[論文レビュー] Surgical task expertise detected by a self-organizing neural network map

Birgitta Dresp, Rongrong Liu+1 more|arXiv (Cornell University)|Jun 3, 2021

Soft Robotics and Applications参考文献 13被引用数 4

ひとこと要約

本研究では、ロボット支援外科技術シミュレータからの両手 grips力プロファイルを分析することにより、外科的スキルの熟練度を検出するための自己組織化マップ（SOM）ニューラルネットワークを提案する。SOMは霊長目皮膚感覚神経構造を模倣しており、grips力のばらつきに統計的に有意な差が認められるため、熟練者と初心者を正確に区別する。これは外科的スキル評価のバイオマーカーとしての可能性を示している。

ABSTRACT

Individual grip force profiling of bimanual simulator task performance of experts and novices using a robotic control device designed for endoscopic surgery permits defining benchmark criteria that tell true expert task skills from the skills of novices or trainee surgeons. Grip force variability in a true expert and a complete novice executing a robot assisted surgical simulator task reveal statistically significant differences as a function of task expertise. Here we show that the skill specific differences in local grip forces are predicted by the output metric of a Self Organizing neural network Map (SOM) with a bio inspired functional architecture that maps the functional connectivity of somatosensory neural networks in the primate brain.

研究の動機と目的

• ロボット外科技術シミュレータからのバイオメカニカルなパフォーマンスデータを用いて、外科的熟練度の客観的で定量的なバイオマーカーを同定すること。
• 訓練環境における外科的スキルの主観的かつ一貫性のない評価の課題に対処すること。
• 外科的タスクパフォーマンスに関連する感覚処理の機能的結合パターンを捉える生物学的にインspiredされたニューラルネットワークモデルを構築すること。
• 自己組織化マップ（SOM）が、模擬内視鏡手術中のgrips力のばらつきに基づいてスキルレベルを検出し分類できるかどうかを評価すること。
• 熟練者と初心者のgrips力ダイナミクスを比較することにより、真の熟練者パフォーマンスのベンチマーク基準を確立すること。

提案手法

• 内視鏡外科技術を想定したロボット制御装置を用いて、タスク実行中の両手grips力プロファイルを記録するデータ収集。
• 標準化されたシミュレータタスク中に、熟練者と初心者のgrips力信号のばらつきおよび時間的パターンを分析。
• 霊長目の皮膚感覚ネットワークを模倣した生物学的にインspiredされた機能的アーキテクチャを持つ自己組織化マップ（SOM）を、機能的結合を模倣するように訓練。
• SOMは生のgrips力データを処理し、触覚および運動フィードバックの神経様処理を反映するトポロジカルマップを生成。
• SOMの出力指標を用いて、力のパターンの空間的組織と安定性に基づき、スキルレベルを分類・比較。
• SOMに基づく分類性能を検証するため、熟練者と初心者のgrips力ばらつきを統計的に比較。

実験結果

リサーチクエスチョン

• RQ1 ロボット支援外科技術シミュレータにおけるgrips力のばらつきは、熟練者と初心者のパフォーマンスを区別できるか？
• RQ2 生物学的にインspiredされたアーキテクチャを持つ自己組織化マップ（SOM）は、grips力ダイナミクスのスキル特異的差をどの程度検出し、表現できるか？
• RQ3 SOMの出力指標は、バイオメカニカルなパフォーマンスに基づいて外科的タスク熟練度を信頼性高く予測できるか？
• RQ4 SOMのトポロジカルパターンは、外科的スキルに関連する感覚処理の機能的結合をどの程度反映しているか？
• RQ5 SOMモデルは訓練現場における外科的スキル評価の定量的ベンチマークとして機能できるか？

主な発見

• ロボット支援外科技術シミュレータタスク中に、真の熟練者と完全な初心者との間でgrips力のばらつきに顕著な差が認められた。
• 自己組織化マップ（SOM）は、熟練者と初心者の両者に対して、スキル特異的なgrips力データのパターンを的確に捉え、明確に異なるトポロジカル組織を示した。
• SOMの出力指標は、バイオメカニカルなパフォーマンスに基づいて外科的熟練度を識別する強力な予測能力を示した。
• 霊長目の皮膚感覚ネットワークを模倣したSOMの機能的アーキテクチャは、スキル実行に関連する神経結合パターンを効果的にマップした。
• grips力プロファイリングとSOMベースの分析を用いて、熟練者レベルのパフォーマンスの定量的ベンチマークを確立した。
• 本研究の結果は、SOMが訓練および評価現場における客観的外科的スキル評価のための新規で生物学的に妥当なツールである可能性を支持する。