nach oben

Erschienen in:

20.10.2022 | Digitalisierung

Technische Innovationen und Blick in die Zukunft

verfasst von: Dr. Martin Wagner, André Schulze, Sebastian Bodenstedt, Prof. Dr. Lena Maier-Hein, Prof. Dr. Stefanie Speidel, PD Felix Nickel, Dr. Felix Berlth, Prof. Dr. Beat P. Müller-Stich, Prof. Dr. Peter Grimminger, FACS FEBS

Erschienen in: Wiener klinisches Magazin | Ausgabe 5-6/2022

Einloggen, um Zugang zu erhalten

Zusammenfassung

Hintergrund

Digitale Systeme haben in den letzten Jahrzehnten zunehmend Einzug in den modernen Operationssaal gehalten. Dadurch hat sich ein massiver Wandel, insbesondere in der minimal-invasiven Chirurgie, vollzogen.

Ziel der Arbeit

Der Artikel soll einen Überblick geben zu den aktuellen technischen Innovationen und den Perspektiven von Digitalisierung und künstlicher Intelligenz (KI) in der Chirurgie.

Material und Methoden

Der Artikel basiert auf einer Literaturrecherche über PubMed und Forschungsarbeiten der beteiligten Koautoren.

Ergebnisse

Aktuelle Forschungsarbeiten befassen sich zunehmend mit maschinellen Lernverfahren, die sich die komplexen Daten in der Chirurgie zunutze machen. Die Einbindung von Systemen künstlicher Intelligenz in Operationssaal und Klinik hat jedoch erst begonnen.

Diskussion

Die translationale Erforschung künstlicher Intelligenz in der Chirurgie steht noch am Anfang, bietet aber ein großes Potenzial, die Behandlung der Patienten zu verbessern. Um die Einbindung intelligenter Systeme in die Klinik zu beschleunigen, ist die Schaffung interdisziplinärer Forschungsgruppen unter chirurgischer Leitung nötig.

Vorheriger Artikel panorama

Nächster Artikel Chirurgische Therapie des Ösophaguskarzinoms – neue Technologien, moderne Konzepte

Berlin IDZ (2021) Aliado – kooperatives KI-System für die Krebstherapie. https://ux-design-awards.com/de/gewinner/aliado. Zugegriffen: 15. Nov. 2021

Byrne MF, Chapados N, Soudan F et al (2019) Real-time differentiation of adenomatous and hyperplastic diminutive colorectal polyps during analysis of unaltered videos of standard colonoscopy using a deep learning model. Gut 68:94–100. https://doi.org/10.1136/gutjnl-2017-314547CrossRefPubMed

Diana M, Noll E, Diemunsch P et al (2014) Enhanced-reality video fluorescence: a real-time assessment of intestinal viability. Ann Surg 259:700–707. https://doi.org/10.1097/SLA.0b013e31828d4ab3CrossRefPubMed

Diana M, Soler L, Agnus V et al (2017) Prospective evaluation of precision multimodal gallbladder surgery navigation: virtual reality, near-infrared fluorescence, and X‑ray-based intraoperative cholangiography. Ann Surg 266:890–897. https://doi.org/10.1097/SLA.0000000000002400CrossRefPubMed

Engelhardt S, De Simone R, Full PM et al (2018) Improving surgical training phantoms by Hyperrealism: deep unpaired image-to-image translation from real surgeries. arXiv:180603627 [cs] 11070:747–755. https://doi.org/10.1007/978-3-030-00928-1_84CrossRef

Esteva A, Kuprel B, Novoa RA et al (2017) Dermatologist-level classification of skin cancer with deep neural networks. Nature 542:115–118. https://doi.org/10.1038/nature21056CrossRefPubMedPubMedCentral

Goyal A (2018) New technologies for sentinel lymph node detection. Breast Care 13:349–353. https://doi.org/10.1159/000492436CrossRefPubMedPubMedCentral

Hagen NA, Kudenov MW (2013) Review of snapshot spectral imaging technologies. Opt Eng 52:90901. https://doi.org/10.1117/1.OE.52.9.090901CrossRef

Hashimoto DA, Rosman G, Rus D, Meireles OR (2018) Artificial intelligence in surgery: promises and perils. Ann Surg 268:70–76. https://doi.org/10.1097/SLA.0000000000002693CrossRefPubMed

10.

Hashimoto DA, Rosman G, Witkowski ER et al (2019) Computer vision analysis of intraoperative video: automated recognition of operative steps in laparoscopic sleeve gastrectomy. Ann Surg 270:414–421. https://doi.org/10.1097/SLA.0000000000003460CrossRefPubMed

11.

Heiliger C, Piecuch J, Frank A et al (2021) Laparoscopic intraarterial catheterization with selective ICG fluorescence imaging in colorectal surgery. Sci Rep 11:14753. https://doi.org/10.1038/s41598-021-94244-yCrossRefPubMedPubMedCentral

12.

Hope TA, Calais J (2021) PSMA-targeted radiopharmaceutical therapy in patients with metastatic castration-resistant prostate cancer. Lancet 397:768–769. https://doi.org/10.1016/S0140-6736(21)00349-4CrossRefPubMed

13.

Kenngott HG, Apitz M, Wagner M et al (2017) Paradigm shift: cognitive surgery. Innov Surg Sci 2:139–143. https://doi.org/10.1515/iss-2017-0012CrossRefPubMedPubMedCentral

14.

Knieling F, Neufert C, Hartmann A et al (2017) Multispectral optoacoustic tomography for assessment of Crohn’s disease activity. N Engl J Med 376:1292–1294. https://doi.org/10.1056/NEJMc1612455CrossRefPubMed

15.

Komorowski M, Celi LA, Badawi O et al (2018) The artificial intelligence clinician learns optimal treatment strategies for sepsis in intensive care. Nat Med 24:1716–1720. https://doi.org/10.1038/s41591-018-0213-5CrossRefPubMed

16.

Kudo S‑E, Ichimasa K, Villard B et al (2021) Artificial intelligence system to determine risk of T1 colorectal cancer metastasis to lymph node. Gastroenterology 160:1075–1084.e2. https://doi.org/10.1053/j.gastro.2020.09.027CrossRefPubMed

17.

Mai R‑Y, Lu H‑Z, Bai T et al (2020) Artificial neural network model for preoperative prediction of severe liver failure after hemihepatectomy in patients with hepatocellular carcinoma. Surgery 168:643–652. https://doi.org/10.1016/j.surg.2020.06.031CrossRefPubMed

18.

Maier-Hein L, Eisenmann M, Sarikaya D et al (2021) Surgical data science—from concepts toward clinical translation. arXiv:2011.02284 [cs, eess]

19.

Maier-Hein L, Gockel I, Speidel S et al (2020) Intraoperative Bildgebung und Visualisierung. Onkologe. https://doi.org/10.1007/s00761-019-00695-4CrossRef

20.

Murali A, Sen S, Kehoe B et al (2015) Learning by observation for surgical subtasks: multilateral cutting of 3D viscoelastic and 2D orthotropic tissue phantoms. 2015 IEEE International Conference on Robotics and Automation (ICRA). IEEE, Seattle, S 1202–1209

21.

Neuschler EI, Butler R, Young CA et al (2018) A pivotal study of optoacoustic imaging to diagnose benign and malignant breast masses: a new evaluation tool for radiologists. Radiology 287:398–412. https://doi.org/10.1148/radiol.2017172228CrossRefPubMed

22.

Que S‑J, Chen Q‑Y, Qing-Zhong et al (2019) Application of preoperative artificial neural network based on blood biomarkers and clinicopathological parameters for predicting long-term survival of patients with gastric cancer. World J Gastroenterol 25:6451–6464. https://doi.org/10.3748/wjg.v25.i43.6451CrossRefPubMedPubMedCentral

23.

Rice TW, Lu M, Ishwaran H et al (2019) Precision surgical therapy for adenocarcinoma of the esophagus and esophagogastric junction. J Thorac Oncol 14:2164–2175. https://doi.org/10.1016/j.jtho.2019.08.004CrossRefPubMedPubMedCentral

24.

Takahashi M, Takahashi M, Nishinari N et al (2017) Clinical evaluation of complete solo surgery with the „ViKY®“ robotic laparoscope manipulator. Surg Endosc 31:981–986. https://doi.org/10.1007/s00464-016-5058-8CrossRefPubMed

25.

Wagner M, Müller-Stich B‑P, Kisilenko A et al (2021) Comparative validation of machine learning algorithms for surgical workflow and skill analysis with the HeiChole benchmark. arXiv:2109.14956 [cs, eess]

Titel: Technische Innovationen und Blick in die Zukunft
verfasst von: Dr. Martin Wagner
André Schulze
Sebastian Bodenstedt
Prof. Dr. Lena Maier-Hein
Prof. Dr. Stefanie Speidel
PD Felix Nickel
Dr. Felix Berlth
Prof. Dr. Beat P. Müller-Stich
Prof. Dr. Peter Grimminger, FACS FEBS
Publikationsdatum: 20.10.2022
Verlag: Springer Vienna
Erschienen in: Wiener klinisches Magazin / Ausgabe 5-6/2022
Print ISSN: 1869-1757
Elektronische ISSN: 1613-7817
DOI: https://doi.org/10.1007/s00740-022-00468-7

panorama

panorama

Theranostika in der Nuklearmedizin

Nuklearmedizin

Besser, früher, individueller

aktuell

Pathogenese der akuten Pankreatitis

Gastroenterologie

Stillstand ist ein Fehler

Editorial

Chirurgische Therapie des Ösophaguskarzinoms – neue Technologien, moderne Konzepte

Chirurgie

Springer Medizin Österreich

Technische Innovationen und Blick in die Zukunft

Zusammenfassung

Hintergrund

Ziel der Arbeit

Material und Methoden

Ergebnisse

Diskussion

Weitere Artikel der Ausgabe 5-6/2022

panorama

Theranostika in der Nuklearmedizin

Besser, früher, individueller

Pathogenese der akuten Pankreatitis

Stillstand ist ein Fehler

Chirurgische Therapie des Ösophaguskarzinoms – neue Technologien, moderne Konzepte

Springer Medizin Österreich

Zusammenfassung

Hintergrund

Ziel der Arbeit

Material und Methoden

Ergebnisse

Diskussion

Bitte loggen Sie sich ein, um Zugang zu diesem Inhalt zu erhalten

panorama

Theranostika in der Nuklearmedizin

Besser, früher, individueller

Pathogenese der akuten Pankreatitis

Stillstand ist ein Fehler

Chirurgische Therapie des Ösophaguskarzinoms – neue Technologien, moderne Konzepte