nach oben

09.05.2024 | Review Article

Artificial Intelligence in Predicting Postoperative Surgical Complications

verfasst von: Kaushik Bhattacharya, Neela Bhattacharya, Sandeep Kumar, Vipul D. Yagnik, Pankaj Garg, Prema Ram Choudhary

Erschienen in: Indian Journal of Surgery

Einloggen, um Zugang zu erhalten

Abstract

Artificial intelligence (AI), once integrated into medicine, has transformed its role from a mere statistical tool to a sophisticated system capable of guiding surgical procedures and predicting outcomes. AI algorithms utilize machine learning (ML), deep learning, and neural networks to analyze large datasets and identify patterns, ultimately making accurate predictions about patient outcomes. Through continuous learning, adaptation, and updating, these systems assist healthcare professionals in the diagnosis and offer real-time guidance during surgical interventions, reducing surgical error and postoperative complications. This evolution marks a paradigm shift, enhancing precision, efficiency, and, ultimately, patient care in surgery. This review article explores the critical role of AI in predicting surgical complications and discusses associated challenges and ethical considerations.

Hashimoto DA, Rosman G, Rus D, Meireles OR (2018) Artificial intelligence in surgery: promises and perils. Ann Surg 268(1):70–76. https://doi.org/10.1097/SLA.0000000000002693CrossRefPubMed

Wang D, Khosla A, Gargeya R et al (2016) Deep learning for identifying metastatic breast cancer. arXiv preprint arXiv:1606.05718

Ren Y, Loftus TJ, Datta S, Ruppert MM, Guan Z, Miao S, Shickel B, Feng Z, Giordano C, Upchurch GR Jr, Rashidi P, Ozrazgat-Baslanti T, Bihorac A (2022) performance of a machine learning algorithm using electronic health record data to predict postoperative complications and report on a mobile platform. JAMA Netw Open 5(5):e2211973. https://doi.org/10.1001/jamanetworkopen.2022.11973CrossRefPubMedPubMedCentral

Ribeiro Junior MAF, Smaniotto R, Gebran A, Zamudio JP, Mohseni S, Rodrigues JMDS, Kaafarani H (2023) The use of POTTER (Predictive Optimal Trees in Emergency Surgery Risk) calculator to predict mortality and complications in patients submitted to Emergency Surgery. Rev Col Bras Cir 1(50):e20233624. https://doi.org/10.1590/0100-6991e-20233624-enCrossRef

Maurer LR, ChetlurP Zhuo D, Majed EH et al (2023) Validation of the Al-based Predictive OpTimal Trees in Emergency Surgery Risk (POTTER) calculator in patients 65 years and older. Ann Surg 277(1):e8–e15. https://doi.org/10.1097/SLA.0000000000004714CrossRefPubMed

Stam WT, Goedknegt LK, Ingwersen EW, Schoonmade LJ, Bruns ERJ, Daams F (2022) The prediction of surgical complications using artificial intelligence in patients undergoing major abdominal surgery: a systematic review. Surgery 171(4):1014–1021. https://doi.org/10.1016/j.surg.2021.10.002CrossRefPubMed

Bektaş M, Reiber BMM, Pereira JC, Burchell GL, van der Peet DL (2022) Artificial intelligence in bariatric surgery: current status and future perspectives. Obes Surg 32(8):2772–2783. https://doi.org/10.1007/s11695-022-06146-1CrossRefPubMedPubMedCentral

Bektaş M, Burchell GL, Bonjer HJ, van der Peet DL (2023) Machine learning applications in upper gastrointestinal cancer surgery: a systematic review. SurgEndosc 37(1):75–89. https://doi.org/10.1007/s00464-022-09516-zCrossRef

Mazaki J, Katsumata K, Ohno Y, Udo R, Tago T, Kasahara K, Kuwabara H, Enomoto M, Ishizaki T, Nagakawa Y, Tsuchida A (2021) A novel predictive model for anastomotic leakage in colorectal cancer using auto-artificial intelligence. Anticancer Res 41(11):5821–5825. https://doi.org/10.21873/anticanres.15400CrossRefPubMed

10.

Endo Y, Tokuyasu T, Mori Y, Asai K, Umezawa A, Kawamura M, Fujinaga A, Ejima A, Kimura M, Inomata M (2023) Impact of AI system on recognition for anatomical landmarks related to reducing bile duct injury during laparoscopic cholecystectomy. SurgEndosc 37(7):5752–5759. https://doi.org/10.1007/s00464-023-10224-5CrossRef

11.

Wu S, Chen Z, Liu R, Li A, Cao Y, Wei A, Liu Q, Liu J, Wang Y, Jiang J, Ying Z, An J, Peng B, Wang X (2023) Youth Committee of Pancreatic Disease of Sichuan Doctor Association (YCPD). SurgSmart: an artificial intelligent system for quality control in laparoscopic cholecystectomy: an observational study. Int J Surg 109(5):1105–1114. https://doi.org/10.1097/JS9.0000000000000329CrossRefPubMedPubMedCentral

12.

Ríos MS, Molina-Rodriguez MA, Londoño D, Guillén CA, Sierra S, Zapata F, Giraldo LF (2023) Cholec80-CVS: an open dataset with an evaluation of Strasberg’s critical view of safety for AI. Sci Data 10(1):194. https://doi.org/10.1038/s41597-023-02073-7CrossRefPubMedPubMedCentral

13.

Hassan AM, Lu Sheng-Chieh, Asaad M, Liu J et al (2022) Novel machine learning approach for the prediction of hernia recurrence, surgical complication, and 30-day readmission after abdominal wall reconstruction. J Am CollSurg 234(5):918–927. https://doi.org/10.1097/XCS.0000000000000141CrossRef

14.

Ormond MJ, Clement ND, Harder BG, Farrow L, Glester A (2023) Acceptance and understanding of artificial intelligence in medical research among orthopaedic surgeons. Bone Jt Open 4(9):696–703. https://doi.org/10.1302/2633-1462.49.BJO-2023-0070.R1CrossRefPubMedPubMedCentral

15.

Chen M, Zhang B, Cai Z, Seery S, Gonzalez MJ, Ali NM, Ren R, Qiao Y, Xue P, Jiang Y (2022) Acceptance of clinical artificial intelligence among physicians and medical students: a systematic review with cross-sectional survey. Front Med (Lausanne) 31(9):990604. https://doi.org/10.3389/fmed.2022.990604CrossRef

16.

Morris MX, Song EY, Rajesh A, Asaad M, Phillips BT (2023) Ethical, legal, and financial considerations of artificial intelligence in surgery. Am Surg 89(1):55–60. https://doi.org/10.1177/00031348221117042CrossRefPubMed

17.

Saravi B, Zink A, Ülkümen S, Couillard-Despres S, Lang G, Hassel F (2023) Artificial intelligence-based analysis of associations between learning curve and clinical outcomes in endoscopic and microsurgical lumbar decompression surgery. Eur Spine J:. https://doi.org/10.1007/s00586-023-08084-7

18.

Takeuchi M, Collins T, Ndagijimana A, Kawakubo H, Kitagawa Y, Marescaux J, Mutter D, Perretta S, Hostettler A, Dallemagne B (2022) Automatic surgical phase recognition in laparoscopic inguinal hernia repair with artificial intelligence. Hernia 26(6):1669–1678. https://doi.org/10.1007/s10029-022-02621-xCrossRefPubMed

19.

Kiyasseh D, Laca J, Haque TF, Miles BJ, Wagner C, Donoho DA, Anandkumar A, Hung AJ (2023) A multi-institutional study using artificial intelligence to provide reliable and fair feedback to surgeons. Commun Med (Lond) 3(1):42. https://doi.org/10.1038/s43856-023-00263-3CrossRefPubMed

20.

Mazo C, Aura C, Rahman A, Gallagher WM, Mooney C (2022) Application of artificial intelligence techniques to predict risk of recurrence of breast cancer: a systematic review. J Pers Med 12(9):1496. https://doi.org/10.3390/jpm12091496CrossRefPubMedPubMedCentral

21.

Nakanishi R, Morooka K, Omori K, Toyota S, Tanaka Y, Hasuda H, Koga N, Nonaka K, Hu Q, Nakaji Y, Nakanoko T, Ando K, Ota M, Kimura Y, Oki E, Oda Y, Yoshizumi T (2023) Artificial Intelligence-based prediction of recurrence after curative resection for colorectal cancer from digital pathological images. Ann Surg Oncol 30(6):3506–3514. https://doi.org/10.1245/s10434-022-12926-xCrossRefPubMed

Titel: Artificial Intelligence in Predicting Postoperative Surgical Complications
verfasst von: Kaushik Bhattacharya
Neela Bhattacharya
Sandeep Kumar
Vipul D. Yagnik
Pankaj Garg
Prema Ram Choudhary
Publikationsdatum: 09.05.2024
Verlag: Springer India
Erschienen in: Indian Journal of Surgery
Print ISSN: 0972-2068
Elektronische ISSN: 0973-9793
DOI: https://doi.org/10.1007/s12262-024-04081-2

Neu im Fachgebiet Chirurgie

Häusliche Gewalt in der orthopädischen Notaufnahme oft nicht erkannt

28.05.2024 Traumatologische Notfälle Nachrichten

In der Notaufnahme wird die Chance, Opfer von häuslicher Gewalt zu identifizieren, von Orthopäden und Orthopädinnen offenbar zu wenig genutzt. Darauf deuten die Ergebnisse einer Fragebogenstudie an der Sahlgrenska-Universität in Schweden hin.

Fehlerkultur in der Medizin – Offenheit zählt!

28.05.2024 Internistische Arzneimitteltherapie Podcast

Darüber reden und aus Fehlern lernen, sollte das Motto in der Medizin lauten. Und zwar nicht nur im Sinne der Patientensicherheit. Eine negative Fehlerkultur kann auch die Behandelnden ernsthaft krank machen, warnt Prof. Dr. Reinhard Strametz. Ein Plädoyer und ein Leitfaden für den offenen Umgang mit kritischen Ereignissen in Medizin und Pflege.

Mehr Frauen im OP – weniger postoperative Komplikationen

21.05.2024 Allgemeine Chirurgie Nachrichten

Ein Frauenanteil von mindestens einem Drittel im ärztlichen Op.-Team war in einer großen retrospektiven Studie aus Kanada mit einer signifikanten Reduktion der postoperativen Morbidität assoziiert.

„Übersichtlicher Wegweiser“: Lauterbachs umstrittener Klinik-Atlas ist online

17.05.2024 Klinik aktuell Nachrichten

Sie sei „ethisch geboten“, meint Gesundheitsminister Karl Lauterbach: mehr Transparenz über die Qualität von Klinikbehandlungen. Um sie abzubilden, lässt er gegen den Widerstand vieler Länder einen virtuellen Klinik-Atlas freischalten.

Update Chirurgie

Bestellen Sie unseren Fach-Newsletter und bleiben Sie gut informiert.

Newsletter bestellen

Aktuelle BDC Leitlinien-Webinare

S3-Leitlinie „Diagnostik und Therapie des Karpaltunnelsyndroms“

Karpaltunnelsyndrom BDC Leitlinien Webinare

CME: 2 Punkte

Das Karpaltunnelsyndrom ist die häufigste Kompressionsneuropathie peripherer Nerven. Obwohl die Anamnese mit dem nächtlichen Einschlafen der Hand (Brachialgia parästhetica nocturna) sehr typisch ist, ist eine klinisch-neurologische Untersuchung und Elektroneurografie in manchen Fällen auch eine Neurosonografie erforderlich. Im Anfangsstadium sind konservative Maßnahmen (Handgelenksschiene, Ergotherapie) empfehlenswert. Bei nicht Ansprechen der konservativen Therapie oder Auftreten von neurologischen Ausfällen ist eine Dekompression des N. medianus am Karpaltunnel indiziert.

Prof. Dr. med. Gregor Antoniadis

S2e-Leitlinie „Distale Radiusfraktur“

Radiusfraktur BDC Leitlinien Webinare

CME: 2 Punkte

Das Webinar beschäftigt sich mit Fragen und Antworten zu Diagnostik und Klassifikation sowie Möglichkeiten des Ausschlusses von Zusatzverletzungen. Die Referenten erläutern, welche Frakturen konservativ behandelt werden können und wie. Das Webinar beantwortet die Frage nach aktuellen operativen Therapiekonzepten: Welcher Zugang, welches Osteosynthesematerial? Auf was muss bei der Nachbehandlung der distalen Radiusfraktur geachtet werden?

PD Dr. med. Oliver Pieske

Dr. med. Benjamin Meyknecht

S1-Leitlinie „Empfehlungen zur Therapie der akuten Appendizitis bei Erwachsenen“

Appendizitis BDC Leitlinien Webinare

CME: 2 Punkte

Inhalte des Webinars zur S1-Leitlinie „Empfehlungen zur Therapie der akuten Appendizitis bei Erwachsenen“ sind die Darstellung des Projektes und des Erstellungswegs zur S1-Leitlinie, die Erläuterung der klinischen Relevanz der Klassifikation EAES 2015, die wissenschaftliche Begründung der wichtigsten Empfehlungen und die Darstellung stadiengerechter Therapieoptionen.

Dr. med. Mihailo Andric

Live-Webinar "Urologie und Sexualmedizin in der Praxis"

Springer Medizin

Artificial Intelligence in Predicting Postoperative Surgical Complications

Abstract

Neu im Fachgebiet Chirurgie

Häusliche Gewalt in der orthopädischen Notaufnahme oft nicht erkannt

Fehlerkultur in der Medizin – Offenheit zählt!

Mehr Frauen im OP – weniger postoperative Komplikationen

„Übersichtlicher Wegweiser“: Lauterbachs umstrittener Klinik-Atlas ist online

Update Chirurgie

Aktuelle BDC Leitlinien-Webinare

S3-Leitlinie „Diagnostik und Therapie des Karpaltunnelsyndroms“

S2e-Leitlinie „Distale Radiusfraktur“

S1-Leitlinie „Empfehlungen zur Therapie der akuten Appendizitis bei Erwachsenen“

Live-Webinar "Urologie und Sexualmedizin in der Praxis"

Springer Medizin

Abstract

Bitte loggen Sie sich ein, um Zugang zu diesem Inhalt zu erhalten

Update Chirurgie