[논문 리뷰] Automated Objective Surgical Skill Assessment in the Operating Room Using Unstructured Tool Motion

Piyush Poddar, Narges Ahmidi외 4명|arXiv (Cornell University)|2014. 12. 18.

Surgical Simulation and Training참고 문헌 12인용 수 4

한 줄 요약

이 논문은 수술 중 비강 세포성형술의 비구조적 도구 운동을 사용하여 수술 기량을 자동으로 객관적으로 평가하는 방법을 제시한다. 비구조적 도구 운동에서 유도된 운동 기반 특징—손목 운동 일관성과 커버리지 패턴—을 도입하여 수술자 교육 수준을 분류하는 데 평균 72%의 정확도를 달성하였으며, 수련생에게 실질적인 피드백을 제공한다.

ABSTRACT

Previous work on surgical skill assessment using intraoperative tool motion in the operating room (OR) has focused on highly-structured surgical tasks such as cholecystectomy. Further, these methods only considered generic motion metrics such as time and number of movements, which are of limited instructive value. In this paper, we developed and evaluated an automated approach to the surgical skill assessment of nasal septoplasty in the OR. The obstructed field of view and highly unstructured nature of septoplasty precludes trainees from efficiently learning the procedure. We propose a descriptive structure of septoplasty consisting of two types of activity: (1) brushing activity directed away from the septum plane characterizing the consistency of the surgeon's wrist motion and (2) activity along the septal plane characterizing the surgeon's coverage pattern. We derived features related to these two activity types that classify a surgeon's level of training with an average accuracy of about 72%. The features we developed provide surgeons with personalized, actionable feedback regarding their tool motion.

연구 동기 및 목표

• 비강 세포성형술과 같이 비구조적이고 가림이 있는 수술에서 객관적이고 자동화된 기량 평가의 부족을 해결하기 위해.
• 일반적인 지표인 시간이나 이동 횟수 외의 수술 기량을 반영하는 운동 기반 특징을 개발하기 위해.
• 실제 수술 과정 중 도구 운동 패턴을 바탕으로 개인화된 실질적인 피드백을 수련생에게 제공하기 위해.
• 이러한 특징이 다양한 수술 교육 수준을 구분하는 데 효과적인지 평가하기 위해.

제안 방법

• 저자는 세포성형술에서 두 가지 핵심 활동 유형을 정의한다: 고정된 세포막 평면에서 멀어지는 손목 운동 일관성과 세포막 평면을 따라 움직이는 커버리지 패턴.
• 수술 중 기록된 기구 궤적에서 운동 특징을 추출하며, 공간적 및 시간적 패턴에 중점을 둔다.
• 손목 운동 일관성은 도구 운동이 세포막 평면에 대해 가지는 각도 이탈도와 부드러움 지표를 사용해 정량화한다.
• 커버리지 패턴은 세포막 표면 전반에 걸친 도구 이동의 공간 분포와 균일성으로 평가된다.
• 기계 학습 분류기가 이러한 특징을 사용하여 수술자의 교육 수준을 예측한다.
• 이 방법은 비강 세포성형술 수술의 실제 수술 내 데이터를 기반으로 검증되었다.

실험 결과

연구 질문

• RQ1 비강 세포성형술에서 비구조적 도구 운동에서 유도된 운동 특징이 수술 전문성 수준을 효과적으로 구분할 수 있는가?
• RQ2 손목 운동 일관성과 커버리지 패턴이 가림이 있고 비구조적인 환경에서 수술 기량과 상관이 있는가?
• RQ3 이러한 특징을 바탕으로 한 자동 피드백이 수술 교육 성과를 향상시킬 수 있는가?
• RQ4 수술실에서의 운동 데이터만을 사용하여 수술자의 교육 수준을 얼마나 정확하게 분류할 수 있는가?

주요 결과

• 제안된 방법은 다양한 수술자 교육 수준을 구분하는 데 평균 72%의 분류 정확도를 달성하였다.
• 손목 운동 일관성 특징은 수술 기량과 강하게 상관되었으며, 정교한 운동 제어를 반영하였다.
• 커버리지 패턴 특징은 절차의 완전성과 공간적 효율성에 대한 통찰을 제공하였다.
• 운동 기반 특징은 시간이나 이동 횟수와 같은 일반적인 지표보다 더 실질적인 피드백을 제공하였다.
• 전통적인 시각적 추적 기술이 어려운 가림이 있는 시야 환경에서도 이 방법은 강건한 성능을 보였다.
• 결과적으로, 매우 비구조적인 수술 환경에서도 자동화되고 객관적인 기량 평가가 가능하다는 것이 입증되었다.