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)
› Institutsangaben
Weitere Informationen

Publikationsverlauf

Publikationsdatum:
29. Juni 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.

 
  • Literatur

  • 1 Blackbourne LH. Surgical recall: Lippincott Williams & Wilkins. 2011
  • 2 Copeland J. Artificial intelligence: A philosophical introduction: John Wiley & Sons. 2015
  • 3 Hashimoto DA, Rosman G, Rus D, Meireles OR. Artificial intelligence in surgery: promises and perils. Ann Surg 2018; 268: 70
  • 4 Chen Y, Argentinis JE, Weber G. IBM Watson: how cognitive computing can be applied to big data challenges in life sciences research. Clin Ther 2016; 38: 688-701
  • 5 Murdoch TB, Detsky AS. The inevitable application of big data to health care. Jama 2013; 309: 1351-1352
  • 6 Wilhelm D, Ostler D, Müller-Stich B, Lamadé W, Stier A, Feußner H. Künstliche Intelligenz in der Allgemein-und Viszeralchirurgie. Der Chirurg 2020; 91: 1-9
  • 7 Speidel S, Bodenstedt S, Maier-Hein L, Kenngott H. Kognitive Chirurgie/Chirurgie 4.0. coloproctology 2018; 40: 114-118
  • 8 Wallwiener D, Wallwiener M, Krämer B. et al Integrierte OP-Systeme (IOPS) als Basis für innovative Operationsverfahren in der Gynäkologie. Der Gynäkologe 2011; 44: 187-195
  • 9 Kasparick M, Schmitz M, Andersen B. et al OR. NET: a service-oriented architecture for safe and dynamic medical device interoperability. Biomedical Engineering/Biomedizinische Technik 2018; 63: 11-30
  • 10 Kenngott H, Wagner M, Preukschas A, Müller-Stich B. Der intelligente Operationssaal. Der Chirurg 2016; 87: 1033-1038
  • 11 Kranzfelder M, Schneider A, Fiolka A. et al Reliability of sensor-based real-time workflow recognition in laparoscopic cholecystectomy. International journal of computer assisted radiology and surgery 2014; 9: 941-948