[論文レビュー] Surgical data science for safe cholecystectomy: a protocol for segmentation of hepatocystic anatomy and assessment of the critical view of safety

Pietro Mascagni, Deepak Alapatt+6 more|arXiv (Cornell University)|Jun 21, 2021

Colorectal Cancer Screening and Detection参考文献 17被引用数 9

ひとこと要約

本論文は、腹腔鏡胆嚢切除術における手術動画解析のための標準化されたアノテーションプロトコルを提示する。特に、肝胆道系解剖のセグメンテーションと安全性のための重要な視認（CVS）の評価に焦点を当てている。詳細なチェックリスト、視覚的例、一貫性のあるラベリングガイドラインを提供することで、信頼性が高く再現可能でマルチセンターデータセットを構築するための深層学習モデルの構築を可能にし、モデルの汎化性を高め、手術の安全性向上に貢献する。

ABSTRACT

Minimally invasive image-guided surgery heavily relies on vision. Deep learning models for surgical video analysis could therefore support visual tasks such as assessing the critical view of safety (CVS) in laparoscopic cholecystectomy (LC), potentially contributing to surgical safety and efficiency. However, the performance, reliability and reproducibility of such models are deeply dependent on the quality of data and annotations used in their development. Here, we present a protocol, checklists, and visual examples to promote consistent annotation of hepatocystic anatomy and CVS criteria. We believe that sharing annotation guidelines can help build trustworthy multicentric datasets for assessing generalizability of performance, thus accelerating the clinical translation of deep learning models for surgical video analysis.

研究の動機と目的

• 腹腔鏡胆嚢切除術の動画における肝胆道系解剖と安全性のための重要な視認（CVS）のアノテーションを一貫して行うための手法を確立すること。
• 手術動画データを用いて訓練された深層学習モデルの信頼性、再現性、汎化性を向上させること。
• 共通のガイドライン、チェックリスト、視覚的例を提供することで、マルチセンターデータ収集を支援し、一貫性のあるラベリングを実現すること。
• 信頼性の高い高品質なデータセットを活用することで、手術動画解析モデルの臨床応用を促進すること。
• 特に胆嚢切除術における胆管損傷を最小限に抑えるために、手術データサイエンス分野における標準化されたデータの必要性に対応すること。

提案手法

• 腹腔鏡胆嚢切除術動画における重要な解剖的構造の特定とラベリングのための包括的なアノテーションプロトコルの開発。
• アノテーターおよび施設間での解釈の一貫性を確保するため、視覚的例およびアノテート済みの基準画像を統合すること。
• 安全性のための重要な視認（CVS）を評価する明確な基準の定義。具体的には、2本の管および1本の血管の存在、正しい解剖的配置の確認を含む。
• 既存の動画解析パイプラインおよびモデル学習フレームワークとの互換性を確保するため、深層学習対応のデータフォーマットの使用。
• 複雑な手術シーンにおけるアノテーションの主観性を低減するため、構造化されたガイドラインによる評価者間信頼性の強化。
• フィードバックに基づく微修正を経て、バージョン1からバージョン2への段階的改善を図ったプロトコルのバージョン管理による、反復的改善と実用性の向上。

実験結果

リサーチクエスチョン

• RQ1 複数の手術施設間で、肝胆道系解剖のアノテーションを一貫して標準化するにはどうすればよいか？
• RQ2 腹腔鏡胆嚢切除術動画における安全性のための重要な視認（CVS）を定義づける具体的な基準と視覚的手がかりは何か？
• RQ3 標準化されたアノテーションガイドラインは、手術動画解析における深層学習モデルの再現性および汎化性をどの程度向上させ得るか？
• RQ4 共通のプロトコルとチェックリストを用いることで、高品質なアノテーションを実現するマルチセンターデータセットをどのように構築できるか？
• RQ5 視覚的例と構造化されたチェックリストは、手術動画ラベリングにおけるアノテーター間のばらつきをどの程度低減する役割を果たすか？

主な発見

• 本プロトコルは、腹腔鏡胆嚢切除術動画における肝胆道系解剖と安全性のための重要な視認（CVS）の一貫したアノテーションを実現する包括的なフレームワークを提供する。
• 視覚的例と構造化されたチェックリストの統合により、ラベリングの曖昧さが顕著に低減され、評価者間信頼性が向上した。
• 本プロトコルは、強固で汎化性の高い深層学習モデルを訓練するための高品質でマルチセンターデータセットの構築を支援する。
• バージョン2のプロトコルは、フィードバックに基づく微修正が反映されており、臨床および研究チームにおける明確さと使いやすさが向上している。
• 著者らは、標準化されたアノテーションが信頼性のある手術データサイエンスおよびAIモデルの臨床応用を実現する上で不可欠であることを示している。
• 本プロトコルはコードとリンクして公開されており、研究コミュニティにおける透明性、再現可能性、および採用促進を図っている。