[論文レビュー] Perspectives on Surgical Data Science

S. Swaroop Vedula, Masaru Ishii+1 more|arXiv (Cornell University)|Oct 13, 2016

Surgical Simulation and Training参考文献 10被引用数 3

ひとこと要約

本論文は、大規模なデータ収集、高度な分析手法、機械学習を活用して外科的ケアと教育を改善する、変革的分野としての外科的データサイエンスを提唱する。自動化されたスキル評価、意思決定支援、ワークフロー最適化を可能にすることで、統合されたデータインfra構築と共有オントロジーを介して、患者の安全を高め、ばらつきを低減し、結果の標準化を実現することを目的としている。

ABSTRACT

The availability of large amounts of data together with advances in analytical techniques afford an opportunity to address difficult challenges in ensuring that healthcare is safe, effective, efficient, patient-centered, equitable, and timely. Surgical care and training stand to tremendously gain through surgical data science. Herein, we discuss a few perspectives on the scope and objectives for surgical data science.

研究の動機と目的

• 外科的ケアの安全性、有効性、公平性を向上させるため、外科的データサイエンスを公式な学問分野として確立すること。
• 外科的教育および臨床実践における体系的データ収集および標準化された指標の欠如に対処すること。
• 自動化された分析を用いて、技術的スキルおよび非技術的スキルの両方のデータドリブンな評価を可能にすること。
• 多様なデータソースを用いた患者パスウェイのモデリングとアウトカム予測を通じて、外科的ケアのばらつきを低減すること。
• 現実の臨床現場で前処理・手術中・後処理の意思決定を支援する、実装可能なデータ製品の開発

提案手法

• 手術映像、器具の動き、生理モニタリング、電子的健康記録など、複数のデータソースからのデータを統合的に分析する。
• 機械学習および統計モデリングを活用し、手術フェーズの特定、スキル評価、患者アウトカムの予測を実施する。
• パフォーマンス分析に基づいたリアルタイムで適応可能なフィードバックを提供する自動化されたコーチングシステムの開発。
• 相互運用性および複数機関にわたる共同分析を可能にするために、標準化された外科手術手順オントロジーの構築。
• 異なるソースからのデータを統合されたリポジトリに統合し、大規模かつ再現可能な研究を支援する。
• アルゴリズムの洞察を外 surgeons、教育者、医療管理者が活用可能なツールに変換するデータ製品の設計

実験結果

リサーチクエスチョン

• RQ1 どのようにしてデータサイエンスを体系的に応用することで、客観的なスキル評価を通じて外科的教育と資格認定を改善できるか？
• RQ2 自動化された支援技術は、手術中の誤りを低減し、意思決定を向上させるために果たす役割は何か？
• RQ3 データドリブンなワークフローモデリングを用いて、外科的ケアプロセスのばらつきをどのように定量化し、低減できるか？
• RQ4 機械学習モデルを臨床的に有用な外科的ケアツールに変換するにあたり、主な課題は何か？
• RQ5 標準化されたオントロジーおよびデータインfraは、外科的データサイエンスにおける大規模かつ共同研究をどのように可能にするか？

主な発見

• 外科的データサイエンスは、自動化された個別化されたフィードバックと技術的・非技術的スキルの客観的評価を可能にすることで、外科的教育の質を顕著に向上させられる。
• 現在の外科的データサイエンスの研究は、技術的スキル指標に限定されており、スキル欠陥の診断に必要な十分なデータが不足しているため、限界がある。
• 動画、動き、生理的信号といった複数ソースのデータ統合は、堅牢な手術中意思決定支援システム開発の主要な技術的課題のままである。
• 外科手術手順の標準化されたオントロジーは、機関間のデータ共有および共同分析を可能にするために不可欠である。
• 手術フェーズのアルゴリズム的検出には進展が見られるが、臨床ツールへの展開は社会的・技術的統合の障壁により限定的である。
• 患者パスウェイのデータドリブンモデリングにより、悪性アウトカムリスクの高い患者の早期同定が可能となり、リソース配分とケア効率の向上が図れる。