Evaluation der Qualität der Gewebsbehandlung bei laparoskopischer Kolorektalchirurgie mittels Machine Learnings

Die laparoskopische Chirurgie gewinnt zusehends an Prävalenz in vielen Bereichen der Viszeralchirurgie. Diese Methode ist mit einer schnellen Patientenerholung assoziiert, jedoch hängt das chirurgische Outcome stark vom Ausbildungsgrad und dem technischen Geschick des Chirurgen ab. Die chirurgische Ausbildung bedarf objektiver und quantitativer Evaluationsmodule der chirurgischen Fertigkeiten. Intraoperative Blutungen sind durch Gewebsverletzungen bedingt. Das Ausmaß dieser Blutungen lässt Rückschlüsse auf die chirurgischen Fertigkeiten und die intraoperative Gewebsbehandlung zu. Bei etablierten chirurgischen Evaluierungsmethoden wie „Objective Structured Assessment of Technical Skills“ (OSATS; [1]) und „Global Operative Assessment of Laparoscopic Skills“ (GOALS; [2]) sind die unzureichende quantitative Beurteilung der technischen Fähigkeiten sowie der Gewebsbehandlung durch den Chirurgen limitierend. Andere Evaluationssysteme wie „Observational Clinical Human Reliability Analysis“ (OCHRA) sind zeitintensiv und basieren auf der Expertenbeurteilung von uneditierten Videos in Bezug auf intraoperativen Blutverlust [3]. Diese Studie versuchte, ein lernbasierendes Modell zu entwickeln, das auch kleinere Gewebeblutungen in Operationsvideos erkennen und quantifizieren kann. Über die gemessenen Indizes soll eine Evaluation der chirurgischen Fertigkeiten sowie der Technik der Gewebsbehandlung durch den Chirurgen ermöglicht werden.

Studiendesign: Machine-Learning-basierte Blutpixel-Klassifikation. Aus 28 laparoskopischen kolorektalen Operationsvideos von verschiedenen japanischen Institutionen wurden 504 Blutungsareale und 504 nichtblutende Areale als Fotos extrahiert und für das Machine Learning als Klassifikationsmodell verwendet. Aus den Bildern wurden RGB-Werte ermittelt, welche eine Ratio der Primärfarben Rot (R), Grün (G) und Blau (B) repräsentieren. Die 3 Primärfarben können jeweils 256 verschiedene Helligkeitsstufen darstellen, wodurch 16.777.126 verschiedene Farbtöne resultieren. Die RGB-Werte aller Areale wurden analysiert und in 3 Datensätze geteilt: Training, Validation und Testung des Algorithmus. Overall Accuracy, Sensitivität und Spezifität wurden wie folgt berechnet:

Videodaten für die Beurteilung der chirurgischen Fertigkeiten: Die Videos zur Beurteilung der chirurgischen Fertigkeiten waren Operationsvideos von laparoskopischen Sigmaresektionen aus japanischen Zentren, welche zwischen 2016 und 2017 an das Endoskopic Surgical skill Qualification System (ESSQS) eingereicht wurden. Details der ESSQS-Evaluationskriterien können unter Supplementary Table 1, Supplemental Digital Content 1, http://​links.​lww.​com/​SLA/​E310 nachgelesen werden. Bei ESSQS bewerteten 2 Experten die Qualität der Gewebsbehandlung, woraus die Unterteilung in „high tissue handling“ und „low tissue handling“ erfolgte. Zusätzlich werden bei ESSQS weitere chirurgische Fähigkeiten (Operationsgebiet, Effizienz, Autonomie) beurteilt, wodurch über den Gesamtscore und die Standardabweichung eine „+2 SD“-Gruppe und eine „−2 SD“-Gruppe klassifiziert wurde. Als 3. Gruppe („Novizengruppe“) wurden Videos von Chirurgen mit unter 5 laparoskopischen Eingriffen gewertet. Anschließend wurden die Unterschiede der Blutpixelzahl zwischen den 3 Gruppen analysiert. Es wurde die Hypothese aufgestellt, dass damit Unterschiede in der Qualität der Gewebsbehandlung nachgewiesen werden können. Weiters wurde der Index angewandt, um Unterschiede bezüglich der gesamtchirurgischen Fertigkeiten zwischen den einzelnen Gruppen nachzuweisen. Auch der konventionell dokumentierte „geschätzte Blutverlust“ wurde mit der Qualität der Gewebsbehandlung verglichen. Hier wurde die Hypothese aufgestellt, dass keine Unterschiede gefunden werden, da die gesamtchirurgischen Fertigkeiten nicht nur durch die Gewebsbehandlung, sondern durch zusätzliche Faktoren bedingt sind.

Statistik: Quantitative Daten sind als Durchschnitt (Standardabweichung) präsentiert. Für 2‑Gruppen-Vergleiche wurden t‑Tests und für 3‑Gruppen 1‑way-ANOVA verwendet. Wenn mittels 1‑way-ANOVA eine Signifikanz vermutet wurde, erfolgte ein Each-between-group-post-hoc-Vergleich mit der Tukey-Methode. Alle Tests wurden zweiseitig durchgeführt, mit einem Signifikanzlevel von p < 0,05. Alle statistischen Analysen wurden mit EZR (Saitama Medical Center, Jichi Medical University) durchgeführt [4].

Automatische Evaluation der Qualität der Gewebebehandlung: Es wurden 60 Videos von der „High-tissue-handling“-Gruppe, 55 von der „Low-tissue-handling“-Gruppe sowie 36 von der Novizengruppe analysiert. One-way-ANOVA zeigte signifikante Unterschiede zwischen den einzelnen 3 Gruppen bezüglich der Blutpixelzahl pro Feld („high tissue handling“ 20.972,23 [19.287,05] vs. „low tissue handling“ 34.473,42 [28.144,29] vs.. Novizengruppe 50.630,04 [42.427,76]; p < 0,01). Auch die paarweisen Vergleiche zeigten signifikant weniger Blutpixel in der Gruppe „high tissue handling“ als in der Gruppe „low tissue handling“ oder der Novizengruppe. Auch die „Low tissue handling“-Gruppe zeigte signifikant weniger Blutpixel als die Novizengruppe.

Korrelation zwischen Blutpixelzahl per Feld und gesamtchirurgischem Skills-Score. Siebzehn Videos der Gruppe „+2 SD“- und 20 Videos von der „−2 SD“-Gruppe wurden hierfür verwendet. Es finden sich keine signifikanten Unterschiede zwischen den Blutpixelzahlen pro Feld zwischen den Gruppen (p = 0,267), folglich keine Korrelation zwischen Blutpixelzahl pro Feld und chirurgischem Skill-Score.

Korrelation zwischen Blutverlust und Gewebsbehandlungsscore. Der geschätzte Blutverlust zeigte keinen signifikanten Unterschied zwischen den einzelnen Gruppen (p = 0,461). Darauf basierend korrelierte der konventionell geschätzte Blutverlust nicht mit der Qualität der Gewebshandlung.

Die Autoren konnten die erfolgreiche Etablierung eines Machine-Learning-Systems zur objektiven und quantitativen Evaluation unterschiedlicher Gewebebehandlungsfertigkeiten basierend auf Blutpixel bei laparoskopischen Kolorektaleingriffen zeigen. Die Blutpixelzahl war signifikant niedriger bei Chirurgen mit besserem Gewebshandling. Die Autoren konkludieren, dass dieses Modell potenzielle Gewebeschäden und Blutungen bedingt durch inadäquates Handling nachweisen kann und so auf die Fertigkeiten der Chirurgen rückgeschlossen werden kann. Der Vergleich bezüglich Gesamtscores zwischen +2 SD-Gruppe und −2 SD-Gruppe und Novizen zeigte keine Unterschiede in Blutpixelzahl pro Feld zwischen den einzelnen Gruppen. Da sich die chirurgischen Fertigkeiten aus verschiedenen Faktoren zusätzlich zum Gewebshandling zusammensetzen, vermuten die Autoren, dass durch die Auswahl der Gruppierung der Operationsvideos diese Signifikanz verlorengegangen ist. Auch der Blutverlust korrelierte weder mit dem Gewebshandling, noch den gesamtchirurgischen Fertigkeiten. Hier vermuten die Autoren, dass aufgrund des geringen Blutverlusts bei laparoskopischen Operationen keine Unterschiede mehr zu detektieren sind. Die Zuverlässigkeit des Scores in der Studie basiert auf Evaluation von Operationsvideos durch Experten der Japan Society for Endoscopic Surgery. Erfahrene Chirurgen validieren (reviewen) zahlreiche Operationsvideos für die ESSQS mittels aufwendigen Prozessen. Daher ist ein brauchbares automatisches und auch zeitsparendes Evaluationssystem wünschenswert, um chirurgische Standards zu validieren und schlussendlich auch zu verbessern. Als limitierend erwähnen die Autoren die nicht besonders hohe Accuracy des Maschine-Learning-Modells. Weiters handelt es sich um eine retrospektive Studie mit einem Selektionsbias bezüglich der Gruppeneinteilung der chirurgischen Fertigkeiten. Zudem merken die Autoren auch die geringe Fallzahl an und schlagen den Vergleich ihrer Ergebnisse mit etablierten Validierungstools wie OSATS oder GOALS vor.