Компьютерные технологии в хирургии

Хирургическая операция — это сложная задача, требующая предельной концентрации внимания и точности движений. Технологии помогают хирургу решить её, предоставляя цифровые возможности в операционной.

Роль информационных технологий в современной хирургии

В хирургии используются следующие технологии искусственного интеллекта (ИИ)¹:

1. Машинное обучение (Machine Learning, ML). Алгоритм делает прогнозы и распознаёт закономерности. Для этого он учится на данных, которые промаркированы экспертом.

2. Обработка естественного языка (Natural Language Processing, NLP). Компьютер учится понимать человеческий язык, например слова в хирургических отчётах.

3. Нейросеть (Artificial Neural Network). Включает входной слой, куда поступают данные, и выходной, где алгоритм делает вывод. А между ними — множество слоёв, где происходят вычисления и принимаются промежуточные решения.

4. Компьютерное зрение (Computer Vision). Технология определяет объекты на изображении или видео, распознавая их цвет, положение и текстуру.

В хирургии ИИ используют при планировании операций. Компьютерные модели помогают заранее оценить риски, чтобы уменьшить вероятность осложнений. ИИ обеспечивает информационную поддержку врача. Когда специалист сталкивается со сложной ситуацией, он получает советы в режиме реального времени².

Информационные решения в хирургии

Представляем подборку технологий, которые применяются в хирургии —самостоятельно или как часть сложных систем.

Обработка медицинских изображений

ИИ работает с рентгенограммами, КТ- и МРТ-снимками, УЗИ-изображениями, проводя необходимые вычисления:

1. Сегментация. Компьютерный алгоритм делит изображение на отдельные области. Каждая область — это набор пикселей со схожими характеристиками³.

2. Классификация. Данные о подозрительной области поступают в нейросеть. ИИ последовательно анализирует участок, сравнивая новую информацию с имеющимися знаниями. На выходе принимается решение: норма это или патология⁴.

3. Регистрация. В качестве входных данных используются два изображения — например, полученные перед операцией и во время неё. Качество последнего снимка обычно ниже. Нейросеть сопоставляет изображения и создаёт улучшенный результат⁵.

Использование компьютерных трёхмерных моделей

Учёные из Токийского медицинского университета создали компьютерную систему, которая визуализирует патологию лёгкого при подготовке к сегментэктомии.

Сегментэктомия — это удаление поражённого участка лёгкого, или сегмента⁶. Метод применяется в хирургии при раке лёгких. Перед специалистом стоит сложная задача: отличить нормальную ткань от злокачественной. Нужно удалить весь участок с опухолью, чтобы избежать осложнений и рецидивов, но сохранить как можно больше здоровой ткани⁷.

Алгоритм японских учёных использует медицинские изображения, чтобы создать трёхмерную модель бронхолёгочных структур. Работа с технологией проводится в несколько этапов⁸:

1. В систему загружаются КТ-снимки.

2. Алгоритм анализирует входные данные и создаёт компьютерную модель лёгочной ткани, сосудов, бронхов и опухоли.

3. ИИ анализирует, какие анатомические структуры связаны с опухолью, определяя поражённый сегмент.

4. Алгоритм рассчитывает предполагаемое хирургическое поле и выводит его на экран.

Хирург проверяет результаты реконструкции и вносит необходимые исправления. Вся процедура занимает 5–10 минут. Информационная модель используется при подготовке к операции и во время неё⁸.

Применение 3D-печати в хирургии

3D-печать используют в пластической хирургии. Распечатанными имплантатами заполняют дефекты в челюсти. Выбирают биоразлагаемый материал в сочетании со стволовыми клетками. Имплантат постепенно заменяется костной тканью. Есть опыт использования технологии при ринопластике и лечении расщелины губы⁹.

Педикулярные винты — приспособления в хирургии, которыми укрепляют позвонки. Такие винты обеспечивают дополнительную поддержку позвоночнику, который восстанавливается после травмы или заболевания¹⁰.

Их использование затруднено, если позвонки пациента имеют необычную форму. Специалисты Китайского медицинского университета предложили технологию, облегчающую установку педикулярных винтов¹¹:

• На 3D-принтере печатается шаблон, который крепится на позвонок.

• Хирург вводит винты в отверстия на шаблоне.

Не нужно удалять мягкие ткани, чтобы точнее установить инструмент, — мишени размечены заранее.

Краниопластика — хирургическое восстановление дефекта в кости черепа, который образовался в ходе предыдущей операции или травмы¹². В качестве заполняющего материала используют полиэфирэфиркетон (PEEK). По своим механическим и физическим свойствам полимер похож на кость¹³.

Использование 3D-протезов для черепа из PEEK даёт хорошие эстетические и функциональные результаты. Исследователи отмечают, что у полимерных моделей есть преимущества по сравнению с изготовленными вручную имплантатами из костного цемента¹³.

Технологии дополненной реальности

Дополненная реальность (Augmented Reality, AR) — технология, которая позволяет пользователю видеть компьютерную информацию, наложенную на реальную среду¹⁴.

Принцип работы технологии AR в хирургии¹⁵:

1. Специальные устройства — видеокамера и датчики — отслеживают происходящее на операционном столе.

2. Данные обрабатываются компьютером.

3. На монитор выводится трансляция операции в реальном времени.

4. На видео накладывается 3D-модель органа.

Трёхмерное изображение получают при подготовке к операции. Алгоритм обрабатывает КТ-снимки и создаёт информационную модель, которую проверяет врач¹⁵.

У технологии есть недостаток: хирург вынужден переводить взгляд на монитор, теряя фокус внимания. Возможным решением может стать использование AR-гарнитур, которые выводят информацию на линзы¹⁴:

1. Хирург надевает специальные очки.

2. Он видит операционное поле, поверх которого наложена трёхмерная модель.

3. Компьютерное изображение можно масштабировать и перемещать с помощью бесконтактных жестов или голосовых команд.

Примеры девайсов, поддерживающих AR: Microsoft HoloLens, Google Glass, Sony SmartEyeglass¹⁶.

В хирургии применяются устройства для визуализации вен, например AccuVein. Прибор испускает инфракрасный свет на поверхность кожи. Венозные сосуды отображаются в виде тёмных линий, а остальная кожа, попавшая под лучи, видна в красном цвете. Хирург может оценить вены в режиме реального времени¹⁷.

Информационная система предоперационного планирования

Китайские учёные разработали технологию на основе ИИ, которая помогает хирургам подготовиться к тотальной артропластике тазобедренного сустава — полной замене поражённого сустава на протез.

Было исследовано более 1,2 млн КТ-снимков, полученных от 3 000 пациентов. Специалисты в области хирургии размечали часть изображений вручную, чтобы обучить нейросеть. Врачи указывали анатомические ориентиры, например, контуры таза и бедренной кости¹⁸.

Технология генерировала данные, которые оценивал хирург¹⁸:

• трёхмерные изображения области тазобедренного сустава;

• модель будущего протеза в разных положениях;

• расстояния между анатомическими ориентирами;

• ожидаемый результат артропластики.

Информационная система ускорила планирование операции, сохранив силы врача. Время, которое нужно нейросети для обработки КТ-снимка, составило около 2 минут. Ручной процесс занимал до 207 минут¹⁸.

Специалисты из Бельгии использовали похожую технологию для тотальной артропластики коленного сустава. В обучающий датасет вошли 5409 предоперационных планов, составленных опытными хирургами. В планах содержались данные о размере импланта и особенностях его положения¹⁹.

Далее создавалась информационная модель протеза коленного сустава, которую оценивал хирург. Одновременно её изучал алгоритм, учитывая клинические данные. На выходе ИИ создавал улучшенный предоперационный план. Врач вносил в него в среднем на 39,7% меньше исправлений, чем в стандартный план¹⁹.

Сервис фМРТ покоя от СберМедИИ используется при планировании операции у пациентов с онкологией. ИИ помогает различить расположение функционально значимых зон коры головного мозга и опухоли.

Алгоритм анализирует данные функциональной магнитно-резонансной томографии пациента. На изображениях ИИ выделяет цветом зрительные, моторные и слуховые зоны мозга. Врач может получить результат уже через 15 минут.

Сервис КТ Ангиография помогает планировать хирургические вмешательства при инсульте:

1. Врач проводит КТ-ангиографию с контрастом.

2. Алгоритм анализирует полученные снимки и на их основе создаёт трёхмерную модель сосудов головного мозга.

3. ИИ автоматически размечает зоны окклюзий — места, где просвет сосуда закрыт тромбом.

Сервис ускоряет анализ КТ-ангиографии, обнаруживая локализацию тромбов в сосудах головного мозга. ИИ создаёт предварительный отчёт, который верифицирует медицинский специалист. Алгоритм помогает врачу в принятии клинических решений, повышая скорость и точность диагностики.

Навигационная система в хирургии

Хирургическая навигационная система — технология, которая помогает снизить риски и повысить точность операции. Она объединяет разные информационные решения, включая обработку медицинских изображений, визуализацию с помощью 3D-моделей и дополненную реальность²⁰.

Принцип работы навигационной системы в хирургии²¹:

1. Перед операцией обрабатывают КТ-снимки, чтобы получить трёхмерные изображения анатомии органов пациента.

2. Система слежения обнаруживает хирургические инструменты.

3. Положение инструментов отображается относительно анатомии пациента.

4. Врач смотрит на монитор, чтобы получить необходимую информацию.

Навигационная система позволяет не только отслеживать положение инструментов, но и накладывать 3D-модель на видео операции в реальном времени. Изображения сливаются автоматически или вручную. Хирург редактирует компьютерную модель, меняя её положение, размер и прозрачность²².

Навигация в хирургии выполняет несколько задач²³:

• помогает врачу найти анатомическую цель и добраться до неё;

• упрощает управление инструментами;

• выполняет необходимые измерения;

• обеспечивает информационную поддержку хирурга.

Навигационные системы применяются в нейрохирургии. Хирург работает с нервной тканью, поэтому здесь важна точность вплоть до миллиметра. Использование нейронавигации даёт больше информации об опухоли: где располагается, какие у неё размеры и границы. Хирургу легче различить злокачественную ткань и соседние анатомические образования, например внутреннюю сонную артерию и черепные нервы²⁴.

Навигация помогает в абдоминальной хирургии, например при гастрэктомии — частичном или полном удалении желудка, поражённого опухолью²⁵. В рандомизированном контролируемом исследовании специалисты из Республики Корея сравнили два подхода к гастрэктомии: стандартный и с использованием навигации. В последнем случае улучшилось качество жизни и питание прооперированных пациентов²⁶.

ИИ улучшает использование эндоскопии

Эндоскопия — это исследование, которое позволяет заглянуть внутрь тела. Для этого используют длинную тонкую трубку с маленькой камерой на конце. Эндоскоп вводят через естественные отверстия, например рот. С помощью этого метода изучают полые органы: толстую кишку, матку, желудок, мочевой пузырь²⁷.

Информационные технологии в эндоскопии помогают решать диагностические задачи²⁸:

• оценить качество эндоскопического изображения;

• отличить патологическую область от нормальной;

• обнаружить локализацию опухоли и ограничить рамкой;

• определить контуры новообразования и выделить его цветом;

• предварительно узнать тип опухоли и глубину прорастания в ткани.

Эндоскопия используется в хирургии для предоперационного обследования. Корейские учёные использовали нейросеть на ранней стадии рака желудка, чтобы уточнить глубину прорастания опухоли в ткани. Как проходило исследование²⁹:

1. Для обучения и тестирования нейросети учёные отобрали 11 539 эндоскопических изображений.

2. Информационную модель обучили различать рак слизистой оболочки и опухоль, затрагивающую нижележащие ткани.

3. Нейросеть протестировали — её чувствительность достигла 91,0%.

Хирург использует данные улучшенной эндоскопии, чтобы понять, какой объём тканей нужно удалить. Это помогает избежать рецидива опухоли без радикальных действий³⁰.

Специалисты из Великобритании разработали технологию, которая улучшает эндоскопическую навигацию во время операции на органах желудочно-кишечного тракта. В основе лежит моделирование пищевода, желудка и двенадцатиперстной кишки, по которым перемещается эндоскоп. Нейросеть также строит модели окружающих органов. Источником данных служат КТ-снимки пациента³¹.

Эндоскопическая хирургия может быть улучшена за счёт технологии AR. Специалисты из Нидерландов и Швеции разработали навигационную систему, основанную на дополненной реальности. Алгоритм предназначен для эндоназальной хирургии основания черепа³²:

• эндоскоп вводится в носовой ход пациента;

• врач получает живой видеопоток c эндоскопа;

• алгоритм накладывает трёхмерную модель на видео;

• выделяются нужные анатомические структуры, например сосуды и нервы.

Технология включает оптические датчики, которые отслеживают положение эндоскопа³².

Роботизированные системы в хирургии

В Кембриджском словаре слово «робот» означает «механическое устройство, которое работает автоматически или управляется компьютером»³³.

В хирургии используют роботов, но они не выполняют операции. Хирурги управляют ими через компьютер или специальную консоль. Технология автоматизирует рутинные процессы и повышает их точность. Расскажем, как работают роботизированные системы и в каких областях хирургии они полезны.

Подходы к обучению в роботизированной хирургии: как робот и врач учатся понимать друг друга

Обучение через демонстрацию (Learning from Demonstration, LfD) — замена ручного программирования робота на автоматическое. Эксперт показывает роботу, как выполнять задачу, которая делится на ряд простых действий³⁴.

Для обучения робота в хирургии создают наборы данных, например датасет JIGSAWS от специалистов университета Джона Хопкинса. Моделирование хирургических жестов проводится в несколько этапов³⁵:

1. Выполнение задачи экспертом. Хирурги используют компьютерные консоли, чтобы выполнять различные манипуляции.

2. Разделение задачи на шаги. Хирургическая задача делится на ряд жестов. Например, для наложения шва нужно расположить кончик иглы, протолкнуть иглу через ткань, потянуть иглу в сторону. Каждое одиночное движение аннотируется вручную.

3. Анализ данных. Получают видео и кинематическую информацию о траектории и скорости конечности робота. Данные обрабатываются вычислительными методами. Технологии превращают жесты человека в набор цифр, понятный компьютеру.

Взаимодействие человека и робота (Human-Robot Interaction, HRI) — научно-исследовательская и проектная деятельность, призванная улучшить совместную работу человека и компьютера. HRI использует технологии, чтобы научить робота понимать манипуляции и жесты человека и правильно на них реагировать³⁶.

Информационные модели HRI в хирургии помогают контролировать роботизированную конечность. Алгоритмы делают движения робота более точными и плавными, он лучше распознаёт команды врача. Использование HRI актуально в малоинвазивной хирургии, где затрагивается минимальный объём тканей³⁷.

Проводятся исследования, где хирург управляет информационной системой голосом. Учёные из Китая и Германии опубликовали концепт эндоскопического робота, который будет реагировать на голосовые команды³⁸:

1. Врач говорит в микрофон команды, например «вверх» или «вправо».

2. Робот распознаёт команду и направляет эндоскоп в нужную сторону.

3. Хирург управляет инструментами с помощью рук, а хирургическим полем — голосом.

Авторы разрабатывают прототип робота, уделяя внимание его точности и безопасности³⁸.

Робот с именем итальянского мастера: использование da Vinci в хирургии

Роботизированная хирургическая система da Vinci разработана американской компанией Intuitive Surgical. Технология состоит из трёх компонентов³⁹:

1. Консоль хирурга. За ней сидит врач, который управляет инструментами с помощью джойстиков и ножных педалей.

2. Стойка пациента. Устанавливается рядом с операционным столом, на котором лежит пациент. Стойка состоит из четырёх роботизированных рук и камеры.

3. Видеостойка. Головной конец стойки содержит монитор, на который выводится оперируемая область.

Роботизированная рука обеспечивает полный диапазон движений и позволяет установить инструмент в нужное положение. Технология устраняет влияние тремора — дрожания рук —хирурга. Специалист контролирует ход операции с помощью двух оптических каналов. Они передают изображения высокого разрешения — по одному на каждый глаз врача⁴⁰.

Согласно годовому отчёту компании Intuitive Surgical за 2021 год, с участием da Vinci было выполнено около 1,6 млн операций в больницах по всему миру. Роботизированная система используется в разных областях малоинвазивной хирургии⁴¹:

• хирургическое лечение грыжи;

• операции на толстой и прямой кишке;

• удаление органов: желчного пузыря, простаты, матки;

• операции на лёгких;

• удаление опухолей головы и шеи.

Учёные из Кореи в 2018 году проанализировали 10 000 хирургических вмешательств, выполненных с использованием da Vinci. Из них 94,5% операций были проведены по поводу злокачественных новообразований⁴².

Влияние системы da Vinci на клинический исход зависит от проводимой операции. Исследователи отмечают преимущества по сравнению с использованием стандартных методик в хирургии. Пациенты, прооперированные с помощью da Vinci, теряли меньше крови и быстрее выписывались из больницы⁴³.

Будущее цифровых технологий в хирургии

Успешное использование искусственного интеллекта в хирургии возможно при выполнении ряда условий⁴⁴:

• Алгоритмы понятны медицинским работникам.

• Технологии решают актуальные клинические задачи.

• Информация собирается надёжными методами и понятна компьютеру.

• Соблюдается безопасность и конфиденциальность данных.

• Эффективность алгоритмов проверена и доказана.

Будущее роботизированной хирургии связывают с разработкой тактильной обратной связи. Технология позволит роботу и врачу лучше понимать друг друга. Тактильная обратная связь должна помочь хирургу чувствовать давление, оказываемое на ткани. А компьютер сможет точнее отзываться на касания разной силы⁴⁵.

Источники

1. Hashimoto DA, Rosman G, Rus D, Meireles OR. Artificial Intelligence in Surgery: Promises and Perils. Ann Surg. 2018 Jul;268(1):70-76. doi: 10.1097/SLA.0000000000002693. PMID: 29389679; PMCID: PMC5995666.

2. Gupta A, Singla T, Chennatt JJ, David LE, Ahmed SS, Rajput D. Artificial intelligence: A new tool in surgeon’s hand. J Educ Health Promot. 2022 Mar 23;11:93. doi: 10.4103/jehp.jehp_625_21. PMID: 35573620; PMCID: PMC9093628.

3. Luo D, Zhang Y, Li J. Research on Several Key Problems of Medical Image Segmentation and Virtual Surgery. Contrast Media Mol Imaging. 2022 Apr 11;2022:3463358. doi: 10.1155/2022/3463358. PMID: 35494211; PMCID: PMC9017556.

4. Liu F, Zhou Z, Samsonov A, Blankenbaker D, Larison W, Kanarek A, Lian K, Kambhampati S, Kijowski R. Deep Learning Approach for Evaluating Knee MR Images: Achieving High Diagnostic Performance for Cartilage Lesion Detection. Radiology. 2018 Oct;289(1):160-169. doi: 10.1148/radiol.2018172986. Epub 2018 Jul 31. PMID: 30063195; PMCID: PMC6166867.

5. Hu Y, Modat M, Gibson E, Li W, Ghavami N, Bonmati E, Wang G, Bandula S, Moore CM, Emberton M, Ourselin S, Noble JA, Barratt DC, Vercauteren T. Weakly-supervised convolutional neural networks for multimodal image registration. Med Image Anal. 2018 Oct;49:1-13. doi: 10.1016/j.media.2018.07.002. Epub 2018 Jul 4. PMID: 30007253; PMCID: PMC6742510.

6. Wang, L., Ge, L., You, S. et al. Lobectomy versus segmentectomy in patients with stage T (> 2 cm and ≤ 3 cm) N0M0 non-small cell lung cancer: a propensity score matching study. J Cardiothorac Surg 17, 110 (2022). https://doi.org/10.1186/s13019-022-01867-x

7. Zhao X, Qian L, Luo Q, Huang J. Segmentectomy as a safe and equally effective surgical option under complete video-assisted thoracic surgery for patients of stage I non-small cell lung cancer. J Cardiothorac Surg. 2013 Apr 29;8:116. doi: 10.1186/1749-8090-8-116. PMID: 23628209; PMCID: PMC3661398.

8. Saji H, Inoue T, Kato Y, Shimada Y, Hagiwara M, Kudo Y, Akata S, Ikeda N. Virtual segmentectomy based on high-quality three-dimensional lung modelling from computed tomography images. Interact Cardiovasc Thorac Surg. 2013 Aug;17(2):227-32. doi: 10.1093/icvts/ivt120. Epub 2013 Apr 26. PMID: 23624984; PMCID: PMC3715161.

9. Lynn AQ, Pflibsen LR, Smith AA, Rebecca AM, Teven CM. Three-dimensional Printing in Plastic Surgery: Current Applications, Future Directions, and Ethical Implications. Plast Reconstr Surg Glob Open. 2021 Mar 22;9(3):e3465. doi: 10.1097/GOX.0000000000003465. PMID: 33968548; PMCID: PMC8099403.

10. Спинальное слияние — серия — Педикулярные винты [Электронный ресурс]: MedlinePlus. URL: https://medlineplus.gov/ency/presentations/100121_6.htm. (дата обращения: 01.12.2022).

11. Chen PC, Chang CC, Chen HT, Lin CY, Ho TY, Chen YJ, Tsai CH, Tsou HK, Lin CS, Chen YW, Hsu HC. The Accuracy of 3D Printing Assistance in the Spinal Deformity Surgery. Biomed Res Int. 2019 Nov 11;2019:7196528. doi: 10.1155/2019/7196528. PMID: 31828123; PMCID: PMC6885147.

12. Краниопластика [Электронный ресурс]: Johns Hopkins. URL: https://www.hopkinsmedicine.org/health/treatment-tests-and-therapies/cranioplasty. (дата обращения: 01.12.2022).

13. Hosameldin A, Osman A, Hussein M, Gomaa AF, Abdellatif M. Three dimensional custom-made PEEK cranioplasty. Surg Neurol Int. 2021 Nov 30;12:587. doi: 10.25259/SNI_861_2021. PMID: 34992904; PMCID: PMC8720430.

14. Dennler C, Bauer DE, Scheibler AG, Spirig J, Götschi T, Fürnstahl P, Farshad M. Augmented reality in the operating room: a clinical feasibility study. BMC Musculoskelet Disord. 2021 May 18;22(1):451. doi: 10.1186/s12891-021-04339-w. PMID: 34006234; PMCID: PMC8132365.

15. Vávra P, Roman J, Zonča P, Ihnát P, Němec M, Kumar J, Habib N, El-Gendi A. Recent Development of Augmented Reality in Surgery: A Review. J Healthc Eng. 2017;2017:4574172. doi: 10.1155/2017/4574172. Epub 2017 Aug 21. PMID: 29065604; PMCID: PMC5585624.

16. Khor WS, Baker B, Amin K, Chan A, Patel K, Wong J. Augmented and virtual reality in surgery-the digital surgical environment: applications, limitations and legal pitfalls. Ann Transl Med. 2016 Dec;4(23):454. doi: 10.21037/atm.2016.12.23. PMID: 28090510; PMCID: PMC5220044.

17. Chu MW, Sarik JR, Wu LC, Serletti JM, Bank J. Non-Invasive Imaging of Preoperative Mapping of Superficial Veins in Free Flap Breast Reconstruction. Arch Plast Surg. 2016 Jan;43(1):119-21. doi: 10.5999/aps.2016.43.1.119. Epub 2016 Jan 15. PMID: 26848464; PMCID: PMC4738119.

18. Chen X, Liu X, Wang Y, Ma R, Zhu S, Li S, Li S, Dong X, Li H, Wang G, Wu Y, Zhang Y, Qiu G, Qian W. Development and Validation of an Artificial Intelligence Preoperative Planning System for Total Hip Arthroplasty. Front Med (Lausanne). 2022 Mar 22;9:841202. doi: 10.3389/fmed.2022.841202. PMID: 35391886; PMCID: PMC8981237.

19. Lambrechts A, Wirix-Speetjens R, Maes F, Van Huffel S. Artificial Intelligence Based Patient-Specific Preoperative Planning Algorithm for Total Knee Arthroplasty. Front Robot AI. 2022 Mar 8;9:840282. doi: 10.3389/frobt.2022.840282. Erratum in: Front Robot AI. 2022 Apr 28;9:899349. PMID: 35350703; PMCID: PMC8957999.

20. Chen X, Xu L, Wang Y, Wang H, Wang F, Zeng X, Wang Q, Egger J. Development of a surgical navigation system based on augmented reality using an optical see-through head-mounted display. J Biomed Inform. 2015 Jun;55:124-31. doi: 10.1016/j.jbi.2015.04.003. Epub 2015 Apr 13. PMID: 25882923.

21. Cleary K, Peters TM. Image-guided interventions: technology review and clinical applications. Annu Rev Biomed Eng. 2010 Aug 15;12:119-42. doi: 10.1146/annurev-bioeng-070909-105249. PMID: 20415592.

22. Du C, Li J, Zhang B, Feng W, Zhang T, Li D. Intraoperative navigation system with a multi-modality fusion of 3D virtual model and laparoscopic real-time images in laparoscopic pancreatic surgery: a preclinical study. BMC Surg. 2022 Apr 11;22(1):139. doi: 10.1186/s12893-022-01585-0. PMID: 35410155; PMCID: PMC9004060.

23. Mezger U, Jendrewski C, Bartels M. Navigation in surgery. Langenbecks Arch Surg. 2013 Apr;398(4):501-14. doi: 10.1007/s00423-013-1059-4. Epub 2013 Feb 22. PMID: 23430289; PMCID: PMC3627858.

24. Khoshnevisan A, Allahabadi NS. Neuronavigation: principles, clinical applications and potential pitfalls. Iran J Psychiatry. 2012 Spring;7(2):97-103. PMID: 22952553; PMCID: PMC3428645.

25. Гастрэктомия [Электронный ресурс]: NHS. URL: https://www.nhs.uk/conditions/gastrectomy/. (дата обращения: 01.12.2022).

26. Kim YW, Min JS, Yoon HM, An JY, Eom BW, Hur H, Lee YJ, Cho GS, Park YK, Jung MR, Park JH, Hyung WJ, Jeong SH, Kook MC, Han M, Nam BH, Ryu KW. Laparoscopic Sentinel Node Navigation Surgery for Stomach Preservation in Patients With Early Gastric Cancer: A Randomized Clinical Trial. J Clin Oncol. 2022 Jul 20;40(21):2342-2351. doi: 10.1200/JCO.21.02242. Epub 2022 Mar 24. PMID: 35324317; PMCID: PMC9287280.

27. Эндоскопия [Электронный ресурс]: NHS. URL: https://www.nhs.uk/conditions/endoscopy/. (дата обращения: 01.12.2022).

28. Paderno A, Gennarini F, Sordi A, Montenegro C, Lancini D, Villani FP, Moccia S, Piazza C. Artificial intelligence in clinical endoscopy: Insights in the field of videomics. Front Surg. 2022 Sep 12;9:933297. doi: 10.3389/fsurg.2022.933297. PMID: 36171813; PMCID: PMC9510389.

29. Yoon HJ, Kim S, Kim JH, Keum JS, Oh SI, Jo J, Chun J, Youn YH, Park H, Kwon IG, Choi SH, Noh SH. A Lesion-Based Convolutional Neural Network Improves Endoscopic Detection and Depth Prediction of Early Gastric Cancer. J Clin Med. 2019 Aug 26;8(9):1310. doi: 10.3390/jcm8091310. PMID: 31454949; PMCID: PMC6781189.

30. Tanabe S, Ishido K, Higuchi K, Sasaki T, Katada C, Azuma M, Naruke A, Kim M, Koizumi W. Long-term outcomes of endoscopic submucosal dissection for early gastric cancer: a retrospective comparison with conventional endoscopic resection in a single center. Gastric Cancer. 2014 Jan;17(1):130-6. doi: 10.1007/s10120-013-0241-2. Epub 2013 Apr 11. PMID: 23576197.

31. Gibson E, Giganti F, Hu Y, Bonmati E, Bandula S, Gurusamy K, Davidson B, Pereira SP, Clarkson MJ, Barratt DC. Automatic Multi-Organ Segmentation on Abdominal CT With Dense V-Networks. IEEE Trans Med Imaging. 2018 Aug;37(8):1822-1834. doi: 10.1109/TMI.2018.2806309. Epub 2018 Feb 14. PMID: 29994628; PMCID: PMC6076994.

32. Lai M, Skyrman S, Shan C, Babic D, Homan R, Edström E, et al. (2020) Fusion of augmented reality imaging with the endoscopic view for endonasal skull base surgery; a novel application for surgical navigation based on intraoperative cone beam computed tomography and optical tracking. PLoS ONE 15(1): e0227312. https://doi.org/10.1371/journal.pone.0227312.

33. Определение ROBOT в Кембриджском словаре английского языка [Электронный ресурс]: Cambridge Dictionary. URL: https://dictionary.cambridge.org/ru/словарь/английский/robot. (дата обращения: 01.12.2022).

34. Schaal, S. (1996). Learning from demonstration. NIPS’96: Proceedings of the 9th International Conference on Neural Information Processing Systems, pp. 1040–1046. URL: https://papers.nips.cc/paper/1996/hash/68d13cf26c4b4f4f932e3eff990093ba-Abstract.html. (дата обращения: 01.12.2022).

35. Ahmidi N, Tao L, Sefati S, Gao Y, Lea C, Haro BB, Zappella L, Khudanpur S, Vidal R, Hager GD. A Dataset and Benchmarks for Segmentation and Recognition of Gestures in Robotic Surgery. IEEE Trans Biomed Eng. 2017 Sep;64(9):2025-2041. doi: 10.1109/TBME.2016.2647680. Epub 2017 Jan 4. PMID: 28060703; PMCID: PMC5559351.

36. Sheridan TB. Human-Robot Interaction: Status and Challenges. Hum Factors. 2016 Jun;58(4):525-32. doi: 10.1177/0018720816644364. Epub 2016 Apr 20. PMID: 27098262.

37. Jiang F, Jia R, Jiang X, Cao F, Lei T, Luo L. Human-Machine Interaction Methods for Minimally Invasive Surgical Robotic Arms. Comput Intell Neurosci. 2022 Sep 10;2022:9434725. doi: 10.1155/2022/9434725. PMID: 36124121; PMCID: PMC9482493.

38. He, Yucheng & Deng, Zhen & Zhang, Jianwei. (2021). Design and voice‐based control of a nasal endoscopic surgical robot. CAAI Transactions on Intelligence Technology. 6. 10.1049/cit2.12022.

39. О компании da Vinci Systems [Электронный ресурс]: Intuitive Surgical. URL: https://www.davincisurgery.com/da-vinci-systems/about-da-vinci-systems (дата обращения: 01.12.2022).

40. Palep JH. Robotic assisted minimally invasive surgery. J Minim Access Surg. 2009 Jan;5(1):1-7. doi: 10.4103/0972-9941.51313. PMID: 19547687; PMCID: PMC2699074.

41. Intuitive Surgical, Inc [Электронный ресурс]: AnnualReports. URL: https://www.annualreports.com/Company/intuitive-surgical-inc (дата обращения: 01.12.2022).

42. Koh DH, Jang WS, Park JW, Ham WS, Han WK, Rha KH, Choi YD. Efficacy and Safety of Robotic Procedures Performed Using the da Vinci Robotic Surgical System at a Single Institute in Korea: Experience with 10000 Cases. Yonsei Med J. 2018 Oct;59(8):975-981. doi: 10.3349/ymj.2018.59.8.975. PMID: 30187705; PMCID: PMC6127423.

43. Yu J, Wang Y, Li Y, Li X, Li C, Shen J. The safety and effectiveness of Da Vinci surgical system compared with open surgery and laparoscopic surgery: a rapid assessment. J Evid Based Med. 2014 May;7(2):121-34. doi: 10.1111/jebm.12099. PMID: 25155768.

44. Murphy DC, Saleh DB. Artificial Intelligence in plastic surgery: What is it? Where are we now? What is on the horizon? Ann R Coll Surg Engl. 2020 Oct;102(8):577-580. doi: 10.1308/rcsann.2020.0158. Epub 2020 Aug 11. PMID: 32777930; PMCID: PMC7538735.

45. Brodie A, Vasdev N. The future of robotic surgery. Ann R Coll Surg Engl. 2018 Sep;100(Suppl 7):4-13. doi: 10.1308/rcsann.supp2.4. https://pubmed.ncbi.nlm.nih.gov/30179048/PMID: 30179048; PMCID: PMC6216754.