Integration einer neuentwickelten Operationsplattform in den chirurgischen Workflow

• Antragsteller: Professor Dr. Hubertus Feussner, Ph.D.; Professor Dr. Nassir Navab
• Fachliche Zuordnung: Medizinische Physik, Biomedizinische Technik ; Automatisierungstechnik, Mechatronik, Regelungssysteme, Intelligente Technische Systeme, Robotik ; Softwaretechnik und Programmiersprachen
• Förderung: Förderung von 2011 bis 2021
• Projektkennung: Deutsche Forschungsgemeinschaft (DFG) - Projektnummer 136437427

• Erstellungsjahr: 2021

Zusammenfassung der Projektergebnisse

Zusammenfassend kann festgehalten werden, dass im Rahmen des Teilprojekts alle angestrebten Funktionalitäten erreicht und zumindest ein Proof-of-Concept erbracht werden konnte. Dies betrifft einerseits die technische Seite, also die prototypische Konstruktion und Fertigung der umgebenden Module der OP-Plattform, und andererseits die Algorithmik für die kontext-sensitive Workflow-Unterstützung. Zur Demonstration der Funktionsfähigkeit der OP-Plattform wurde gegen Ende des Projekts ein Video gedreht, in dem alle essentiellen Teile des PLAFOKON-Konzepts demonstriert werden. Das fertige SPOT-System wurde mit dem robotischen Führungsarm, dem Instrumentenwechselsystem, der Bedienkonsole, chirurgischen Assistenzsystemen sowie der kontextsensitiven kooperierenden Benutzerschnittstelle zu einem Gesamtsystem integriert. Und im Rahmen einer in vitro OP-Simulation erfolgreich eingesetzt. In klinischer Hinsicht konnten grundlegende Erkenntnisse zur Bedeutung biometrischer und sonstiger Daten für die Eingriffsprädiktion gewonnen werden. Die Kontextsensitivität des Systems wurde bereits für Maßnahmen wie das Telefonmanagement und die automatisierte Erstellung von OP-Berichten genutzt. Insgesamt ist das ganze Potential aber bei weitem noch nicht erschöpft, sondern soll in weiteren Arbeiten weiter erschlossen werden.

Projektbezogene Publikationen (Auswahl)

• 2017. Context Awareness for the Operating Room of the Future. Technical University of Munich
  Stauder, R.R.
  (Siehe online unter https://doi.org/10.14459/2018MD1398068)
• 2017. Surgical data processing for smart intraoperative assistance systems. Innovative Surgical Sciences 2, 145–152
  Stauder, R., Ostler, D., Vogel, T., Wilhelm, D., Koller, S., Kranzfelder, M., Navab, N.
  (Siehe online unter https://doi.org/10.1515/iss-2017-0035)
• 2017. Surgical data science for next-generation interventions. Nature Biomedical Engineering 1, 691–696
  Maier-Hein, L., Vedula, S.S., Speidel, S., Navab, N., Kikinis, R., Park, A., Eisenmann, M., Feussner, H., Forestier, G., Giannarou, S., Hashizume, M., Katic, D., Kenngott, H., Kranzfelder, M., Malpani, A., März, K., Neumuth, T., Padoy, N., Pugh, C., Schoch, N., Stoyanov, D., Taylor, R., Wagner, M., Hager, G.D., Jannin, P.
  (Siehe online unter https://doi.org/10.1038/s41551-017-0132-7)
• Evaluation of Eye-Tracking vs Color-code Tracking for Robotic Camera Assistance in Minimally Invasive Surgery. J Surg Clin Pract 2017
  Elsherbiny A, Koller S, Kohn N, Ostler D, Schneider A, Vogel T, Wilhelm D, Friess H, Feussner H, Kranzfelder M
  
• The next step: intelligent digital assistance for clinical operating rooms. Innov Surg Sci 2017; 2(3): 159-161
  Miehle J, Ostler D, Gerstenlauer N, Minke W
  (Siehe online unter https://doi.org/10.1515/iss-2017-0034)
• 2018. Analysis of physiological data to quantify stress and workload of surgeons with different levels of training during a laparoscopic cholecystectomy
  Samm, N., Ostler, D., Vogel, T., Marahrens, N., Wilhelm, D., Feussner, H., Stauder, R.
  (Siehe online unter https://dx.doi.org/10.18154/RWTH-CONV-224975)
• 2018. Oncological surgery 4.0. ONKOLOGE 24, 400–405
  Ostler, D., Marahrens, N., Kohn, N., Koller, S., Stauder, R., Navab, N.
  (Siehe online unter https://doi.org/10.1007/s00761-018-0365-4)
• Neues zu mechatronischen Assistenzsystemen und Telemanipulatoren, Coloproctology, 2018
  Koller, S.; Krieger, Y. S.; Marahrens, N.; Brecht, S. V.; Ostler, D.; Vogel, T.; Kranzfelder, M.; Wilhelm, D.; Lüth, T. C.
  (Siehe online unter https://doi.org/10.1007/s00053-017-0226-4)
• (2020): Machine Learning in the OR: A Collaborative Environment for Surgical Interventions in Visceral Medicine. In: Surgical technology international 37, S. 16–21
  Ostler, D.; Wilhelm, D.; Bernhard, L.; Fuchtmann, J.; Kranzfelder, M.; Vogel, T.; Feussner, H.
  
• 2020. TeCNO: Surgical Phase Recognition with Multi-stage Temporal Convolutional Networks, in: Martel, A.L. et al. (Eds.), Medical Image Computing and Computer Assisted Intervention – MICCAI 2020, Lecture Notes in Computer Science. Springer International Publishing, Cham, pp. 343–352
  Czempiel, T., Paschali, M., Keicher, M., Simson, W., Feussner, H., Kim, S.T., Navab, N.
  (Siehe online unter https://doi.org/10.1007/978-3-030-59716-0_33)