In Nederland worden jaarlijks 100.000+ buikoperaties uitgevoerd, vaak met robotchirurgie. Om chirurgen beter te ondersteunen, combineren we preoperatieve beelden en intra-operatieve video’s met AI-gegenereerde digital twins. Dit verbetert oriëntatie, vermindert schade, verhoogt tumorverwijdering en verkort operatieduur en trainingstijd, wat leidt tot betere uitkomsten en bredere toegang tot robotchirurgie.

Data voorbereiding

Het is belangrijk om op voorhand organen en kwaadaardig weefsel aan te duiden in medische beelden (zoals CT- en MRI-scans), net als bepaalde herkenningspunten (zogenaamde "landmarks"). Dit helpt om te controleren of het digitale model van de patiënt (de digitale tweeling) van goede kwaliteit is. Daarnaast zijn deze aanduidingen nodig om de kunstmatige intelligentie in het systeem te trainen. Dit levert volledig aangeduide datasets op, inclusief CT- en MRI-scans van voor de operatie, en aanduidingen van herkenningspunten in video’s die tijdens de operatie zijn gemaakt.

Ontwikkeling Digital Twin voor het lokaliseren van kwaadaardig weefsel

Om de prestaties van de chirurgen te verbeteren, zullen we de informatie van preoperatieve beelden toevoegen aan intra-operatieve video’s. Dit vergemakkelijkt de oriëntatie en identificatie van anatomische structuren. Om de preoperatieve beelden op één lijn te brengen wordt er een virtuele kopie van de patiënt gemaakt met behulp van kunstmatige intelligentie en klassieke modellering.

Validatie van realtime overlay van de locatie van kwaadaardig weefsel

Wij verwachten dat met met behulp van deze aanvullende informatie van de digital twins de bijkomende intraoperatieve schade zal verminderen, meer tumorweefsel kan worden weggehaald en de operatieduur zal worden verkort. Hiermee verbeteren de overlevingskansen en het welzijn van patienten. Visuele feedback zou ook de duur van chirurgische training kunnen verkorten, wat leidt tot een betere toegang tot robotchirurgie.