Der Klinikarzt 2020; 49(06): 246-249
DOI: 10.1055/a-1177-9033
Schwerpunkt
© Georg Thieme Verlag Stuttgart · New York

Der künstlich intelligente Operationssaal

OP-Abläufe verstehen und OP-Teams unterstützen
Michael Kranzfelder
1  Klinik und Poliklinik für Chirurgie, Klinikum rechts der Isar, Technische Universität München (TUM)
,
Daniel Ostler
2  Forschungsgruppe MITI, Klinikum rechts der Isar, Technische Universität München (TUM)
,
Jonas Fuchtmann
2  Forschungsgruppe MITI, Klinikum rechts der Isar, Technische Universität München (TUM)
,
Helmut Friess
1  Klinik und Poliklinik für Chirurgie, Klinikum rechts der Isar, Technische Universität München (TUM)
,
Hubertus Feussner
1  Klinik und Poliklinik für Chirurgie, Klinikum rechts der Isar, Technische Universität München (TUM)
,
Thomas Vogel
1  Klinik und Poliklinik für Chirurgie, Klinikum rechts der Isar, Technische Universität München (TUM)
› Author Affiliations
Further Information

Publication History

Publication Date:
29 June 2020 (online)

ZUSAMMENFASSUNG

Dem Operationssaal fällt eine Schlüsselrolle bei der digitalen Entwicklung in der Chirurgie zu. Unter dem Schlagwort „digitaler OP“ ist dabei nicht die zunehmende Technisierung des OP-Equipments zu verstehen, sondern die Entwicklung einer verstehenden und den Chirurgen aktiv unterstützenden OP-Umgebung. Durch den Einsatz von künstlicher Intelligenz (KI) ist der OP in der Lage, OP-Abläufe zu verstehen und das OP-Team durch „Mitdenken“ zu unterstützen.

Die Entwicklung des künstlich intelligenten Operationssaals erfordert 2 Voraussetzungen. Zum einen sollten (möglichst) alle technischen Geräte und Systemeinheiten, die in den operativen Workflow eingebunden sind, mit- und untereinander integriert bzw. vernetzt werden (Sensor-Operationssaal). Zum anderen muss der Ablauf des Eingriffs so abgebildet und die Operation so durchgeführt werden, dass eine computerisierte Beschreibung und Analyse des Eingriffs ermöglicht wird (Modellierung).

Der Operationsablauf kann dann computerbasiert in Echtzeit abgebildet und die jeweilige OP-Phase automatisiert erkannt werden. Hierdurch ist es möglich, Vorhersagen über den weiteren OP-Verlauf zu treffen (Prädiktion) und das OP-Team (z. B. im Falle einer drohenden Komplikation) kooperativ zu unterstützen.