論文の概要: AI for Quality Assurance in the Operating Room
- arxiv url: http://arxiv.org/abs/2606.30657v1
- Date: Tue, 16 Jun 2026 09:05:18 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-07-05 17:01:29.610229
- Title: AI for Quality Assurance in the Operating Room
- Title（参考訳）: 手術室における品質保証のためのAI
- Abstract要約: 品質保証のためのAIは、手術チームを増強し、専門家のレビューを拡大し、学習システムに向けた手術を支援するための一連のツールとして理解されるべきである。
本章では,外科的データを用いて手術室の継続的な評価と改善を支援するための枠組みとして,AIを活用した外科的品質保証を紹介する。
- 参考スコア（独自算出の注目度）: 7.402717868707822
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Surgical outcomes depend not only on patient factors and postoperative care but are also strongly influenced by the quality of the operation itself. Yet, for much of mod-ern surgery, intraoperative quality has been assessed indirectly through outcomes and operative reports. The increase in minimally invasive procedures inherently guided by endoscopic video, together with advances in artificial intelligence, creates an unprecedented opportunity to systematically observe, measure, and improve surgi-cal care. This chapter introduces AI-enabled Surgical Quality Assurance as a frame-work for using surgical data to support continuous assessment and improvement in the operating room. We first review existing approaches to surgical safety, from sys-tem-level interventions to procedure-specific standards. We then describe how AI can transform intraoperative video into clinically meaningful information, including recog-nition of anatomy, instruments, workflow, surgical actions, quality criteria, adverse events, and critical moments. Finally, we outline the major challenges that must be addressed before these systems can deliver routine clinical value, including representa-tive data collection, robust validation, workflow integration, regulation, liability, pri-vacy, and equitable access. Rather than replacing surgical judgment, AI for quality assurance should be understood as a set of tools for augmenting the surgical team, scaling expert review, and helping surgery evolve toward a learning system in which intraoperative care is continuously observed, assessed, and improved.
- Abstract（参考訳）: 手術成績は患者の要因や術後のケアに依存するだけでなく,手術の質にも強く影響される。
しかし, 手術成績や手術報告を通じて術中品質を間接的に評価した。
内視鏡的ビデオによって本質的に導かれる最小侵襲の手順の増加は、人工知能の進歩と共に、体系的に観察し、測定し、治療を改善するという前例のない機会を生み出します。
本章では,外科的データを用いて手術室の継続的な評価と改善を支援するための枠組みとして,AIを活用した外科的品質保証を紹介する。
まず,手術の安全性に関するアプローチについて概説する。
次に、AIが術中の映像を臨床的に有意義な情報に変換する方法を説明し、解剖学、器具、ワークフロー、外科的アクション、品質基準、有害事象、臨界瞬間などについて説明する。
最後に、これらのシステムが日常的な臨床的価値を提供する前に対処しなければならない主な課題について概説する。例えば、表現型データ収集、堅牢な検証、ワークフロー統合、規制、責任、プリ空き、公平なアクセスなどである。
外科的判断を置き換えるのではなく、品質保証のためのAIは、手術チームを増強し、専門家のレビューを拡大し、手術を継続的に観察し、評価し、改善する学習システムへと発展させるための一連のツールとして理解されるべきである。
関連論文リスト
- Explainable AI-Powered Framework for Video-Based Skill Assessment in Cataract Surgery [5.586191108738563]
我々は2000枚の録音を含む世界最大の白内障手術ビデオデータセットを提示する。
本稿では,高度なコンピュータビジョンと信号処理技術を用いて,手術映像の自動評価を行うAIを利用した分析フレームワークを提案する。
従来の手法に比べて、我々のフレームワークの顕著な利点は、単に不透明なスキル分類ツールを超えて出力の説明可能性を高めることである。
論文 参考訳（メタデータ） (2026-08-18T08:45:27Z) - A Multi-Agent LLM Framework for Rating the Quality of Surgical Feedback [52.053200111780626]
手術室の外科医が行う言語的フィードバックは、居住スキル獲得において重要な形式的役割を担っている。
本稿では,手術訓練の文脈に根ざした,解釈可能なフィードバック品質基準を発見するための2段階のLCMベースのフレームワークを提案する。
本手法では,多エージェントおよび外科領域の知識注入を用いて,人間の解釈可能な評価基準の小さなセットを探索する。
論文 参考訳（メタデータ） (2026-05-25T05:31:44Z) - Kinematic-Based Assessment of Surgical Actions in Microanastomosis [4.92174988745803]
マイクロアナコシスにおける自動動作セグメンテーションとパフォーマンスアセスメントのためのAI駆動型フレームワークを提案する。
58人の専門家によるマイクロアナコシスビデオのデータセットは、我々のアプローチの有効性を実証している。
論文 参考訳（メタデータ） (2025-12-30T02:18:49Z) - Surgeons vs. Computer Vision: A comparative analysis on surgical phase recognition capabilities [65.66373425605278]
自動手術相認識(SPR)は、人工知能(AI)を使用して、手術ワークフローをその重要なイベントに分割する。
従来の研究は、短い外科手術と直線的な外科手術に焦点を合わせており、時間的文脈が手術の段階をよりよく分類する専門家の能力に影響を与えるかどうかを探索していない。
本研究は,ロボットによる部分腎切除(RAPN)を高度に非直線的に行うことに焦点を当て,これらのギャップに対処する。
論文 参考訳（メタデータ） (2025-04-26T15:37:22Z) - Hypergraph-Transformer (HGT) for Interactive Event Prediction in Laparoscopic and Robotic Surgery [47.47211257890948]
腹腔内ビデオから外科的ワークフローの重要なインタラクティブな側面を理解し,予測できる予測型ニューラルネットワークを提案する。
我々は,既存の手術用データセットとアプリケーションに対するアプローチを検証し,アクション・トリプレットの検出と予測を行った。
この結果は、非構造的な代替案と比較して、我々のアプローチの優位性を示している。
論文 参考訳（メタデータ） (2024-02-03T00:58:05Z) - ST(OR)2: Spatio-Temporal Object Level Reasoning for Activity Recognition
in the Operating Room [6.132617753806978]
ORにおける外科的活動認識のための新しい試料効率およびオブジェクトベースアプローチを提案する。
本手法は, 臨床医と手術器具の幾何学的配置に着目し, ORにおける重要な物体相互作用のダイナミクスを活用する。
論文 参考訳（メタデータ） (2023-12-19T15:33:57Z) - Prediction of Post-Operative Renal and Pulmonary Complications Using
Transformers [69.81176740997175]
術後急性腎不全,肺合併症,院内死亡の予測におけるトランスフォーマーモデルの有用性について検討した。
以上の結果から,トランスフォーマーモデルにより術後合併症の予測や従来の機械学習モデルよりも優れた性能が得られることが示された。
論文 参考訳（メタデータ） (2023-06-01T14:08:05Z) - Quantification of Robotic Surgeries with Vision-Based Deep Learning [45.165919577877695]
本稿では,手術中に録画されたビデオのみを対象とする統合型ディープラーニングフレームワークRoboformerを提案する。
我々は,ミニマル侵襲型ロボット手術において,一般的な2種類のステップの4つのビデオベースデータセットに対して,我々の枠組みを検証した。
論文 参考訳（メタデータ） (2022-05-06T06:08:35Z) - CholecTriplet2021: A benchmark challenge for surgical action triplet
recognition [66.51610049869393]
腹腔鏡下手術における三肢の認識のためにMICCAI 2021で実施した内視鏡的視力障害であるColecTriplet 2021を提案する。
課題の参加者が提案する最先端の深層学習手法の課題設定と評価について述べる。
4つのベースライン法と19の新しいディープラーニングアルゴリズムが提示され、手術ビデオから直接手術行動三重項を認識し、平均平均精度(mAP)は4.2%から38.1%である。
論文 参考訳（メタデータ） (2022-04-10T18:51:55Z) - Real-time Informative Surgical Skill Assessment with Gaussian Process
Learning [12.019641896240245]
本研究は,ESSBSのためのガウス的プロセス学習に基づく自動的客観的外科的スキル評価手法を提案する。
提案手法は,計測器の動きを内視鏡座標に投影し,データ次元を減少させる。
実験結果から,完全外科手術における100%の予測精度と,リアルタイムの予測評価における90%の精度が得られた。
論文 参考訳（メタデータ） (2021-12-05T15:35:40Z) - Towards Unified Surgical Skill Assessment [18.601526803020885]
自動手術スキル評価のための統合型マルチパスフレームワークを提案する。
手術シミュレーションのJIGSAWSデータセットと腹腔鏡下手術の新たな臨床データセットについて実験を行った。
論文 参考訳（メタデータ） (2021-06-02T09:06:43Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。