トレーニング模擬手術から実際の手術まで、医師の内視鏡手術手技を同一の基準でAI画像解析技術により客観的に評価可能な手法とそれを可視化する手法の開発を行う。
本目的を達成することで、小児外科訓練医だけでなく、熟練医の技術までも評価・可視化できる。訓練者がどのような技術を習得する必要があるのかを視覚的に理解できれば、その不得手な部分を意識した、より効率的なトレーニングを実施可能になる。
本研究で鉗子操作を評価する評価手法の開発し、鉗子自動認識の精度を向上させ実際の手術動画で評価できることを確認した。実際にはYOLO（物体検出アルゴリズム）を用いて鉗子領域を認識させた。述べ63人の被験者（10000枚超の教師画像）を対象に模擬モデルを用いた運針・結紮において、鉗子の自動認識から手術評価が可能となった。（IoUintersection over Unionで0.43 から0.68までの精度向上あり）尚、手技優劣評価指標（小児外科医2名により、各被験者の疾患モデルでの縫合・結紮を２つの指標で評価）に従い29-Pointチェックリスト、エラースコアを基準に評価してきたが、AI手術手技評価システムを改良（45例）することで、check list項目30項目中7項目（項目3,7,17,21,23,27の合計、Error,Time）が手術手技の優劣に強く関与していることが判明、更にそれぞれの手技の重み（手術手技への関与の度合い）づけにより、手術手技を定量的に評価する式を決定し、上位群・下位群をAI画像解析により定量化した。（上位群的中率・・・・88 %(7例/8例) 下位群、下位群的中率・・・・95％（35例/37例））