Preservare la privacy nell'analisi video chirurgica utilizzando un classificatore di deep learning per l'identificazione

Rapporti scientifici volume 13, numero articolo: 9235 (2023) Citare questo articolo

129 accessi

6 Altmetrico

Dettagli sulle metriche

L'analisi video chirurgica facilita la formazione e la ricerca. Tuttavia, le registrazioni video di interventi endoscopici possono contenere informazioni sensibili alla privacy, soprattutto se la telecamera endoscopica viene spostata fuori dal corpo dei pazienti e vengono registrate scene extracorporee. Pertanto, l’identificazione delle scene extracorporee nei video endoscopici è di fondamentale importanza per preservare la privacy dei pazienti e del personale della sala operatoria. Questo studio ha sviluppato e convalidato un modello di deep learning per l'identificazione di immagini extracorporee nei video endoscopici. Il modello è stato addestrato e valutato su un set di dati interno di 12 diversi tipi di interventi chirurgici laparoscopici e robotici ed è stato convalidato esternamente su due set di dati di test multicentrici indipendenti di bypass gastrico laparoscopico e interventi di colecistectomia. Le prestazioni del modello sono state valutate rispetto alle annotazioni umane sul campo che misurano l'area caratteristica operativa del ricevitore sotto la curva (ROC AUC). Sono stati annotati il ​​set di dati interno costituito da 356.267 immagini da 48 video e i due set di dati di test multicentrici costituiti da 54.385 e 58.349 immagini da 10 e 20 video, rispettivamente. Il modello ha identificato immagini extracorporee con un'AUC ROC del 99,97% sul set di dati del test interno. La media ± deviazione standard ROC AUC sul set di dati del bypass gastrico multicentrico è stata rispettivamente 99,94 ± 0,07% e 99,71 ± 0,40% sul set di dati della colecistectomia multicentrica. Il modello può identificare in modo affidabile le immagini extracorporee nei video endoscopici ed è condiviso pubblicamente. Ciò facilita la tutela della privacy nell'analisi video chirurgica.

"E qualunque cosa vedrò o sentirò nel corso della mia professione, […] se si tratta di ciò che non dovrebbe essere pubblicato all'estero, non lo divulgherò mai, ritenendo tali cose come sacri segreti."1

giuramento di Ippocrate

L'analisi video chirurgica facilita la formazione (revisione delle situazioni critiche e feedback personalizzato)2,3, l'accreditamento (valutazione basata su video)4 e la ricerca (standardizzazione della tecnica chirurgica in studi multicentrici5, valutazione delle abilità chirurgiche)6,7. Nonostante il suo crescente utilizzo, finora non è stato sfruttato appieno il potenziale dell’analisi video chirurgica, poiché la revisione manuale dei casi richiede tempo, è costosa, richiede conoscenze specialistiche e solleva problemi di privacy.

Pertanto, recentemente sono stati adottati approcci di scienza dei dati chirurgici per automatizzare l'analisi video chirurgica. I modelli di intelligenza artificiale (AI) sono stati addestrati a riconoscere le fasi di un intervento8,9,10, gli strumenti8,11 e le azioni12 nei video chirurgici. Ciò consente applicazioni a valle come la stima della durata rimanente dell'intervento chirurgico13, la documentazione automatizzata di eventi critici14, la valutazione dell'abilità chirurgica15 e il raggiungimento dei checkpoint di sicurezza16 o la guida intraoperatoria17.

L’intelligenza artificiale continuerà a ridurre i costi e i limiti di tempo degli esperti che esaminano i video chirurgici. Tuttavia, le preoccupazioni sulla privacy relative alla registrazione, archiviazione, gestione e pubblicazione dei dati video dei pazienti non sono state finora affrontate in modo approfondito. Il privilegio medico-paziente, derivante dal giuramento di Ippocrate, protegge i dati medici e l’identità dei pazienti da indagini legali. La violazione della riservatezza medica da parte del personale medico è perseguibile nella maggior parte dei paesi. Particolarmente sensibili sono i video endoscopici registrati mentre il paziente è sotto narcosi in sala operatoria (OR). Spesso contengono scene della sala operatoria che potrebbero potenzialmente rivelare informazioni sensibili come l'identità dei pazienti o del personale della sala operatoria. Inoltre, se nel video vengono ripresi orologi o calendari presenti nella stanza, è possibile identificare l'ora o la data del rispettivo intervento. Le informazioni sulla data e l'ora di un intervento facilitano l'identificazione del paziente sottoposto a intervento chirurgico. Queste scene registrate al di fuori del corpo del paziente vengono chiamate scene fuori dal corpo. Se la registrazione video è già stata avviata prima dell'introduzione dell'endoscopio nel paziente, non è stata interrotta al termine dell'intervento o ogni volta che l'endoscopio viene pulito durante l'intervento, vengono catturate scene extracorporee.