수술의 디지털 전환

Nov 13, 2023

npj 디지털 의학 6권, 기사 번호: 103(2023) 이 기사 인용

402 액세스

6 알트메트릭

측정항목 세부정보

최근 몇 년 동안 디지털 기술과 인공 지능의 급속한 발전은 이미 많은 산업을 변화시키기 시작했으며 의료 분야로 진출하기 시작했습니다. 수술 환자의 치료를 개선할 수 있는 새로운 디지털 기술에는 엄청난 잠재력이 있습니다. 이 글에서는 기계 학습, 컴퓨터 비전, 웨어러블 장치, 원격 환자 모니터링, 가상 및 증강 현실을 사용하여 수술 치료를 발전시키기 위해 진행 중인 작업을 강조합니다. 우리는 이러한 기술을 사용하여 수술 실습을 개선할 수 있는 방법을 설명하고, 수술실과 병상에서 이러한 기술을 널리 채택하고 사용하는 데 대한 기회와 과제에 대해 논의합니다.

디지털 기술의 혁신이 의료 관행을 변화시키기 시작했습니다. FDA가 승인한 내시경용 인공 지능 시스템1부터 임상 시험에서 웨어러블 바이오센서의 사용 증가에 이르기까지 디지털 기술은 이미 다양한 의학 분야에 적용되고 있습니다. 역사적으로 수술 분야는 환자에게 직접적이고 즉각적인 해를 끼칠 가능성이 있다는 점을 고려하여 광범위하게 연구되지 않은 새롭고 잠재적으로 파괴적인 기술의 배포에 상대적으로 조심스러워 왔습니다3. 지금까지의 디지털 기술에 대한 수술 경험도 다르지 않습니다. 그러나 수술 치료를 개선할 수 있는 새로운 디지털 기술의 엄청난 잠재력으로 인해 우리는 이를 일상적인 수술 실습에 통합하는 것이 불가피하다고 믿습니다. 실제로 위장병학 및 방사선학과 같은 분야에서는 이미 진료에 디지털 기술을 통합하고 있습니다4,5. 이 npj 디지털 의학 특별 컬렉션에서는 기계 학습, 컴퓨터 비전, 웨어러블 장치, 원격 환자 모니터링, 가상 현실 및 증강 현실 등 디지털 기술의 여러 영역에서 수행되는 작업을 강조합니다. 앞으로 몇 년. 이 글에서는 이러한 기술 채택에 대한 기회와 과제에 대해 설명합니다.

기계 학습 모델은 기존 통계 위험 계산기가 할 수 없는 방식으로 다중 모드 데이터를 포함하여 엄청난 수의 임상 변수 간의 복잡하고 미묘한 관계를 학습할 수 있는 잠재력을 가지고 있습니다. 이러한 장점은 곧 환자의 임상 궤적을 더 잘 예측하고 외과의사가 보다 개인화된 환자 치료 결정을 내리는 데 도움이 될 수 있습니다.

특히 AI 기반 의사결정 지원 시스템은 수술 결과를 예측할 수 있는 잠재력을 가지고 있습니다. 수술 결과 예측은 수술 전, 어떤 환자가 수술적 개입의 혜택을 받을 수 있는지 결정하는 것뿐만 아니라 수술 후 합병증의 위험을 예측하는 등 환자 치료에 중요합니다. 결과 예측을 돕기 위해 기계 학습 알고리즘을 두 측면 모두에 적용할 수 있습니다. 이러한 종류의 알고리즘을 갖춘 모바일 애플리케이션은 여러 대규모 학술 기관6,7,8,9에서 개발 및 시험되었습니다.

이 컬렉션에서 강조된 내용은 혈관 수술의 임상 데이터에서 학습한 기계 학습 모델을 검토한 결과 여러 모델이 기존 임상 예측 도구, 임상의 및 기존 회귀 모델보다 더 나은 성능을 발휘한다는 사실을 발견했습니다10. 또한 이 연구에서는 기계 학습 도구가 혈관 수술에 점점 더 많이 적용됨에 따라 최신 연구를 통해 모델 성능이 계속 향상되고 있음을 발견했습니다. 이러한 연구 결과는 언젠가는 기계 학습이 수술 분석, 진단 및 결과 예측을 위한 중요한 보강 역할을 할 수 있음을 강조합니다.

시각적 데이터 분석을 위해 기계 학습 알고리즘을 적용한 컴퓨터 비전은 이미지나 비디오 데이터가 관련된 모든 임상 치료에 영향을 미칠 수 있는 엄청난 잠재력을 가지고 있습니다. 이 특별 컬렉션에서 우리는 주로 수술 중 데이터 분석을 위한 컴퓨터 비전의 응용에 중점을 둡니다. 심층 신경망의 사용 증가를 포함하여 컴퓨터 비전 분야의 급속한 발전으로 인해 수술 중 비디오 데이터의 임상적으로 중요한 측면을 정확하게 식별할 수 있는 알고리즘이 개발되었습니다. 보다 안전한 수술을 지원하기 위한 실시간 수술 중 컴퓨터 비전 분석의 가장 흥미로운 잠재적 응용 분야 중 하나는 외과 의사가 수술 중 의사 결정을 지원할 수 있는 증강 현실 경험을 제공하는 것입니다12. 기존에 발표된 많은 컴퓨터 비전 모델은 수술 복잡성을 평가하고, 최소 침습 수술 중 의사 결정을 지원하고, 자동화되고 확장 가능한 방식으로 외과 의사의 기술 기술을 평가하고, 수술 중 피드백을 제공하고, OR 팀 역학을 평가하고, 심지어 예측하는 능력을 보여주었습니다. 수술 중 사건에 따른 수술 후 결과13,14,15. 이러한 기술과 결합하면 가상 현실을 수술 기술 평가 및 교육을 위한 훈련장으로 사용할 수 있습니다. 정기적인 수술에 이러한 도구를 통합하는 것은 아직 현실이 아니지만, 이 분야의 연구가 계속됨에 따라 잠재적인 사용 사례는 계속해서 늘어날 것입니다.