Künstliche Intelligenz und Maschinelles Lernen in der Minimal Invasiven Chirurgie des oberen Gastrointestinaltraktes: Analyse des operativen Ablaufs und Vorhersage unerwünschter Ereignisse zur Risikominimierung

• Antragstellerin: Dr. Jennifer Aylin Eckhoff
• Fachliche Zuordnung: Allgemein- und Viszeralchirurgie
• Förderung: Förderung seit 2023
• Projektkennung: Deutsche Forschungsgemeinschaft (DFG) - Projektnummer 520324645

Die Anwendung von künstlicher Intelligenz (KI) auf minimalinvasive Chirurgie verspricht operative Komplikationen zu reduzieren, die chirurgische Ausbildung zu verbessern und die intraoperative Entscheidungsfindung zu erleichtern. Algorithmen des Maschinellen Lernens (ML) und der Computer Vision (CV) sind in der Lage, anhand statistischer Analyse von Video- und Bilddaten zeitliche und räumliche Aspekte komplexer chirurgischer Eingriffe zu analysieren. Vorab von Chirurg(innen) angefertigte Annotationen der relevanten Zielmerkmale dienen als Referenz, um besagte Algorithmen zu trainieren und deren Ergebnisse zu validieren. Die Erkennung und Vorhersage von spezifischen Operationsschritten, Instrumenten und Gewebe sowie deren Interaktion bildet eine fundamentale Grundlage, um KI basierten Algorithmen ein automatisiertes Verständnis von chirurgischen Arbeitsabläufen zu vermitteln. Dennoch beschränkt sich die derzeitige Anwendung chirurgischer KI, und somit das Potenzial zur Risikominimierung, auf hoch standardisierte, routinierte Eingriffe mit niedrigem Risiko. Das hier vorgestellte Forschungsvorhaben konzentriert sich daher auf die Ausweitung und Anpassung von Algorithmen der KI auf onkologische Eingriffe des oberen Gastrointestinaltraktes (OGI). Der erste Schritt des Projektes ist die Erstellung, Validierung und Implementierung einer standardisierten Infrastruktur für die Datenakquisition, Datenverarbeitung und Annotation speziell für die Anwendung von KI auf onkologische OGI Eingriffe. Ziel ist es, eine Leitlinie zum Datenmanagement für KI und ein standardisiertes Annotations-Schema zu erstellen. Anschließend wird die Antragstellerin Modelle des ML anhand der erstellten Annotationen trainieren, räumliche und zeitliche Aspekte des Arbeitsablaufes in der robotisch assistierten minimalinvasiven Ösophagektomie (RAMIE) zu erkennen und vorherzusagen. Die KI-gestützte Katalogisierung dieser Aspekte dient als Grundlage für weitere Forschungsvorhaben. Abschließend wird die Antragstellerin die etablierte Methodik nutzen, um durch CV-basierte Darstellung von ICG-positiven Resektionsarealen in intraoperativem Video und Korrelation mit präoperativen CT Daten eine Kontrastierung von sicheren und unsicheren Resektionsarealen zu erzielen. Das vorgeschlagene Forschungsvorhaben etabliert fundamentale Grundlagen für ein KI-basiertes, umfassendes, automatisiertes Verständnis des chirurgischen Arbeitsablaufes in der OGI Chirurgie. Dieses bildet eine essenzielle Voraussetzung für die Entwicklung eines intraoperativen Assistenzsystems zur operativen Risikominimierung in der Zukunft. Die Erfahrung des Surgical Artificial Intelligence und Innovation Laboratory (SAIIL), wo die Antragstellerin seit 2021 als Forschungsstipendiatin tätig ist, stattet die Antragstellerin mit den notwendigen Fähigkeiten, der idealen Infrastruktur und der umfangreichen Unterstützung aus, um dieses wichtige Vorhaben zu realisieren.

• DFG-Verfahren: WBP Stipendium
• Internationaler Bezug: USA
• Gastgeber: Professor Ozanan Meireles