Preservando a privacidade na análise de vídeo cirúrgico usando um classificador de aprendizado profundo para identificar

Scientific Reports volume 13, Número do artigo: 9235 (2023) Citar este artigo

129 Acessos

6 Altmétrica

Detalhes das métricas

A análise de vídeo cirúrgico facilita a educação e a pesquisa. No entanto, as gravações de vídeo de cirurgias endoscópicas podem conter informações confidenciais, especialmente se a câmera endoscópica for removida do corpo dos pacientes e cenas fora do corpo forem gravadas. Portanto, a identificação de cenas extracorpóreas em vídeos endoscópicos é de grande importância para preservar a privacidade dos pacientes e da equipe do centro cirúrgico. Este estudo desenvolveu e validou um modelo de aprendizado profundo 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 bypass gástrico laparoscópico e cirurgias de colecistectomia. O desempenho do modelo foi avaliado em comparação com as anotações reais humanas medindo 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 multicêntricos compostos por 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. Média ± desvio padrão ROC AUC 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, respectivamente. O modelo pode identificar de forma confiável imagens fora do corpo em vídeos endoscópicos e é compartilhado publicamente. Isso facilita a preservação da privacidade na análise de vídeo cirúrgico.

"E o que quer que eu veja ou ouça no curso de minha profissão, [...] se for o que não deve ser publicado no exterior, nunca divulgarei, mantendo 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 de técnica cirúrgica em estudos multicêntricos5, avaliação de habilidades cirúrgicas)6,7. Apesar de seu uso crescente, todo o potencial da análise de vídeo cirúrgico não foi aproveitado até agora, pois a revisão manual de casos é demorada, cara, requer conhecimento especializado e levanta questões de privacidade.

Portanto, abordagens de ciência de dados cirúrgicos foram adotadas recentemente para automatizar a análise de vídeo cirúrgico. 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 do ponto de verificação de segurança16 ou orientação intraoperatória17.

A IA continuará a reduzir os custos e as restrições de tempo dos especialistas que revisam os vídeos cirúrgicos. No entanto, as preocupações de privacidade relacionadas à gravação, armazenamento, manuseio e publicação de dados de vídeo do paciente não foram amplamente abordadas até agora. O privilégio médico-paciente, originário do Juramento de Hipócrates, protege os dados médicos e a identidade dos pacientes de questionamentos legais. A violação da confidencialidade médica pela equipe médica é passível de processo na maioria dos países. Vídeos endoscópicos gravados enquanto o paciente está sob efeito de narcose na sala de cirurgia (SO) são particularmente sensíveis. Eles geralmente contêm cenas da sala de cirurgia que podem revelar informações confidenciais, como a identidade dos pacientes ou da equipe da sala de cirurgia. 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, cenas fora do corpo serão capturadas.