Skip to main content
Log in

Der intelligente Operationssaal

Vom passiven Gerätepark zum mitdenkenden, kognitiven Assistenten

Intelligent operating room suite

From passive medical devices to the self-thinking cognitive surgical assistant

  • Leitthema
  • Published:
Der Chirurg Aims and scope Submit manuscript

Zusammenfassung

Moderne Operationssäle sind zwar zumeist digital vernetzt, konzentrieren sich bisher aber hauptsächlich auf die Darstellung, Weitergabe und Verteilung von Bildern. Geräteinformationen und Abläufe innerhalb des Operationssaals werden kaum berücksichtigt. Kognitive Assistenzsysteme haben in anderen Bereichen wie der Automobilindustrie und Logistik zu einem fundamentalen Umdenken geführt. Prinzipiell bieten die teilweise hoch repetitiven Aufgaben im Operationssaal ebenfalls großes Potenzial, maschinell automatisch durch ein mitdenkendes System unterstützt zu werden. Dabei geht es auch um die Verbesserung der Abstimmung der Arbeitsabläufe im gesamten Operationstrakt und im Krankenhaus auf den perioperativen Prozess. Mit entsprechenden Daten aus Krankenhausinformationssystemen, von medizintechnischen Geräten sowie entsprechender Modellierung des chirurgischen Ablaufs können in Zukunft intelligente Systeme den Arbeitsablauf im Operationssaal optimieren und den Chirurgen entscheidend entlasten. Erste Ergebnisse hinsichtlich der Nutzung von Gerätedaten und der automatischen Steuerung des Operationssaales liegen bereits vor. Solche Systeme umfassen unter anderem die laparoskopische Kamerasteuerung. Übergreifende kognitive Assistenzsysteme, die auch das Wissen um Patienten, Prozesse und Informationen abbilden und für die Verbesserung der Therapie nutzen, sind in der klinischen Routine noch nicht vorhanden, aber dringend notwendig, um den Chirurgen situationsbezogen in seinen Handlungen aktiv und automatisch zu unterstützen, um damit die Behandlung von Patienten weiter zu verbessern.

Abstract

Modern operating room (OR) suites are mostly digitally connected but until now the primary focus was on the presentation, transfer and distribution of images. Device information and processes within the operating theaters are barely considered. Cognitive assistance systems have triggered a fundamental rethinking in the automotive industry as well as in logistics. In principle, tasks in the OR, some of which are highly repetitive, also have great potential to be supported by automated cognitive assistance via a self-thinking system. This includes the coordination of the entire workflow in the perioperative process in both the operating theater and the whole hospital. With corresponding data from hospital information systems, medical devices and appropriate models of the surgical process, intelligent systems could optimize the workflow in the operating theater in the near future and support the surgeon. Preliminary results on the use of device information and automatically controlled OR suites are already available. Such systems include, for example the guidance of laparoscopic camera systems. Nevertheless, cognitive assistance systems that make use of knowledge about patients, processes and other pieces of information to improve surgical treatment are not yet available in the clinical routine but are urgently needed in order to automatically assist the surgeon in situation-related activities and thus substantially improve patient care.

This is a preview of subscription content, log in via an institution to check access.

Access this article

Subscribe and save

Springer+ Basic
$34.99 /Month
  • Get 10 units per month
  • Download Article/Chapter or eBook
  • 1 Unit = 1 Article or 1 Chapter
  • Cancel anytime
Subscribe now

Buy Now

Price excludes VAT (USA)
Tax calculation will be finalised during checkout.

Instant access to the full article PDF.

Abb. 1
Abb. 2
Abb. 3

Literatur

  1. Kenngott HG et al (2015) Computer-assisted abdominal surgery: New technologies. Langenbecks Arch Surg 400(3):273–281

    Article  CAS  PubMed  Google Scholar 

  2. Orringer DA, Golby A, Jolesz F (2012) Neuronavigation in the surgical management of brain tumors: current and future trends. Expert Rev Med Devices 9(5):491–500

    Article  CAS  PubMed  PubMed Central  Google Scholar 

  3. Kenngott HG et al (2012) Status of robotic assistance– a less traumatic and more accurate minimally invasive surgery? Langenbecks Arch Surg 397(3):333–341

    Article  CAS  PubMed  Google Scholar 

  4. Kenngott HG et al (2014) Real-time image guidance in laparoscopic liver surgery: First clinical experience with a guidance system based on intraoperative CT imaging. Surg Endosc Other Interv Tech 28(3):933–940

    Article  Google Scholar 

  5. Liebmann P, Neumuth T (2012) Prediction of surgical work steps in neurosurgery. Biomed Tech (Berl). doi:10.1515/bmt-2012-4187

    Google Scholar 

  6. Beller S et al (2009) Upgrade of an optical navigation system with a permanent electromagnetic position control: A first step towards “navigated control” for liver surgery. J Hepatobiliary Pancreat Surg 16(2):165–170

    Article  PubMed  Google Scholar 

  7. Strauss G et al (2012) Clinical experience with navigation functions for temporal bone surgery: Interim result after 40 patients. HNO 60(12):1115–1121

    Article  CAS  PubMed  Google Scholar 

  8. Kranzfelder M et al (2014) Reliability of sensor-based real-time workflow recognition in laparoscopic cholecystectomy. Int J Comput Assist Radiol Surg 9(6):941–948

    Article  PubMed  Google Scholar 

  9. Kocabas O, Soyata T, Aktas MK (2016) Emerging security mechanisms for medical cyber physical systems. IEEE/ACM Trans Comput Biol Bioinform 13(3):401–416

    Article  PubMed  Google Scholar 

  10. Katić D et al (2015) LapOntoSPM: An ontology for laparoscopic surgeries and its application to surgical phase recognition. Int J Comput Assist Radiol Surg 10(9):1427–1434

    Article  PubMed  Google Scholar 

  11. Wagner M et al (2015) Cognitive Camera Robot for Cognition-Guided Laparoscopic Surgery. Proceedings of the Hamlyn Symposium on Medical Robotics 2015. London

  12. Shademan A et al (2016) Supervised autonomous robotic soft tissue surgery. Sci Transl Med 8(337):337ra64. doi:10.1126/scitranslmed.aad9398

    Article  PubMed  Google Scholar 

  13. Chen Y, Elenee Argentinis JD, Weber G (2016) IBM Watson: how cognitive computing can be applied to big data challenges in life sciences research. Clin Ther 38(4):688–701

    Article  PubMed  Google Scholar 

Download references

Author information

Authors and Affiliations

Authors

Corresponding author

Correspondence to B. P. Müller-Stich.

Ethics declarations

Interessenkonflikt

H. Kenngott, M. Wagner, A.A. Preukschas und B.P. Müller-Stich arbeiten gemeinsam mit der Firma Karl Storz im InnOPlan-Projekt (gefördert durch das Bundesministerium für Wirtschaft und Energie im Rahmen des Technologieprogramms SmartData) an der effizienten datengetriebenen operationsübergreifenden Prozesssteuerung.

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

Rights and permissions

Reprints and permissions

About this article

Check for updates. Verify currency and authenticity via CrossMark

Cite this article

Kenngott, H.G., Wagner, M., Preukschas, A.A. et al. Der intelligente Operationssaal. Chirurg 87, 1033–1038 (2016). https://doi.org/10.1007/s00104-016-0308-9

Download citation

  • Published:

  • Issue Date:

  • DOI: https://doi.org/10.1007/s00104-016-0308-9

Schlüsselwörter

Keywords

Navigation