Notícias

Jan 19, 2024

Preservando a privacidade na análise de vídeos cirúrgicos usando um classificador de aprendizagem profunda para identificar

Relatórios Científicos volume 13, Número do artigo: 9235 (2023) Citar este artigo 631 Acessos 7 Detalhes da Altmetric Metrics A análise de vídeo cirúrgico facilita o ensino e a pesquisa. No entanto, vídeo

Scientific Reports volume 13, Artigo número: 9235 (2023) Citar este artigo

631 Acessos

7 Altmétrico

Detalhes das métricas

A análise de vídeo cirúrgico facilita o ensino e a pesquisa. No entanto, as gravações de vídeo de cirurgias endoscópicas podem conter informações sensíveis à privacidade, especialmente se a câmera endoscópica for movida para fora do corpo dos pacientes e forem gravadas cenas fora do corpo. Portanto, a identificação de cenas extracorpóreas em vídeos endoscópicos é de grande importância para preservar a privacidade dos pacientes e da equipe da sala de cirurgia. Este estudo desenvolveu e validou um modelo de aprendizagem profunda para a identificação de imagens fora do corpo em vídeos endoscópicos. O modelo foi treinado e avaliado em um conjunto de dados interno de 12 tipos diferentes de cirurgias laparoscópicas e robóticas e foi validado externamente em dois conjuntos de dados de testes multicêntricos independentes de cirurgias laparoscópicas de bypass gástrico e colecistectomia. O desempenho do modelo foi avaliado em comparação com anotações reais humanas que medem a área característica de operação do receptor sob a curva (ROC AUC). O conjunto de dados interno composto por 356.267 imagens de 48 vídeos e os dois conjuntos de dados de teste multicêntrico consistindo de 54.385 e 58.349 imagens de 10 e 20 vídeos, respectivamente, foram anotados. O modelo identificou imagens fora do corpo com 99,97% ROC AUC no conjunto de dados de teste interno. A média ± desvio padrão da AUC ROC no conjunto de dados de bypass gástrico multicêntrico foi de 99,94 ± 0,07% e 99,71 ± 0,40% no conjunto de dados de colecistectomia multicêntrica, respetivamente. O modelo pode identificar com segurança imagens fora do corpo em vídeos endoscópicos e é compartilhado publicamente. Isso facilita a preservação da privacidade na análise de vídeos cirúrgicos.

“E tudo o que eu ver ou ouvir no decorrer da minha profissão, [...] se for algo que não deva ser publicado no exterior, nunca divulgarei, considerando tais coisas como segredos sagrados.”1

Juramento de Hipócrates

A análise de vídeo cirúrgico facilita a educação (revisão de situações críticas e feedback individualizado)2,3, credenciamento (avaliação baseada em vídeo)4 e pesquisa (padronização da técnica cirúrgica em ensaios multicêntricos5, avaliação de habilidades cirúrgicas)6,7. Apesar da sua utilização crescente, todo o potencial da análise de vídeos cirúrgicos não foi aproveitado até agora, uma vez que a revisão manual de casos é demorada, dispendiosa, necessita de conhecimentos especializados e levanta questões de privacidade.

Portanto, abordagens de ciência de dados cirúrgicos foram adotadas recentemente para automatizar a análise de vídeos cirúrgicos. Modelos de inteligência artificial (IA) foram treinados para reconhecer fases de uma intervenção8,9,10, ferramentas8,11 e ações12 em vídeos cirúrgicos. Isso permite aplicações posteriores, como a estimativa da duração restante da cirurgia13, documentação automatizada de eventos críticos14, avaliação da habilidade cirúrgica15 e realização de pontos de verificação de segurança16 ou orientação intraoperatória17.

A IA continuará a reduzir os custos e as restrições de tempo dos especialistas que analisam vídeos cirúrgicos. No entanto, as preocupações com a privacidade relativas à gravação, armazenamento, manuseio e publicação de dados de vídeo de pacientes não foram abordadas extensivamente até agora. O privilégio médico-paciente originado do Juramento de Hipócrates protege os dados médicos e a identidade dos pacientes de investigações legais. A violação do sigilo médico por parte da equipe médica é passível de ação penal na maioria dos países. Vídeos endoscópicos gravados enquanto o paciente está sob narcose na sala de cirurgia (SO) são particularmente sensíveis. Eles geralmente contêm cenas da sala cirúrgica que podem revelar informações confidenciais, como a identidade dos pacientes ou da equipe da sala cirúrgica. Além disso, caso sejam captados no vídeo relógios ou calendários presentes na sala, é possível identificar a hora ou data da respetiva intervenção. A informação sobre a data e hora de uma operação facilita a identificação do paciente submetido à cirurgia. Essas cenas gravadas fora do corpo do paciente são chamadas de cenas fora do corpo. Se a gravação de vídeo já tiver sido iniciada antes de o endoscópio ser introduzido no paciente, não tiver sido interrompida após o término da cirurgia ou sempre que o endoscópio for limpo durante a cirurgia, serão capturadas cenas fora do corpo.