Aplicación de la IA para la mejora de la práctica quirúrgica
LINEA DE ACTUACIÓN 6: TÉCNICAS Y PROCESOS PARA TERAPIAS AVANZADAS Y DIRIGIDAS, FORMACIÓN QUIRÚRGICA Y ROBÓTICA MÉDICA.
Palabras clave: Inteligencia Artificial, modelos predictivos, estrés, ergonomía, cirugía de mínima invasión.
Coordina: Fundación Centro de Cirugía de Mínima Invasión Jesús Usón.
Participa: Servicio Extremeño de Salud (SES).
Persona de contacto: Francisco M. Sánchez Margallo (msanchez@ccmijesususon.com)
La cirugía robótica ha crecido rápidamente en las últimas décadas y numerosos procedimientos asistidos por robot se han convertido en técnicas quirúrgicas estándar. Son numerosas las ventajas de la roótica quirúrgica para los pacientes. Sin embargo, existen deficiencias para los cirujanos que deberían ser abordades, como las limitaciones ergonómicas durante cirugías largas, o los altos niveles de estrés en determinados procedimientos quirúrgicos, los cuales son peligrosos para la salud del cirujano y repercuten en la calidad de los procedimientos quirúrgicos y la atención al pacientes. Por consiguiente, la detección y predicción de las condiciones ergonómicas y de estrés durante la práctica quirúrgica resulta crítico para asegurar unas adecuadas condiciones de salud del cirujano y, por tanto, de la calidad asistencial del paciente.
Por consiguiente, el objetivo principal de este proyecto es predecir los valores de los parámetros ergonómicos (ritmo angular, posición corporal y recuento de pasos) y fisiológicos (EDA, presión arterial y temperatura corporal) de los cirujanos durante la práctica de la cirugía asistida por robot mediante la implementación de los modelos predictivos basados en IA.
Estado actual
Durante el desarrollo de este proyecto se ha analizado la problemática de la detección anticipada de altos niveles de estrés para ayudar a detectar y prevenir posibles problemas de salud durante la práctica quirúrgica, con las consecuentes implicaciones en la calidad asistencial de los pacientes. Por ello, se hace necesario desarrollar nuevos métodos predictivos basados en inteligencia artificial (IA), con el objetivo de comprender, gestionar, monitorizar y dar respuesta a la relación entre el nivel de estrés del cirujano y las situaciones que se plantean. Para la toma de datos, se han empleado sensores de actividad electrodermal (EDA) durante varias actividades quirúrgicas, principalmente en cirugía robótica laparoscópica y microquirúrgica. Seguidamente, sobre estos resultados, se aplicaron técnicas de clustering con el objetivo de clasificarlos entre situaciones con diferentes niveles de estrés. Finalmente, estos modelos predictivos fueron validados en el conjunto de validación cruzada y en el de validación externa (Fig. 1).
Figura 1. Flujo de trabajo para la implementación de los modelos predictivos de estrés quirúrgico.
Como resultados preliminares de estos estudios, cabe destacar que valores más altos de EDA, temperatura y presión arterial son claros indicadores de un nivel más elevado de estrés.
COORDINA:
PARTICIPA:
