記号と矢印のスタイルの説明。 3と4。

プロセスモデルの定量的および定性的検証の結果、プロセスモデルが、臨床現場での MILT 手順中に発生することが観察された、遭遇するすべての一連のアクションと意思決定への経路を提供することが確認されました。補足資料パート S2 には、OUH で行われたセグメント 5&6、7&8、および 5 に位置する腫瘍の実質温存のためのさまざまな外科手術の内視鏡ビデオの全期間における、登録されたすべての一連のアクションと決定がリストされています。手順内のすべてのエンティティの期間は、補足資料パート S2 に示されています。表 2 は、補足素材部分 S2 データの基になっている内視鏡ビデオから抽出された各アクションの継続時間と発生頻度を、モジュールおよび位相粒度レベルで示しています。図 6 は、外科手術の典型的な例について、さまざまなフェーズの期間と発生頻度をフェーズレベルで示したプロセスモデル図です。手術の全過程において、一部のタイミングは内視鏡カメラの視野から外れたり、手術行為以外の活動に関連したりする場合があることに注意してください。たとえば、外科医がカメラを取り出して清掃する必要がある場合があります。このようなアクティビティのタイミングも抽出され、アイドルとしてラベル付けされます。フェーズ 1 から 3 は術前フェーズであり、内視鏡ビデオではキャプチャされません。これらの術前の段階は、術前の画像化および計画セッションへの出席、および臨床チームとの議論を通じて検証されました。検証プロセスの結果は、観察された MILT 手順のいずれにも、提案されたプロセスモデルでカバーされていないアクティビティが存在しなかったことを示しています。

補足資料パート S2 (タイプ: セグメント 5 および 6 の腫瘍の実質温存) に示されているサンプル手術のさまざまなフェーズの期間と発生頻度をフェーズレベルで表示した一般的な外科プロセスモデル。

OUH とエラスムス MC の 2 人の経験豊富な外科医と 2 人の外科医助手とのセッションでは、MILT を実行するさまざまな技術に対する一般的なプロセスモデルの妥当性と正しさを議論し、提案されたプロセスモデルが臨床現場での活動を模倣していることが確認されました。

外科プロセスモデルはいくつかの利点をもたらし、手術のさらなる改善への道を開きます。提示された一般的なプロセスモデルは、広範囲の MILT 手順と関連技術をカバーしています。検証プロセスで分析された治療手順には、提案されたプロセスモデルからの逸脱は見つかりませんでした。提案されたプロセスモデルは、提案された詳細レベルで MILT 手順のさまざまなエンティティ間の関係を提供します。したがって、プロセスモデルは、必要な詳細レベルでの手順の広範な定量的分析および定性的分析の可能性を提供します。

術中段階では、計画と他の治療活動を区別するのは複雑な作業です。手術中の計画は継続的な精神活動であり、すべての手術中の段階の要素として考えることができます。一般的なプロセスモデルの別のフェーズで計画アクティビティをモデル化すると、計画をさらに分析して改善するための基盤が提供されます。手術プロセスモデルで計画が行われるポイントを認識し、計画と他の術中活動の間の順序関係を導き出すことで、計画がさまざまな活動とどのように、どの程度関連しているかを示し、計画のボトルネックの可能性を明らかにします。

画像化活動は、術中段階でいつでも行うことができます。イメージング活動は、提案された一般的な外科プロセスモデルのグリーンフェーズとして定義できますが、プロセスモデルのさらなる分析と可能なシミュレーションの実行に非常に有益であるため、エンティティ間の逐次的および並列的な依存関係をモデル化することが決定されました。プロセスモデルの低粒度レベルの構造を決定するために、2 つの機関 (OUH と Erasmus MC) のライブ観察と専門家へのインタビューが実施されました。プロセスモデルは当初、前述の施設での内視鏡ビデオ分析とライブ観察のデータに基づいて確立されました。このデータは、文献研究と、さまざまな機関 (ロシアのノヴゴロド州立大学医学教育研究所およびフランス、ストラスブールの肝臓膵臓膵臓連合) からウェブ上で入手できる手順のビデオの分析と文献研究によって補完されました。ビデオは Sergey Baydo 博士 (https: //www.youtube.com/c/DrSergeyBaydo/videos) と Riccardo Memeo 博士 (https://www.youtube.com/channel/UCdhB0tuE3EC_iNipn1A3ltg/videos) YouTube チャンネル) を使用して、プロセスモデルを可能な限り一般的に適用できるようにしました。さらに、検証プロセスでは、OUH で行われた 15 件の追加手術の内視鏡ビデオが分析され、エラスムス MC と BUH で 6 件の MILT 手術のライブ観察が行われました。これらの理由から、プロセスモデルは他の機関の手順にも準拠する必要があります。この研究では、手術室からビデオを撮影しませんでした。これらの記録により、モデルのさらなる定量的検証が可能になりますが、機密情報が記録されるため、特別な倫理的承認も必要になります。以前の研究では、OR66 での録音の影響を調査しました。この研究では、術後段階ではなく術前段階が一般的なプロセスモデルに含まれています。これは、前者がこの研究の焦点である治療の実施に直接影響するためです。 MILT のさまざまな技術に関連するすべての概念は、さまざまなフェーズおよびモジュールとして定義され、分類されます。したがって、異なる技術/手段を使用して異なる機関でアクションを実行するバリエーションは、提案されたプロセスモデルからの逸脱をほとんど引き起こさないと予想されます。ただし、機器、設備、または知識が不足すると、行動の方針が変更されたり、問題に対処するための革新的な方法が導入されたりする可能性があります (特に発展途上国で発生する可能性があります)。これは、提示されたプロセスモデルでは考慮されていない可能性があります。手術活動の認識と登録は、手術手順の分析の実行、手術プロセスモデルの生成と検証、および将来のハイブリッド OR 用の AI システムを開発するための機械学習手法のトレーニングにとって重要です67。この作業で社内で開発されたビデオマーカーソフトウェアは、内視鏡ビデオ上のデータの効率的な登録と検証を支援しました。 OUH から取得した手術ビデオからビデオマーカーソフトウェアを使用して抽出されたデータは、補足資料パート S2 に示されています。抽出されたデータの統計分析により、さまざまな手術のボトルネックが明らかになります。分析に基づくと、外科医はほとんどの時間を治療段階 (P10) に費やしました。所要時間は約 25 分 (全手術時間の 40%)、治療期間のほぼ 85% が切除に割り当てられました。この結果は、総手術時間に対する治療段階の重要性を強調しています。適切な画像処理および/または機械学習手法を使用して内視鏡ビデオを（半）自動的に分析できる自動ワークフロー認識システムの開発は、現在、特に低侵襲治療の分析のために研究者の注目を集めています68,69。このようなシステムは、プロセスモデルの分析と検証のさまざまな目的で手術データを収集するのに非常に役立ちます67、70、71。

提示されたプロセスモデルは、追跡調査における手術/介入の改善を目的とした分析のさまざまな目的に役立ちます。プロセスモデルを分析し、外科手術のすべてのエンティティ間の接続を提供し、AI とソフトウェア/プラットフォームシステムが有益となり得るポイントを特定し、利点がどれほど大きいかを予測し、臨床で使用するためにこれらのシステムをどのように設計および開発できるかを決定します。実践してください。たとえば参考文献 4,72 を参照してください。ハイブリッド OR に必要な技術やツールの開発段階でも、このような手術プロセスモデルの分析から恩恵を受けることができます。現在、アジャイル手法（SCRUM、XP など）73,74 が技術開発の過程で広く使用されています。これらの方法は、反復的な計画と開発者とエンドユーザーからのフィードバックを使用することで、開発プロセス全体を通じて変化する要件にスムーズに適応するのに役立ちます73,75。プロセスモデルとコンピューターシミュレーションを使用して、起こり得る変更の影響とその適格性を分析することで、アジャイルセッション中に正しい意思決定と適応を行うことができます。

プロセスモデルは、外科医のトレーニングとスキル評価に広く貢献できます 76、77、78。特定の条件下での各手術に最適な治療オプションを導き出すことができ、初心者の外科医は、各手術の起こり得る一連の事象と起こり得る逸脱に基づいて訓練を受けることができます。経験豊富な外科医は、ロードマップとして手術前または手術中に手順と考えられる逸脱を確認できます。この目的のためには、内視鏡ビデオ上の手術ステップのリアルタイム認識が必要であり、これは近年幅広い注目を集めているトピックである79,80。プロセスモデルは、外科医の学習曲線の分析に役立ちます 81,82。手術ステップの期間と発生頻度、および名目上の手術経路からの逸脱は、外科医のスキル評価だけでなく、学習曲線分析の基準としても使用できます。近年、外科医が MILT を行う際にガイドするためのナビゲーションプラットフォームが幅広い注目を集めています 83,84,85,86,87,88。提案された手術プロセスモデルを分析すると、次の手術ステップと各手術の実行に必要な時間を提案/予測することで、ナビゲーションシステムを使用して手術チームを導く最適な治療オプションが明らかになります 5、13、89、90。現在、手術前に主任外科医/介入医が患者の臓器特有の解剖学的構造を詳細に調査し、手術全体とそのすべての重要なステップを頭の中で事前に視覚化しています。このような術前計画活動の複雑さは、個々の処置に対する治療オプションを提案する可能性をもたらすプロセスモデルによって軽減できます。手術プロセスモデルを分析すると、技術の開発段階での試行錯誤や臨床現場への新技術の導入に伴う余分なコストを防ぐことができます。プロセスモデルを使用すると、手術を実行する特定の方法/種類/技術について、提案された技術によって手術が強化される可能性についての科学的証拠を提供することができます。新しいテクノロジーの調整の効果と適格性を、テクノロジーを実際に導入する前に外科手術で分析できるため、より効率的なビジネスモデルが実現します。

MILT の一般的な外科プロセスモデルは、以前の研究で開発されたモデリング戦略を適用することによって確立されました。提示されたモデルは、腹腔鏡下肝切除、腹腔鏡下肝アブレーション、経皮アブレーションの MILT 法を、さまざまな情報源から得られたデータで観察された種類、技術、およびバリエーションとともにカバーしています。提示されたモデルは数値モデル表現を使用して確立されたため、手術室での新技術の導入、臨床チームのトレーニング、学習の分析など、さまざまな方法を通じて広範な定量的および定性的分析とMILT手順の改善に使用できます。曲線とスキルの評価、手術室管理と手術室での医療チームの活動の最適化。

この研究中に生成または分析されたすべてのデータは、この公開された論文とその補足情報ファイルに含まれています。現在の研究中に生成および/または分析されたデータセットは、DOI: https://doi.org/10.4121/20163968 からも入手できます。

Kenngott、HG et al. 肝臓切除用の生きたブタモデルにおける肝臓容積に対する腹腔鏡検査、開腹術、および呼吸相の影響。外科。エンドスク。 35(12)、7049–7057 (2021)。

論文 PubMed PubMed Central Google Scholar

Maier-Hein、L. et al. 外科データサイエンス – 概念から臨床への翻訳まで。医学。アナル画像。 76、102306 (2022)。

論文 PubMed Google Scholar

マッケンジー、CL 他腹腔鏡手術の階層的分解: 手術室環境を調査するための人的要因アプローチ。最小限。侵略的テル。アライドテクノロジー。 10(3)、121–127 (2001)。

記事 Google Scholar

レーヴ、AJら。 MR ガイド下集束超音波のワークフローと介入時間 - 新しい技術の影響を予測します。Ｊ．Ｂｉｏｍｅｄ．知らせる。 60、38–48 (2016)。

論文 PubMed Google Scholar

Franke, S.、Meixensberger, J.、Neumuth, T. 外科的低レベルタスクからの介入時間の予測。Ｊ．Ｂｉｏｍｅｄ．知らせる。 46(1)、152–159 (2013)。

論文 PubMed Google Scholar

Burgert, O. et al. 手術ワークフローを備えた手術シミュレーションシステムの要件仕様。第 15 回医学と仮想現実の融合に関する年次会議、MMVR 2007 58–63 (IOS Press、2007)。

Google スカラー

Ebrahimi, H.、Yee, A. & Whyne, C. 手術プロセス分析により、大腿骨髄内釘打ちにおける重大な障害として、連続する透視 2D アライメント間の接続性の欠如が特定されました。内部。Ｊ．Ｃｏｍｐｕｔ．支援する。ラジオル。外科。 11(2)、297–305 (2016)。

論文 PubMed Google Scholar

Neumann, J. 他、整形外科手術における周術期ワークフローのシミュレーションと最適化、OR 2.0 コンテキスト認識手術室に関する第 1 回国際ワークショップ、OR 2.0 2018、第 5 回コンピュータ支援ロボット内視鏡国際ワークショップ、CARE 2018、第 7 回国際ワークショップ臨床画像ベースの手順に関する論文（CLIP 2018）、および第 21 回医療画像およびコンピュータ支援介入に関する国際会議（MICCAI 2018）と併せて開催された第 1 回皮膚画像解析に関する国際ワークショップ（ISIC 2018）。 2018. p. 3-11。

フェルナンデス・グティエレス、F. 他マルチモーダルイメージング手順のワークフローの最適化: X 線と MRI ガイド下 TACE を組み合わせたケース。最小限。侵略的テル。アライドテクノロジー。 26(1)、31–38 (2017)。

論文 PubMed Google Scholar

Gholinejad, M.、Loeve, AJ & Dankelman, J. 外科プロセスモデリング戦略: ワークフローを決定するためにどの方法を選択するか? 最小限。侵略的テル。アライドテクノロジー。 28(2)、91–104 (2019)。

論文 PubMed Google Scholar

Neumuth, T. 手術プロセスのモデリング。イノヴ。外科。科学。 2(3)、123–137 (2020)。

Google スカラー

Lalys, F. & Jannin, P. 手術プロセスのモデリング: レビュー。内部。Ｊ．Ｃｏｍｐｕｔ．支援する。ラジオル。外科。 9(3)、495–511 (2014)。

論文 PubMed Google Scholar

Forestier, G. et al. 一連の手術活動において、識別可能で解釈可能なパターンを発見する。アーティフ。知性。医学。 82、11–19 (2017)。

論文 PubMed Google Scholar

Gouda, B. et al. 肝転移に対する低侵襲手術。ミネルバ・チル。 70(6)、429–436 (2015)。

CAS PubMed Google Scholar

Felli, E.、Baumert, T.、および Pessaux, P. 低侵襲の真の解剖学的 HCC 切除は、ブリッジまたはサルベージ肝移植の結果を改善する将来の方法ですか? クリン。解像度ヘパトール。胃腸ロール。 1、1 (2020)。

Google スカラー

カン、ＳＨら。肝内胆管癌に対する腹腔鏡下肝切除術と開腹肝切除術の比較：傾向スコアの一致を伴うコホート研究の 3 年間の結果。外科。オンコル。 33、63–69 (2020)。

論文 PubMed Google Scholar

ゲリーニ、GP 他。肝内胆管癌に対する腹腔鏡下肝切除術と開腹肝切除術: 最初のメタ分析。ランゲンベックスアーチ。外科。 405(3)、265–275 (2020)。

論文 PubMed Google Scholar

DL アガヤンら。後上区域における腹腔鏡下肝切除術と開腹肝切除術の比較: OSLO-COMET ランダム化比較試験からのサブグループ分析。 HPB 21(11)、1485–1490 (2019)。

論文 PubMed Google Scholar

Abbaszadeh-Kasbi, A.、Reza Keramati, M. 「肝切除後再発肝がんに対する腹腔鏡手術と開腹反復肝臓切除術を比較した周術期アウトカム：体系的レビューとメタアナリシス」に関する招待コメント (Int J Surg 2020; Epub印刷前): 再発肝がんに対する腹腔鏡対開腹反復肝臓切除術。内部。Ｊ．Ｓｕｒｇ． 78、70 (2020)。

ビューエル、JF et al. 腹腔鏡下肝臓切除術。混雑する。コル。外科。 200(3)、472–480 (2005)。

論文 PubMed Google Scholar

マラ、T.ら。腹腔鏡下肝切除術：1施設で53件の手術経験。 J. 肝胆膵。外科。 12(4)、298–303 (2005)。

論文 PubMed Google Scholar

Are, C.、Fong, Y.、および Geller, DA 腹腔鏡下肝臓切除術、『Advances in Surgery』 2005 年、アカデミックプレス社、p. 57-75。

フレットランド、Å. A.ら。結腸直腸肝転移に対する開腹肝切除術と腹腔鏡下肝切除術（Oslo-CoMet 研究）：ランダム化対照試験の研究プロトコル。トライアル 16、1 (2015)。

記事 Google Scholar

フレットランド、AA et al. 結腸直腸肝転移に対する腹腔鏡下切除と観血的切除。アン。外科。 267(2)、199–207 (2018)。

論文 PubMed Google Scholar

チョプラ、SS et al. 肝臓腫瘍の腹腔鏡下高周波アブレーション: ファントムモデルでの針の位置決めにおける MR ガイダンスと従来の腹腔鏡超音波の比較。最小限。侵略的テル。アライドテクノロジー。 20(4)、212–217 (2011)。

論文 PubMed Google Scholar

Siperstein、A. et al. 原発性および転移性肝腫瘍の腹腔鏡下高周波アブレーション: 技術的考慮事項。外科。エンドスク。 14(4)、400–405 (2000)。

論文 CAS PubMed Google Scholar

Topal, B.、Aerts, R. & Penninckx, F. 切除不能な肝悪性腫瘍の腹腔鏡下高周波アブレーション：実現可能性と臨床転帰。外科。ラパロスク。エンドスク。経皮技術。 13(1)、11–15 (2003)。

記事 Google Scholar

アレミ、F.ら。 2 針プローブ双極高周波アブレーション装置を使用した肝腫瘍の腹腔鏡治療。 HPB 13(9)、656–664 (2011)。

論文 PubMed PubMed Central Google Scholar

シェカ、AC et al. 結腸直腸肝転移に対する腹腔鏡下マイクロ波アブレーション後の腫瘍溶解症候群。 J.胃腸検査。 Cancer 51(2)、631–635 (2020)。

論文 CAS PubMed Google Scholar

リー、SJら。膵腺癌の治癒切除後の異時性肝転移に対する経皮的高周波焼灼術。韓国の J. Radiol. 21(3)、316–324 (2020)。

論文 PubMed PubMed Central Google Scholar

マーティナ、P. et al. 熱アブレーション: ex vivo ウシ肝臓モデルにおける高周波、マイクロ波、およびレーザー誘発凝固に必要な熱線量の比較。アカド。ラジオル。 16(12)、1539–1548 (2009)。

論文 PubMed PubMed Central Google Scholar

ミュリエ、S. et al. マトリックス高周波アブレーションの構成要素として 4 つの電極を使用した高周波アブレーション: 体外肝臓実験と有限要素法モデリング - 凝固サイズと形状に対する電気モードと活性化モードの影響。外科。オンコル。 33、145–157 (2020)。

論文 PubMed Google Scholar

メレクヒナ、O. et al。肝門周囲胆管癌に対する肝切除前の経皮的高周波支援による肝分割術と門脈塞栓術の比較。 BJS オープン 4(1)、101–108 (2020)。

論文 CAS PubMed Google Scholar

シュリアン、P.ら。複数（4 つ以上）の肝腫瘍の同時定位的高周波アブレーション：実現可能性、安全性、有効性。 J.バスク。介入ラジオル。 31(6)、943–952 (2020)。

論文 PubMed Google Scholar

ジュリアノッティ、PC 他ロボット肝臓手術: 技術的側面と文献のレビュー。肝胆道外科ニュートル。 5(4)、311 (2016)。

論文 PubMed PubMed Central Google Scholar

Liebmann, P.、Neumuth, T. 将来の手術室向けのワークフロースキーマのモデル主導型設計。第 40 回コンピュータサイエンス学会 eV (GI) 年次会議: サービスサイエンス - コンピュータサイエンスの新しい視点、INFORMATIK 2010。2010 年、ライプツィヒ。

Kiran Kumar, P. & Khanna, V. ソフトウェアアーキテクチャシステムに関するモジュラービュー。内部。 J. Civ. 工学テクノロジー。 8(2)、503–510 (2017)。

Google スカラー

Vidal-Silva、CL et al. モジュール型ソフトウェア開発方法論の模索: 機能指向プログラミングとアスペクト指向プログラミング JPI の融合。情報テクノロジー。 30(3)、95–104 (2019)。

Google スカラー

Wang、YM & Liu、HW 重複機能とグループ化機能のモジュール性条件。ファジィ集合システム 372、97–110 (2019)。

記事 MathSciNet MATH Google Scholar

AJ シーン、S. ジャムダール、AK 州シリワルデナ結腸直腸肝転移に対する腹腔鏡下肝切除術: 現在の最先端技術。フロント。オンコル。 9、1 (2019)。

記事 Google Scholar

Cipriani、F. et al. 純粋な腹腔鏡下肝切除術と観血的肝半切除術: 重要な評価と現実的な期待 - ヨーロッパの 9 つの三次紹介センターからの左右の肝半切除術の傾向スコアに基づく分析。 J. 肝胆膵。科学。 27(1)、3–15 (2020)。

論文 PubMed Google Scholar

Kim, JH 経裂グリソン法を使用した腹腔鏡下解剖学的部分切除術。ランゲンベックスアーチ。外科。 405(3)、365–372 (2020)。

論文 PubMed Google Scholar

彼女、WH ら。結腸直腸肝転移に対する解剖学的切除と非解剖学的切除の比較。 World J. Surg. 1、1 (2020)。

Google スカラー

Qi、LNら。循環腫瘍細胞の状態に応じた肝細胞癌の解剖学的切除と非解剖学的切除の結果。アン。医学。 52(1–2)、21–31 (2020)。

論文 PubMed PubMed Central Google Scholar

Kalil、JA et al. 腹腔鏡下実質温存肝切除術: 侵襲を最大限に抑えた新しい肝臓手術 - システマティックレビューとメタアナリシス。 J.胃腸検査。外科。 23(4)、860–869 (2019)。

論文 PubMed Google Scholar

デン、G.ら。結腸直腸肝転移に対する実質温存肝切除術と拡大肝切除術:系統的レビューとメタ分析。がん医学。 8(14)、6165–6175 (2019)。

論文 PubMed PubMed Central Google Scholar

DL アガヤンら。結腸直腸転移に対する腹腔鏡下肝実質温存肝切除術。ラジオル。オンコル。 52(1)、36–41 (2018)。

記事 MathSciNet PubMed Google Scholar

ダ・コスタ、AC 他。肝細胞癌に対する免疫調節と組み合わせた高周波：最先端技術と革新。 World J. Gastroenterol. 26(17)、2040–2048 (2020)。

論文 PubMed PubMed Central Google Scholar

Bressem, KK et al. 生体内ブタモデルにおける肝臓マイクロ波アブレーション後の病変の動的サイズ変化のパターンの探索。科学。議員10、1（2020）。

記事 Google Scholar

ミズーリ州アジャオら。研修中の外科医による膣帯閉鎖のための二次元 (2D) 腹腔鏡検査と三次元 (3D) 腹腔鏡検査: ランダム化比較試験。外科。エンドスク。 1、1 (2019)。

Google スカラー

アーツ、BMら。組織学的に証明された T1 腎細胞癌の経皮的マイクロ波アブレーション。心臓血管。介入してください。ラジオル。 43(7)、1025–1033 (2020)。

論文 CAS PubMed PubMed Central Google Scholar

Zimmerman, A.、Grand, D. & Charpentier, KP 肝細胞癌の不可逆的エレクトロポレーション: 患者の選択と展望。Ｊ．肝細胞。癌腫 4、49 (2017)。

論文 PubMed PubMed Central Google Scholar

キム、DK 他早期肝細胞癌における経皮的冷凍アブレーション: 局所腫瘍進行因子の分析。診断します。介入ラジオル。 26(2)、111–117 (2020)。

論文 PubMed PubMed Central Google Scholar

チャ、SY 他小型血管周囲肝細胞癌に対する RF アブレーションと凍結アブレーション: 中期転帰の傾向スコア分析。心臓血管。介入してください。ラジオル。 43(3)、434–444 (2020)。

論文 PubMed Google Scholar

マラ、T.ら。結腸直腸肝転移の凍結アブレーション: 侵襲性を最小限に抑えた腫瘍制御。スキャン。Ｊ．Ｇａｓｔｒｏｅｎｔｅｒｏｌ． 39(6)、571–578 (2004)。

論文 CAS PubMed Google Scholar

Swierz、MJ et al. 肝転移に対する経皮エタノール注射。コクランデータベースシステム改訂 1、2 (2020)。

Google スカラー

チェディッド、MF 他 C型肝炎関連肝細胞癌に対する肝移植前の効果的なブリッジ療法としての経動脈塞栓術と経皮的エタノール注射。胃腸ロール。解像度練習してください。 1, 1 (2016)。

記事 Google Scholar

Riemsma、RP et al. 肝転移に対する経皮エタノール注射。コクランデータベースシステム改訂版 1(5)、1 (2013)。

Google スカラー

フレットランド、Å. A.ら。結腸直腸肝転移に対する開腹肝切除術と腹腔鏡下肝切除術（Oslo-CoMet 研究）：ランダム化対照試験の研究プロトコル。トライアル 16(1)、1 ～ 10 (2015)。

記事 Google Scholar

Simon、CJ、DE Dupuy、WW Mayo-Smith、マイクロ波アブレーション: 原理と応用。放射線写真、2005. 25(suppl_1): p. S69-S83。

Lencioni, R. & Crocetti, L. 肝細胞癌の画像誘導熱切除。クリティカル。オンコル牧師。ヘマトール。 66(3)、200–207 (2008)。

論文 PubMed Google Scholar

ライアン、MJ 他原発性および転移性肝腫瘍に対するアブレーション技術。 World J. Hepatol. 8(3)、191 (2016)。

論文 PubMed PubMed Central Google Scholar

グレイザー、DI et al. 肝腫瘍の経皮的画像誘導冷凍アブレーション：中期から長期の転帰をもたらす単一施設の経験。 AJRアム。 J.レントゲノール。 209(6)、1381 (2017)。

論文 PubMed PubMed Central Google Scholar

Spinczyk, D. et al. 肝臓および腹部腫瘍の経皮的アブレーションの診断と治療計画、および前臨床評価をサポートします。計算します。医学。画像グラフ。 78、101664 (2019)。

論文 PubMed Google Scholar

Troisi、RI et al. 腹腔鏡下肝切除術における開腹アプローチへの移行のリスク要因と管理: 連続 265 例の分析。 HPB 16(1)、75–82 (2014)。

論文 PubMed Google Scholar

ヘンケン、KRら。臨床現場におけるビデオ録画に関する法律の影響。外科。エンドスク。 26(10)、2909–2916 (2012)。

論文 PubMed Google Scholar

Lecuyer、G. et al. 手術ビデオのフェーズとステップのアノテーションを支援します。内部。Ｊ．Ｃｏｍｐｕｔ．支援する。ラジオル。外科。 15(4)、673–680 (2020)。

論文 PubMed Google Scholar

ツインダ、AP 他。 Endonet: 腹腔鏡ビデオの認識タスクのためのディープアーキテクチャ。 IEEEトランス。医学。イメージング 36(1)、86–97 (2016)。

論文 PubMed Google Scholar

ギャロー、CR et al. 手術段階認識のための機械学習: 体系的なレビュー。アン。外科。 273(4)、684–693 (2021)。

論文 PubMed Google Scholar

デルガチョワ、O. et al. データ駆動型のリアルタイムの自動セグメンテーションと手術ワークフローの認識。内部。Ｊ．Ｃｏｍｐｕｔ．支援する。ラジオル。外科。 11(6)、1081–1089 (2016)。

論文 PubMed Google Scholar

Loukas, C. 外科手術のビデオコンテンツ分析。外科。エンドスク。 32(2)、553–568 (2018)。

論文 PubMed Google Scholar

Jannin, P. & Morandi, X. コンピューター支援脳神経外科用の手術モデル。ニューロイメージ 37(3)、783–791 (2007)。

論文 CAS PubMed Google Scholar

MO アーマド氏と P. ラウラモ・ジュルヴァネン氏による科学的コラボレーション、アジャイルソフトウェア開発論文に関する国際会議の引用およびトピック分析、第 3 回リーンおよびアジャイルソフトウェア開発に関する国際会議、LASD 2019、および第 7 回マルチメディア、インタラクションに関する会議、「デザインとイノベーション」、MIDI 2019、A. Przybylek および ME Morales-Trujillo、編集者。 2020年、スプリンガー。 p. 108～132。

ヴァロン、R.ら。グローバルなソフトウェア開発におけるアジャイル実践に関する体系的な文献レビュー。情報ソフトウェア。テクノロジー。 96、161–180 (2018)。

記事 Google Scholar

Dingsoeyr, T.、Falessi, D. & Power, K. 大規模なアジャイル開発: 次のフロンティア。 IEEE ソフトウェア。 36(2)、30–38 (2019)。

記事 Google Scholar

上村正人ほか腹腔鏡トレーニング環境における手術スキルの評価。内部。Ｊ．Ｃｏｍｐｕｔ．支援する。ラジオル。外科。 11(4)、543–552 (2016)。

論文 PubMed Google Scholar

Nakawala, H.、Ferrrigno, G.、De Momi, E. 胸腔穿刺のためのインテリジェントな外科トレーニングシステムの開発。アーティフ。知性。医学。改訂 84、50–63 (2018)。

論文 PubMed Google Scholar

Schumann, S.、Bühligen, U. & Neumuth, T. 腹腔鏡手術における手術プロセスのコンプライアンス対策による結果の質の評価。アーティフ。知性。医学。 63(2)、85–90 (2015)。

論文 PubMed Google Scholar

Volkov、M.、他。腹腔鏡手術やロボット支援手術の自動リアルタイムビデオセグメンテーションのための機械学習とコアセット。 2017 年のロボット工学とオートメーションに関する IEEE 国際会議 (ICRA)。 2017.IEEE。

Padoy, N. 手術中のワークフロー認識のための機械と深層学習。最小限。侵略的テル。アライドテクノロジー。 28(2)、82–90 (2019)。

論文 PubMed Google Scholar

Forestier, G. et al. 識別可能な解釈可能なパターンを使用した手術動作分析。アーティフ。知性。医学。 91、3–11 (2018)。

論文 PubMed Google Scholar

Forestier, G. et al. 手術スキル: 手術活動の記録から学習曲線を計算できますか? 内部。Ｊ．Ｃｏｍｐｕｔ．支援する。ラジオル。外科。 13(5)、629–636 (2018)。

論文 PubMed Google Scholar

パロマー、R.ら。肝臓切除の計画とナビゲーションのための表面再構成。計算します。医学。画像グラフ。 53、30–42 (2016)。

論文 PubMed Google Scholar

ザカリアディス、O. et al. GPU での B スプライン補間の高速化: 医療画像登録への応用。計算します。メソッドプログレバイオメッド。 1、193（2020）。

Google スカラー

Riediger, C. et al. 結腸直腸肝転移に対するALPPS手術中に肝臓の術中MRIを初めて適用。ランゲンベックスアーチ。外科。 405(3)、373–379 (2020)。

論文 PubMed PubMed Central Google Scholar

坂田和也、木島哲、新井O. 第一報：リアルタイム仮想超音波検査を用いた腹腔鏡下肝臓切除術用の新しい術中ナビゲーションシステム。科学。議員 10(1)、1 (2020)。

記事 Google Scholar

Luo, H. et al. 立体腹腔鏡を使用した肝臓切除のための拡張現実ナビゲーション。計算します。メソッドプログラム Biomed。 1、187（2020）。

ADS Google Scholar

ペレス・デ・フルトス、J. 他オープンソースプラットフォームを使用した、腹腔鏡検査における超音波ベースのナビゲーションのための単一ランドマーク登録方法の臨床試験。内部。Ｊ．Ｃｏｍｐｕｔ．支援する。ラジオル。外科。 13(12)、1927–1936 (2018)。

論文 PubMed PubMed Central Google Scholar

Forestier, G. et al. 手術の自動マッチングにより、外科医の次の行動を予測します。アーティフ。知性。医学。 81、3–11 (2017)。

論文 PubMed Google Scholar

Dergachyova, O.、Morandi, X.、Jannin, P. 手術活動予測のための知識伝達。内部。Ｊ．Ｃｏｍｐｕｔ．支援する。ラジオル。外科。 13(9)、1409–1417 (2018)。

論文 PubMed Google Scholar

リファレンスをダウンロードする

この研究は、助成契約番号 722068 に基づいて欧州連合の Horizon 2020 Research and Innovation プログラムから資金提供を受けた HiPerNav プロジェクトの一部です。

デルフト工科大学、機械海事材料工学部生機械工学科、デルフト、オランダ

マリアム・ゴリネジャド、アルジョ・J・ローブ、ジェニー・ダンケルマン

介入センター、オスロ大学病院、オスロ、ノルウェー

エギディウス・ペラニス、デイビット・アガヤン、アスムンド・アヴデム・フレットランド、ビョルン・エドウィン、オーレ・ヤコブ・エル

オスロ大学医学部臨床医学研究所（オスロ、ノルウェー）

エギディウス・ペラニス & ビョルン・エドウィン

エレバン国立医科大学外科 N1 学科 M. Heratsi 後、エレバン、アルメニア

デイビット・アガヤン

オスロ大学病院、HPB 外科、オスロ、ノルウェー

オースムンド・アヴデム・フレットランド & ビョルン・エドウィン

ロッテルダム大学医療センター、エラスムス MC、HPB および移植外科部門、外科、ロッテルダム、オランダ

トルコ系トルコ人

PubMed Google Scholar でこの著者を検索することもできます

MG: 概念化、方法論、ソフトウェア、データの検証と妥当性確認、形式的な分析、調査、リソース、データのキュレーション、執筆 - 元の草案、執筆 - レビューと編集、視覚化、EP: データの検証、リソース、執筆 - レビューと編集。 DA: データの検証、リソース、執筆、レビュー、編集。 AAF: データ検証、書き込みレビュー、編集。 BE: データ検証、書き込みレビュー、編集。 TT: データの検証、書き込みレビュー、編集。 OJE: 概念化、執筆レビューと編集、プロジェクト管理、資金調達。 AL: 概念化、正式な分析、データ検証、執筆 - 元の草案、執筆 - レビューと編集、監督。 JD: 概念化、データ検証、執筆レビューと編集、監督、プロジェクト管理、資金調達。

マリアム・ゴリネジャドへの通信。

著者らは競合する利害関係を宣言していません。

シュプリンガーネイチャーは、発行された地図および所属機関における管轄権の主張に関して中立を保ちます。

オープンアクセスこの記事はクリエイティブコモンズ表示 4.0 国際ライセンスに基づいてライセンスされており、元の著者と情報源に適切なクレジットを表示する限り、あらゆる媒体または形式での使用、共有、翻案、配布、複製が許可されます。クリエイティブコモンズライセンスへのリンクを提供し、変更が加えられたかどうかを示します。この記事内の画像またはその他のサードパーティ素材は、素材のクレジットラインに別段の記載がない限り、記事のクリエイティブコモンズライセンスに含まれています。素材が記事のクリエイティブコモンズライセンスに含まれておらず、意図した使用が法的規制で許可されていない場合、または許可されている使用を超えている場合は、著作権所有者から直接許可を得る必要があります。このライセンスのコピーを表示するには、http://creativecommons.org/licenses/by/4.0/ にアクセスしてください。

転載と許可

Gholinejad、M.、Pelanis、E.、Aghayan、D. 他低侵襲肝臓治療法の一般的な外科プロセスモデル。 Sci Rep 12、16684 (2022)。 https://doi.org/10.1038/s41598-022-19891-1

引用をダウンロード

受信日: 2021 年 10 月 20 日

受理日: 2022 年 9 月 6 日

公開日: 2022 年 10 月 6 日

DOI: https://doi.org/10.1038/s41598-022-19891-1

次のリンクを共有すると、誰でもこのコンテンツを読むことができます。

申し訳ございませんが、現在この記事の共有リンクは利用できません。

Springer Nature SharedIt コンテンツ共有イニシアチブによって提供

コメントを送信すると、利用規約とコミュニティガイドラインに従うことに同意したことになります。虐待的なもの、または当社の規約やガイドラインに準拠していないものを見つけた場合は、不適切としてフラグを立ててください。

低侵襲肝臓治療法の一般的な外科プロセス モデル

低侵襲肝臓治療法の一般的な外科プロセスモデル