Advertisement

Der Chirurg

, Volume 90, Issue 6, pp 470–477 | Cite as

Modellgestützte Therapie in der Chirurgie

  • T. VogelEmail author
  • N. Kohn
  • D. Ostler
  • N. Marahrens
  • N. Samm
  • A. Jell
  • M. Kranzfelder
  • D. Wilhelm
  • H. Friess
  • H. Feußner
Aktuelles Thema
  • 64 Downloads

Zusammenfassung

Hintergrund

Das „magische Dreieck“ in der Chirurgie und anderen Fächern besteht aus der Forderung nach immer schonenderen Therapieformen, gleichzeitiger Kostenreduktion und dem prinzipiellen Primat der Verbesserung der Ergebnisqualität. Die Digitalisierung der Medizin bietet hierbei, auch im Sinne der „Chirurgie 4.0“, eine aussichtsreiche Chance, dem gerecht zu werden. Ziel ist hier die Schaffung einer kognitiven, kollaborativen Diagnose- und Therapieumgebung zur Unterstützung des Chirurgen.

Methode

Die Modellbildung bildet im Sinne eines „Theoriegebäudes“ für Analyse und Planung den Grundpfeiler einer modernen Therapieplanung. Hier soll vor allem zwischen Patientenmodell und Behandlungsmodell unterschieden werden. Auch der Ablauf der eigentlichen chirurgischen Behandlung kann modelliert werden: Prinzipiell ist es möglich, den Verlauf einer Operation so feingranular zu beschreiben, dass der Operationsablauf bis auf den einzelnen Einsatz einer Pinzette abgebildet und nachvollzogen werden kann. In Grundzügen ist dies bereits jetzt schon verwirklicht. Auch sog. „neuronale Netze“ eröffnen völlig neue Formen des Erkenntnisgewinns, des maschinellen Lernens und der flexiblen Reaktion auf alle fast nur denkbaren Möglichkeiten in hochkomplexen Abläufen.

Schlussfolgerung

„Digitalisierung“ stellt eine notwendige Entwicklung in der Chirurgie dar. Sie bietet nicht nur unzählige Möglichkeiten der Unterstützung des Chirurgen in seinem Tätigkeitsfeld, sondern auch die Chance der exakteren Datenerfassung im Hinblick auf die akademische Chirurgie. Die Modellbildung ist hierbei unverzichtbarer Bestandteil und muss hierzu stringent durchgeführt und weiterentwickelt werden.

Schlüsselwörter

Modellierung Digitalisierung Therapieplanung Patientenmodell Behandlungsmodell 

Model-based treatment in surgery

Abstract

Background

The “magic triangle” in surgery and other disciplines consists of the demand for increasingly gentler forms of treatment, simultaneous cost reduction and the fundamental primacy of improving the quality of results. The digitalization of medicine offers a promising opportunity to do justice to this, also in the sense of “Surgery 4.0”. The aim is to create a cognitive, collaborative diagnostics and treatment environment to support the surgeon.

Methods

In the sense of a “theory building” for analysis and planning, process modeling is the cornerstone for modern treatment planning. The main distinction is made between the patient model and the treatment model. The course of the actual surgical treatment can also be modeled: in principle it is possible to describe the course of an operation in such fine detail that the surgical procedure can be mapped and reproduced down to each single step, such as a single implementation of forceps. Basically, this has already been achieved. So-called neural networks also open up completely new forms of knowledge acquisition, machine learning and flexible reaction to nearly all conceivable possibilities in highly complex processes.

Conclusion

“Digitalization” is a necessary development in surgery. It offers not only countless possibilities to support the surgeon in the field of activity but also the chance of more precise data acquisition with respect to academic surgery. Modeling is an indispensable part of this and must be rigorously implemented and further developed.

Keywords

Modeling Digitalization Treatment planning Patient model Treatment model 

Notes

Einhaltung ethischer Richtlinien

Interessenkonflikt

T. Vogel, N. Kohn, D. Ostler, N. Marahrens, N. Samm, A. Jell, M. Kranzfelder, D. Wilhelm, H. Friess und H. Feußner geben an, dass kein Interessenkonflikt besteht.

Dieser Beitrag beinhaltet keine von den Autoren durchgeführten Studien an Menschen oder Tieren.

Literatur

  1. 1.
    Bouarfa L, Schneider A, Feussner H et al (2011) Prediction of intraoperative complexity from preoperative patient data for laparoscopic cholecystectomy. Artif Intell Med 52:169–176CrossRefGoogle Scholar
  2. 2.
    Feußner H, Ostler D, Kohn N et al (2016) Umfassende Systemintegration und Vernetzung im Operationssaal. Chirurg 87:1002–1007CrossRefGoogle Scholar
  3. 3.
    Feußner H, Wilhelm D (2016) Minimalinvasive Chirurgie und „robotic surgery“: Chirurgie 4.0? Chirurg 87:189–194CrossRefGoogle Scholar
  4. 4.
    Korman MG (1990) Helicobacter pylori: fact or fiction? Scand J Gastroenterol Suppl 175:159–165CrossRefGoogle Scholar
  5. 5.
    Lalys F, Jannin P (2014) Surgical process modelling: a review. Int J Comput Assist Radiol Surg 9:495–511CrossRefGoogle Scholar
  6. 6.
    Lin HC, Shafran I, Yuh D et al (2006) Towards automatic skill evaluation: detection and segmentation of robot-assisted surgical motions. Comput Aided Surg 11:220–230CrossRefGoogle Scholar
  7. 7.
    Lippmann HG, Kaiser S, Abdel-Haq A et al (2014) Biomedizinische Technik-Faszination, Einführung, Überblick. De Gruyter, BerlinGoogle Scholar
  8. 8.
    Stauder RAO, Loïc P, Schneider A, Kranzfelder M, Feussner H, Nassir Navab (2014) Random forests for phase detection in surgical workflow analysis. Information Processing in Computer-Assisted Interventions, Bd. 8498, S 148–157Google Scholar
  9. 9.
    Silver D, Huang A, Maddison CJ et al (2016) Mastering the game of Go with deep neural networks and tree search. Nature 529:484–489CrossRefGoogle Scholar
  10. 10.
    Silver D, Schrittwieser J, Simonyan K et al (2017) Mastering the game of go without human knowledge. Nature 550:354CrossRefGoogle Scholar
  11. 11.
    Vedula SS, Hager GD (2017) Surgical data science: the new knowledge domain. Innov Surg Sci 2:109–121PubMedPubMedCentralGoogle Scholar

Copyright information

© Springer Medizin Verlag GmbH, ein Teil von Springer Nature 2019

Authors and Affiliations

  • T. Vogel
    • 1
    Email author
  • N. Kohn
  • D. Ostler
  • N. Marahrens
  • N. Samm
  • A. Jell
  • M. Kranzfelder
  • D. Wilhelm
  • H. Friess
  • H. Feußner
  1. 1.Klinik und Poliklinik für ChirurgieKlinikum rechts der Isar der Technischen Universität MünchenMünchenDeutschland

Personalised recommendations