Data analysis to evaluate surgeon performance in an ex-vivo setup

Thanks to the spread of Minimally Invasive Surgery (MIS) techniques, together with the integration of robots in the clinical setting, we have witnessed a real revolution in the world of surgery in the last few years. Collaboration between robots and surgeons brings many advantages that lead to the achievement of unprecedented surgical outcomes. However, in telesurgery the surgeon has to manage both the control of the instruments and the endoscope on his own, which can sometimes result in an increased cognitive load and longer operation times. For the purposes of this thesis, research was carried out to find the metrics currently used to objectively assess surgical skills. These metrics were then used to develop the analysis on collected data. These data were derived from a user study involving 10 surgeons of varying experience, who performed a neobladder reconstruction operation, reproduced in a simplified version on a dry lab ex vivo set-up, using the dVRK (da Vinci Research Kit) platform. The operation was repeated by each user twice: once using the traditional configuration, in which the endoscope is handled manually, and once implementing the SCAN (System for Camera Autonomous Navigation) algorithm. In general, the metrics that have been defined are used to quantify a surgeon's performance. For this reason, they have been employed to carry out a statistical analysis with the aim of looking for the presence of significant differences in the performance of surgeons when they carry out an operation while controlling the endoscope with respect to when it is automatically positioned. From this analysis it was possible to deduce that the implementation of the algorithm that provides automatic endoscope positioning contributed to the improvement of the performance of the participants involved in the user study, at least for the initial phases of the reproduced task. Furthermore, the defined metrics also proved useful for highlighting the difference in performance between novice and experienced surgeons.

Grazie alla diffusione delle tecniche di chirurgia minimamente invasiva (MIS), insieme all'integrazione dei robot nel contesto clinico, abbiamo assistito a una vera e propria rivoluzione nel mondo della chirurgia negli ultimi anni. La collaborazione tra robot e medici porta molti vantaggi che portano al raggiungimento di risultati chirurgici senza precedenti. Tuttavia, nella telechirurgia il chirurgo deve gestire da solo sia il controllo degli strumenti che dell'endoscopio, il che a volte può comportare un maggior carico cognitivo e tempi di operazione più lunghi. Ai fini di questa tesi, è stata condotta una ricerca per trovare le metriche attualmente utilizzate per valutare oggettivamente le abilità chirurgiche. Queste metriche sono state poi utilizzate per sviluppare l'analisi sui dati raccolti. Questi dati sono stati ricavati da uno studio che ha coinvolto 10 chirurghi di varia esperienza, i quali hanno eseguito un'operazione di ricostruzione della vescica, riprodotta in versione semplificata su un set-up ex vivo e in dry-lab, utilizzando la piattaforma dVRK (da Vinci Research Kit). L'operazione è stata ripetuta da ciascun utente due volte: una volta utilizzando la configurazione tradizionale, in cui l'endoscopio è gestito manualmente, e una volta implementando l'algoritmo SCAN (System for Camera Autonomous Navigation). In generale, le metriche che sono state definite servono a quantificare le prestazioni di un chirurgo. Per questo motivo, sono state impiegate per realizzare un'analisi statistica con l'obiettivo di cercare la presenza di differenze significative nelle prestazioni dei partecipanti quando eseguono l’intervento controllando l'endoscopio rispetto a quando esso viene posizionato automaticamente. Da questa analisi è stato possibile dedurre che l'implementazione dell'algoritmo che prevede il posizionamento automatico dell'endoscopio ha contribuito al miglioramento delle prestazioni dei partecipanti coinvolti nello studio, almeno per le fasi iniziali del task riprodotto. Inoltre, le metriche definite si sono dimostrate anche utili per mettere in evidenza la differenza nelle performance dei chirurghi novizi rispetto quelle degli esperti.