[논문 리뷰] Surgical data science for safe cholecystectomy: a protocol for segmentation of hepatocystic anatomy and assessment of the critical view of safety

Pietro Mascagni, Deepak Alapatt외 6명|arXiv (Cornell University)|2021. 06. 21.

Colorectal Cancer Screening and Detection참고 문헌 17인용 수 9

한 줄 요약

이 논문은 복강경 담낭절제술 영상 분석을 위한 표준화된 주석 프로토콜을 제시하며, 간담도 해부학적 구조의 분할 및 안전의 핵심 시각(CVS) 평가에 중점을 둔다. 자세한 체크리스트, 시각적 예시 및 일관된 레이블링 지침을 제공함으로써 저자들은 신뢰할 수 있고 재현 가능하며 다기관의 딥러닝 데이터셋 구축을 가능하게 하여, 수술 안전성을 향상시키기 위한 모델의 일반화 능력과 임상적 적용 가능성을 높였다.

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.

연구 동기 및 목표

• 복강경 담낭절제술 영상에서 간담도 해부학적 구조와 안전의 핵심 시각(CVS)에 대한 일관된 주석 실천 방식을 수립하기 위해.
• 수술 영상 데이터를 기반으로 훈련된 딥러닝 모델의 신뢰성, 재현 가능성 및 일반화 능력을 향상시키기 위해.
• 일관된 레이블링을 위한 세부 지침, 체크리스트 및 시각적 예시를 제공함으로써 다기관 데이터 수집을 지원하기 위해.
• 신뢰할 수 있고 고품질의 데이터셋을 통해 수술 영상 분석 모델의 임상적 적용을 가속화하기 위해.
• 특히 담낭절제술 중 담도 손상 위험을 최소화하기 위해 표준화된 데이터의 필수적 필요성을 해결하기 위해.

제안 방법

• 복강경 담낭절제술 영상에서 주요 해부학적 구조를 식별하고 레이블링하기 위한 세부 체크리스트를 포함한 종합적인 주석 프로토콜 개발.
• 주석자 및 기관 간 해석의 표준화를 위해 시각적 예시 및 주석 처리된 기준 이미지를 통합.
• 안전의 핵심 시각(CVS) 평가를 위한 명확한 기준 정의, 특히 두 개의 관과 하나의 동맥이 존재하고 해부학적 방향이 올바른지 여부 포함.
• 기존 영상 분석 파이프라인 및 모델 훈련 프레임워크와의 호환성을 확보하기 위해 딥러닝 호환 데이터 형식 사용.
• 복잡한 수술 장면의 주석에서 주관성을 줄이기 위해 체계적인 지침을 통한 평가자 간 일致성 강조.
• 피드백에 기반한 소규모 수정을 반영한 버전 관리(버전 v1에서 v2)로 반복적 개선 및 사용성 확보.

실험 결과

연구 질문

• RQ1 다양한 수술 기관 간 간담도 해부학적 구조의 일관되고 신뢰할 수 있는 주석을 어떻게 표준화할 수 있는가?
• RQ2 복강경 담낭절제술 영상에서 안전의 핵심 시각(CVS)을 정의하는 데 필요한 구체적인 기준과 시각적 단서는 무엇인가?
• RQ3 표준화된 주석 지침이 수술 영상 분석에서 딥러닝 모델의 재현 가능성과 일반화 능력 향상에 어느 정도 기여하는가?
• RQ4 공통 프로토콜과 체크리스트를 활용해 고품질 주석을 가진 다기관 데이터셋을 어떻게 구축할 수 있는가?
• RQ5 시각적 예시와 체계적인 체크리스트가 수술 영상 레이블링에서 평가자 간 변동성 감소에 어떤 역할을 하는가?

주요 결과

• 이 프로토콜은 복강경 담낭절제술 영상에서 간담도 해부학적 구조와 안전의 핵심 시각(CVS)에 대한 일관된 주석을 위한 종합적인 프레임워크를 제공한다.
• 시각적 예시와 체계적인 체크리스트의 통합은 주석의 모호성을 크게 감소시켜 평가자 간 일치도를 향상시킨다.
• 이 프로토콜은 강력하고 일반화 능력이 뛰어난 딥러닝 모델을 훈련시키기 위해 필수적인 고품질의 다기관 데이터셋 구축을 지원한다.
• 버전 2의 프로토콜은 피드백에 기반한 소규모 수정을 반영하여, 임상 및 연구 팀의 명확성과 사용성 향상이 이루어졌다.
• 저자들은 표준화된 주석이 신뢰할 수 있는 수술 데이터 과학과 인공지능 모델의 임상적 적용 가능성을 뒷받침하는 핵심 요소임을 입증하였다.
• 이 프로토콜은 관련 코드와 함께 공개되어 있어, 수술 연구 공동체 전반에서 투명성, 재현 가능성 및 보급성을 촉진한다.