Studi: Evaluasi Otomatis Video Bedah Katarak untuk Pelatihan & Persaingan yang Dioptimalkan
Meskipun bedah katarak insisi kecil manual (SIC) banyak dipraktikkan di negara -negara Global South, tidak ada dataset video bedah yang tersedia untuk operasi ini, meninggalkan kesenjangan kritis dalam penelitian bedah katarak. Oleh karena itu, tim peneliti internasional di Sankara Eye Foundation India yang dipimpin oleh University Hospital Bonn (UKB) dan University of Bonn telah mengembangkan deteksi fase otomatis pertama menggunakan AI di SIC. Hasil penelitian sekarang telah diterbitkan dalam jurnal “Scientific Reports”. Secara paralel, tim peneliti internasional sekarang meluncurkan kompetisi AI global di Konferensi Miccai 2025 di Daejeon (Korea Selatan), di mana algoritma AI untuk deteksi fase bedah akan bersaing satu sama lain. Batas waktu pengajuan adalah 15 Agustus 2025.
Katarak adalah penyebab paling umum dari kebutaan di seluruh dunia, terutama yang mempengaruhi orang-orang di negara-negara berpenghasilan menengah dan rendah seperti India. Metode bedah SIC berbiaya rendah dan efektif lebih disukai di negara-negara ini, tetapi sering dikaitkan dengan hasil yang lebih buruk karena sumber daya yang terbatas dan peluang pelatihan. “Selain itu, penerapan AI pada teknik ini belum cukup diteliti,” kata Dr. Maximilian Wintergerst, kepala kelompok kerja di Klinik Mata UKB dan peneliti utama penelitian. Sementara algoritma untuk analisis video yang didukung AI dari fase bedah individu telah dikembangkan untuk teknik operasi katarak dominan di negara-negara berpenghasilan tinggi, yang dikenal sebagai phacoemulsifikasi, tidak ada set data maupun algoritma tidak tersedia untuk SIC hingga saat ini. Studi baru sekarang membuat video operasi katarak sayatan kecil manual tersedia untuk pertama kalinya dengan set data “SICS-105”. Kumpulan data didasarkan pada operasi yang dilakukan pada 105 pasien di Rumah Sakit Sankara Eye di India.
Studi ini menunjukkan bahwa model pembelajaran mendalam yang inovatif “MS-TCN ++”, yang dikembangkan dalam kelompok Jürgen Gall di University of Bonn, dapat mengenali fase bedah yang berbeda seperti persiapan pendekatan bedah ke mata dan berbagai langkah bedah pada lensa dengan lebih dari 85 persen akurasi. “Analisis fase bedah penting karena memungkinkan perbandingan kuantitatif antara ahli bedah yang berbeda, umpan balik tentang langkah -langkah kritis yang diidentifikasi dan deteksi penyimpangan dari protokol bedah. Oleh karena itu merupakan langkah pertama menuju penilaian otomatis kualitas bedah,” kata Dr. Kaushik Murali, presiden Administrasi Medis di Sankara Eye Foundation Eye Yayasan Sankara. Pendekatan transdisipliner yang memungkinkan kemajuan seperti itu juga diwakili oleh Simon Mueller, penulis pertama penelitian: Setelah menyelesaikan gelar MSC dalam informatika sains kehidupan di University of Bonn, ia sekarang sedang belajar kedokteran di Maastricht; Secara paralel, ia bekerja pada proyek PhD dalam kolaborasi erat antara departemen ilmu komputer di Bonn dan Klinik Mata UKB.
SICS-155 Tantangan: Tonggak baru untuk pendidikan dan penelitian
Konsorsium penelitian saat ini menyerukan kompetisi AI untuk menganalisis video bedah tersebut. Untuk tujuan ini, tim peneliti telah memperluas kumpulan data publik pertama studi untuk SIC dengan video bedah dan fase bedah bertanda tangan (beranotasi) ke total 155 operasi dengan 18 fase berbeda. Perangkat lunak untuk anotasi telah dikembangkan oleh para peneliti di Microsoft Research India dan Sankara Eye Foundation. Selanjutnya, anotasi telah dibuat oleh ahli mata di Sankara Eye Foundation. “Dengan 'tantangan SICS-155', kami mengundang tim internasional untuk menguji algoritma AI mereka untuk pengakuan fase dalam 155 operasi SIC,” kata Thomas Schultz dari B-IT dan Institut Ilmu Komputer di Universitas Bonn dan Lamarr Institute for Machine Learning dan kecerdasan buatan. Dia juga anggota “Pemodelan” Area Penelitian Transdisipliner (TRA) dan “Kehidupan dan Kesehatan” di University of Bonn. Tim peneliti internasional mengharapkan peserta untuk mengirimkan algoritma untuk memprediksi fase bedah berdasarkan data video yang disediakan dan untuk menulis makalah singkat tentang pendekatan mereka. “Dengan kompetisi, kami ingin mempercepat kemajuan dalam analisis otomatis video bedah dari negara-negara berpenghasilan rendah dan dengan demikian meningkatkan pelatihan ahli bedah dan hasil operasi katarak dalam jangka panjang,” kata Wintergerst.
Pengembangan algoritma untuk deteksi instrumen dan komplikasi mengikuti
Selain “tantangan SICS-155”, sebagai langkah selanjutnya, para ilmuwan komputer di Microsoft Research India dan University of Bonn sedang mengembangkan algoritma untuk instrumen bedah otomatis dan deteksi komplikasi, yang selanjutnya akan memajukan analisis video bedah otomatis untuk SIC.
