Z Gastroenterol 2017; 55(08): e57-e299
DOI: 10.1055/s-0037-1605317
Kurzvorträge
Klinische Praxis und Versorgungsforschung
Robotik und digitale Medizin: Freitag, 15 September 2017, 11:30 – 12:42, Barcelona/Forschungsforum 5
Georg Thieme Verlag KG Stuttgart · New York

Big Data in der Chirurgie: Realisierung einer Echtzeit-Sensordatenanalyse im vernetzten Operationssaal

M Wagner
1   Universitätsklinikum Heidelberg, Allgemein-, Viszeral- und Transplantationschirurgie, Heidelberg, Deutschland
,
P Mietkowski
1   Universitätsklinikum Heidelberg, Allgemein-, Viszeral- und Transplantationschirurgie, Heidelberg, Deutschland
,
G Schneider
2   Universitätsklinikum Heidelberg, Abteilung Medizinische Informationssysteme, Heidelberg, Deutschland
,
M Apitz
1   Universitätsklinikum Heidelberg, Allgemein-, Viszeral- und Transplantationschirurgie, Heidelberg, Deutschland
,
B Mayer
1   Universitätsklinikum Heidelberg, Allgemein-, Viszeral- und Transplantationschirurgie, Heidelberg, Deutschland
,
S Bodenstedt
3   Karlsruhe Institut für Technologie, Karlsruhe, Deutschland
,
S Speidel
3   Karlsruhe Institut für Technologie, Karlsruhe, Deutschland
,
B Bergh
2   Universitätsklinikum Heidelberg, Abteilung Medizinische Informationssysteme, Heidelberg, Deutschland
,
B Müller-Stich
1   Universitätsklinikum Heidelberg, Allgemein-, Viszeral- und Transplantationschirurgie, Heidelberg, Deutschland
,
H Kenngott
1   Universitätsklinikum Heidelberg, Allgemein-, Viszeral- und Transplantationschirurgie, Heidelberg, Deutschland
› Author Affiliations
Further Information

Publication History

Publication Date:
02 August 2017 (online)

Also available at
 

Einleitung:

Neuartige Analysemethoden und eine starke Zunahme der Rechenleistung haben in den letzten Jahren ermöglicht, wertvolle Einsichten aus immer größeren Datenbeständen zu extrahieren (Big Data). Während sich in der Onkologie beispielsweise aus der Genomsequenzierung neue Wege zum Verständnis von Krebserkrankungen und deren personalisierter Therapie eröffneten, wird Big Data in der Chirurgie bisher kaum genutzt.

Ziele:

Nutzung von Big-Data-Technologien zur Analyse der Prozesse in integrierten Operationssälen zur Verbesserung der Prozesse in der Chirurgie.

Methodik:

Für die Datensammlung installierten wir einen Datalogger in einem klinisch genutzten OP, der das laparoskopische Video und Daten der Medizingeräte im integrierten Operationssaal OR1™ (Karl Storz GmbH, Tuttlingen, Deutschland) aufzeichnete.

Die Aufzeichnungen wurden exemplarisch hinsichtlich des Operationsverlaufs annotiert. Verschiedene quelloffene Big-Data-Softwarebibliotheken wurden in einer gemeinsamen Analyseumgebung integriert.

Ergebnisse:

Es wurden 58 Datensätze (entsprechend 65 laparoskopischen OPs) verschiedener Eingriffe (Kolorektal, Magen, Ösophagus, Pankreas) wurden aufgezeichnet. Die mittlere Dauer der Datensätze war 4:28h (1:06 bis 12:56h) entsprechend jeweils 1 – 3 Operationen. Bei 9 Operationen erfolgte eine Konversion zum offenen Vorgehen. Im Mittel wurden die Gerätedaten von 8,59 Geräten (6 bis 10) aufgezeichnet, was 661.889 Datenpunkten je Datensatz entsprach (56.770 bis 2.242.971). Insgesamt wurden 38.389.596 Datenpunkte und 259:07h laparoskopisches Video aufgezeichnet (41,6 Datenpunkte pro Sekunde).

Die gesammelten Daten wurden mithilfe der Analyseumgebung ausgewertet und ermöglichten die Identifikation einzelner Operationsphasen sowie die Simulation mehrerer Operationssäle als Beispiel eines integrierten Operationstrakts.

Schlussfolgerung:

Die Aufzeichnung von Medizingerätedaten im Operationssaal wurde erfolgreich umgesetzt. Die gesammelten Daten erlauben wertvolle Einblicke in den Verlauf laparoskopischer Operationen. Zukünftig könnte durch einen integrierten Operationstrakt und Big Data im OP die Prozesssteuerung und Dokumentation verbessert werden.