Валидация специально разработанной 3D-модели головы с применением искусственного интеллекта для обучения пункции гассерова узла
Р. А. Суфианов,
Н. А. Гарифуллина,
А. Н. Зырянов,
А. Д. Закшаускас,
М. Ф. Чахмахчева,
А. А. Суфианов https://doi.org/10.47093/2218-7332.2025.1237
Аннотация
Цель. Спроектировать, разработать и валидировать 3D-модель головы для пункции овального отверстия, используя технологии искусственного интеллекта (ИИ) на основе компьютерного зрения.
Материалы и методы. В лаборатории прототипирования разработана трехмерная симуляционная модель с интеграцией ИИ. Ее эффективность для хирургического обучения оценивалась в двух группах: нейрохирурги с опытом работы пять и более лет (n = 10) и ординаторы (n = 28). Результаты обучения оценивались по времени вмешательства, количеству попыток пункции до первой попытки без осложнений, количеству осложнений, связанных с повреждением критических анатомических структур. Валидность оценивалась с помощью шкалы Лайкерта.
Результаты. До обучения группы различались по времени, затраченному на вмешательство, количеству попыток пункции и количеству осложнений, связанных с повреждением критических анатомических структур. После обучения время вмешательства сократилось на 50% в обеих группах, количество попыток пункции уменьшилось на 50,0% у врачей и на 60,3% у ординаторов. Общее число осложнений снизилось на 57,8% у врачей и на 59% у ординаторов. Анализ шкалы Лайкерта не выявил статистически значимых различий между группами по всем параметрам. Осуществимость и образовательная эффективность модели были оценены на 4 или 5 баллов 90% участников в обеих группах. Анатомическая реалистичность получила оценку 4 или 5 у 90% врачей и 100% ординаторов. Рентгенографический реализм получил оценку 4 или 5 от всех участников. Стоимость создания симулятора, не учитывая стоимость 3D-принтера, составила 22 685 рублей.
Заключение. Разработанная 3D-симуляционная модель с интеграцией искусственного интеллекта значительно улучшила результаты обучения как в группе врачей, так и в группе ординаторов. Использование стандартного оборудования для прототипирования представляет собой экономически эффективную, безрадиационную альтернативу для широкого внедрения в нейрохирургическое образование.
Об авторах
Р. А. Суфианов
ФГАОУ ВО «Первый Московский государственный медицинский университет имени И.М. Сеченова» Министерства здравоохранения Российской Федерации (Сеченовский Университет);
ФГБУ «Национальный медицинский исследовательский центр онкологии имени Н.Н. Блохина» Министерства здравоохранения Российской Федерации
Россия
Россия
Суфианов Ринат Альбертович, канд. мед. наук, доцент кафедры нейрохирургии; врач-нейрохирург отделения нейроонкологии
ул. Трубецкая, д. 8, стр.2, г. Москва, 119048;
Каширское шоссе, д. 24, г. Москва, 115522
Н. А. Гарифуллина
ФГАОУ ВО «Первый Московский государственный медицинский университет имени И.М. Сеченова» Министерства здравоохранения Российской Федерации (Сеченовский Университет);
ФГБУ «Федеральный центр нейрохирургии» Министерства здравоохранения Российской Федерации (г. Тюмень);
ФГБОУ ВО «Тюменский государственный медицинский университет» Министерства здравоохранения Российской Федерации
Россия
Россия
Гарифуллина Наргиза Аскатовна, аспирант кафедры нейрохирургии; врач-нейрохирург приемо-консультативного отделения; ассистент кафедры фармакологии
ул. Трубецкая, д. 8, стр.2, г. Москва, 119048;
4-й км Червишевского тракта, д. 5, г. Тюмень, 625032;
ул. Одесская, д. 54, г. Тюмень, 625023
А. Н. Зырянов
ФГБУ «Федеральный центр нейрохирургии» Министерства здравоохранения Российской Федерации (г. Тюмень)
Россия
Россия
Зырянов Александр Николаевич, инженер
4-й км Червишевского тракта, д. 5, г. Тюмень, 625032
А. Д. Закшаускас
ФГБУ «Федеральный центр нейрохирургии» Министерства здравоохранения Российской Федерации (г. Тюмень)
Россия
Россия
Закшаускас Антон Данилович, инженер
4-й км Червишевского тракта, д. 5, г. Тюмень, 625032
М. Ф. Чахмахчева
ФГБОУ ВО «Тюменский государственный медицинский университет»
Министерства здравоохранения Российской Федерации
Россия
Россия
Чахмахчева Маргарита Фотиевна, студентка Института материнства и детства
ул. Одесская, д. 54, г. Тюмень, 625023
А. А. Суфианов
ФГАОУ ВО «Первый Московский государственный медицинский университет имени И.М. Сеченова» Министерства здравоохранения Российской Федерации (Сеченовский Университет);
ФГБУ «Федеральный центр нейрохирургии» Министерства здравоохранения Российской Федерации (г. Тюмень);
ФГАОУ ВО «Российский университет дружбы народов имени Патриса Лумумбы»; Медицинский университет короля Эдуарда
Россия
Россия
Суфианов Альберт Акрамович, д-р мед. наук, профессор, член-корреспондент РАН, заведующий кафедрой нейрохирургии; главный врач; директор Учебно-научного института нейрохирургии; профессор кафедры нейрохирургии
ул. Трубецкая, д. 8, стр.2, г. Москва, 119048;
4-й км Червишевского тракта, д. 5, г. Тюмень, 625032;
ул. Миклухо-Маклая, д. 6, г. Москва, 117198;
Анаркали, г. Лахор, 54000, Пакистан
Список литературы
1. Thomas W.E. Teaching and assessing surgical competence. Ann R Coll Surg Engl. 2006 Sep; 88(5): 429–432. https://doi.org/10.1308/003588406X116927. PMID: 17002841
2. Sachdeva A.K., Tekian A., Park Y.S., Cheung J.J.H. Surgical skills training for practicing surgeons founded on established educational theories and frameworks. Med Teach. 2024 Apr; 46(4): 556–563. https://doi.org/10.1080/0142159X.2023.2262101. Epub 2023 Oct 9. PMID: 37813106
3. Joshi T., Budhathoki P., Adhikari A., et al. Improving medical education: a narrative review. Cureus. 2021 Oct 14; 13(10): e18773. https://doi.org/10.7759/cureus.18773. PMID: 34804650
4. Koch A., Kullmann A., Stefan P., et al. Intraoperative dynamics of workflow disruptions and surgeons’ technical performance failures: insights from a simulated operating room. Surg Endosc. 2022 Jun; 36(6): 4452–4461. https://doi.org/10.1007/s00464-021-08797-0. Epub 2021 Nov 1. PMID: 34724585
5. Fava A., Gorgoglione N., De Angelis M., et al. Key role of microsurgical dissections on cadaveric specimens in neurosurgical training: Setting up a new research anatomical laboratory and defining neuroanatomical milestones. Front Surg. 2023 Mar 9; 10: 1145881. https://doi.org/10.3389/fsurg.2023.1145881. PMID: 36969758
6. Almeida D.B., Hunhevicz S., Bordignon K., et al. A model for foramen ovale puncture training: Technical note. Acta Neurochir (Wien). 2006 Aug; 148(8): 881–883; discussion 883. https://doi.org/10.1007/s00701-006-0817-2. Epub 2006 Jun 23. PMID: 16791431
7. He Y.Q., He S., Shen Y.X., Qian C. Clinical value of a self-designed training model for pinpointing and puncturing trigeminal ganglion. Br J Neurosurg. 2014 Apr; 28(2): 267–269. https://doi.org/10.3109/02688697.2013.835379. Epub 2013 Sep 7. PMID: 24628215
8. Buyck F., Vandemeulebroucke J., Ceranka J., et al. Computervision based analysis of the neurosurgical scene – A systematic review. Brain Spine. 2023 Nov 7; 3: 102706. https://doi.org/10.1016/j.bas.2023.102706. PMID: 38020988
9. Héréus S., Lins B., Van Vlasselaer N., et al. Morphologic and morphometric measurements of the foramen ovale: comparing digitized measurements performed on dried human crania with computed tomographic imaging. An observational anatomic study. J Craniofac Surg. 2023 Jan-Feb; 34(1): 404–410. https://doi.org/10.1097/SCS.0000000000008996. Epub 2022 Sep 6. PMID: 36197435
10. Topalli D., Cagiltay N.E. Eye-hand coordination patterns of intermediate and novice surgeons in a simulation-based endoscopic surgery training environment. J Eye Mov Res. 2018 Nov 8; 11(6): 1–14. https://doi.org/10.16910/jemr.11.6.1. PMID: 33828711
11. Lasso A., Heffter T., Rankin A., et al. PLUS: open-source toolkit for ultrasound-guided intervention systems. IEEE Trans Biomed Eng. 2014 Oct; 61(10): 2527–2537. https://doi.org/10.1109/TBME.2014.2322864. Epub 2014 May 9. PMID: 24833412
12. Fedorov A., Beichel R., Kalpathy-Cramer J., et al. 3D Slicer as an image computing platform for the Quantitative Imaging Network. Magn Reson Imaging. 2012 Nov; 30(9): 1323–1341. https://doi.org/10.1016/j.mri.2012.05.001. Epub 2012 Jul 6. PMID: 22770690
13. Joshi A., Kale S., Chandel S., Pal D.K. Likert Scale: explored and explained. Curr. J. Appl. Sci. Technol. 2015 Feb 20; 7(4): 396– 403. https://doi.org/10.9734/BJAST/2015/14975
14. Cheshire W.P. Trigeminal neuralgia: for one nerve a multitude of treatments. Expert Rev Neurother. 2007 Nov; 7(11):1565–1579. https://doi.org/10.1586/14737175.7.11.1565. PMID: 17997704
15. Peris-Celda M., Graziano F., Russo V., et al. Foramen ovale puncture, lesioning accuracy, and avoiding complications: microsurgical anatomy study with clinical implications. J Neurosurg. 2013 Nov; 119(5): 1176–1193. https://doi.org/10.3171/2013.1.JNS12743. Epub 2013 Apr 19. PMID: 23600929
16. Shakur S.F., Luciano C.J., Kania P., et al. Usefulness of a virtual reality percutaneous trigeminal rhizotomy simulator in neurosurgical training. Neurosurgery. 2015 Sep; 11(3): 420–425; discussion 425. https://doi.org/10.1227/NEU.0000000000000853. PMID: 26103444
17. Hopper A.N., Jamison M.H., Lewis W.G. Learning curves in surgical practice. Postgrad Med J. 2007 Dec; 83(986): 777–77
18. Takagi K., Outmani L., Kimenai H.J.A.N., et al. Learning curve of kidney transplantation in a high-volume center: A Cohort study of 1466 consecutive recipients. Int J Surg. 2020 Aug; 80: 129–134. https://doi.org/10.1016/j.ijsu.2020.06.047. Epub 2020 Jul 11. PMID: 32659389
19. Kasatkin V., Deviaterikova A., Shurupova M., Karelin A. The feasibility and efficacy of short-term visual-motor training in pediatric posterior fossa tumor survivors. Eur J Phys Rehabil Med. 2022 Feb; 58(1): 51–59. https://doi.org/10.23736/S1973-9087.21.06854-4. Epub 2021 Jul 12. PMID: 34247471
20. Park C.K. 3D-Printed disease models for neurosurgical planning, simulation, and training. J Korean Neurosurg Soc. 2022 Jul; 65(4): 489–498. https://doi.org/10.3340/jkns.2021.0235. Epub 2022 Jun 28. PMID: 35762226
21. Pucci J.U., Christophe B.R., Sisti J.A., Connolly E.S. Jr. Threedimensional printing: technologies, applications, and limitations in neurosurgery. Biotechnol Adv. 2017 Sep; 35(5): 521–529. https://doi.org/10.1016/j.biotechadv.2017.05.007. Epub 2017 May 24. PMID: 28552791
22. Dewan M.C., Rattani A., Fieggen G., et al. Global neurosurgery: the current capacity and deficit in the provision of essential neurosurgical care. Executive Summary of the Global Neurosurgery Initiative at the Program in Global Surgery and Social Change. J Neurosurg. 2018 Apr 27; 130(4): 1055–1064. https://doi.org/10.3171/2017.11.JNS171500. PMID: 29701548
23. Wong C.E., Chen P.W., Hsu H.J., et al. Collaborative humancomputer vision operative video analysis algorithm for analyzing surgical fluency and surgical interruptions in endonasal endoscopic pituitary surgery: cohort study. J Med Internet Res. 2024 Jul 4; 26: e56127. https://doi.org/10.2196/56127. PMID: 38963694
24. Ganni S., Botden S.M.B.I., Chmarra M., et al. A software-based tool for video motion tracking in the surgical skills assessment landscape. Surg Endosc. 2018 Jun; 32(6): 2994–2999. https://doi.org/10.1007/s00464-018-6023-5. Epub 2018 Jan 16. PMID: 29340824
25. Danilov G., Kostyumov V., Pilipenko O., et al. Computer vision for assessing surgical movements in neurosurgery. Stud Health Technol Inform. 2024 Aug 22; 316: 934–938. https://doi.org/10.3233/SHTI240564. PMID: 39176945
26. Ciporen J., Lucke-Wold B., Dogan A., et al. Dual endoscopic endonasal transsphenoidal and precaruncular transorbital approaches for clipping of the cavernous carotid artery: A cadaveric simulation. J Neurol Surg B Skull Base. 2016 Dec; 77(6): 485–490. https://doi.org/10.1055/s-0036-1584094. Epub 2016 May 24. PMID: 27857875
27. Kashapov L.N., Kashapov N.F., Kashapov R.N., Pashaev B.Y. The application of additive technologies in creation a medical simulator-trainer of the human head operating field. IOP Conf Ser: Mater Sci Eng. 2016; 134: 012011. https://doi.org/10.1088/1757-899X/134/1/012011
28. Santona G., Madoglio A., Mattavelli D., et al. Training models and simulators for endoscopic transsphenoidal surgery: A systematic review. Neurosurg Rev. 2023 Sep 19; 46(1): 248. https://doi.org/10.1007/s10143-023-02149-3. PMID: 37725193
29. Xu Y., El Ahmadieh T.Y., Nunez M.A., et al. Refining the anatomy of percutaneous trigeminal rhizotomy: A cadaveric, radiological, and surgical study. Oper Neurosurg. 2023 Apr 1; 24(4): 341–349. https://doi.org/10.1227/ons.0000000000000590. Epub 2023 Jan 23. PMID: 36716051
30. James J., Irace A.L., Gudis D.A., Overdevest J.B. Simulation training in endoscopic skull base surgery: A scoping review. World J Otorhinolaryngol Head Neck Surg. 2022 Mar 31; 8(1): 73–81. https://doi.org/10.1002/wjo2.11. PMID: 35619934
31. Mayol Del Valle M., De Jesus O., Vicenty-Padilla J.C., et al. Development of a neurosurgical cadaver laboratory despite limited resources. P R Health Sci J. 2022 Sep; 41(3): 153–156. PMID: 36018744
Дополнительные файлы
|
1. Supplement А. A circuit diagram of the 3D head model operation based on the ARDUINO microcontroller. | |
| Тема | ||
| Тип | Исследовательские инструменты | |
Скачать
(760KB)
|
Метаданные ▾ | |
|
|
2. Supplement B. Calculation of the cost of making a 3D model of the head. | |
| Тема | ||
| Тип | Исследовательские инструменты | |
Скачать
(814KB)
|
Метаданные ▾ | |
|
|
3. Supplement C. Video demonstrating how to practice the puncture of the foramen ovale. | |
| Тема | ||
| Тип | Исследовательские инструменты | |
Скачать
(645KB)
|
Метаданные ▾ | |
Рецензия
Sechenov Medical Journal. Editor's checklist for this article you can find here.
Журнал «Сеченовский вестник» |
| Sechenov Medical Journal |
Рецензии на рукопись |
| Peer-review reports |
Название / Title | Валидация специально разработанной 3D-модели головы с применением искусственного интеллекта для обучения пункции гассерова узла / Validation of specially designed and artificial intelligence-based 3D head model for training of Gasserian ganglion puncture |
Раздел / Section
| НЕЙРОХИРУРГИЯ/ NEUROSURGERY
|
Тип / Article | Оригинальная статья / Original article |
Номер / Number | 1237
|
Страна/территория / Country/Territory of origin | Россия / Russia |
Язык / Language | Английский / English
|
Источник / Manuscript source | Инициативная рукопись / Unsolicited manuscript |
Дата поступления / Received | 05.06.2025 |
Тип рецензирования / Type ofpeer-review | Двойное слепое / Double blind |
Язык рецензирования / Peer-review language | Английский / English |
РЕЦЕНЗЕНТ А / REVIEWER A
Инициалы / Initials | 1237_А
|
Научная степень / Scientific degree | Доктор медицинских наук / Dr. of Sci. (Medicine)
|
Страна/территория / Country/Territory | Россия / Russia
|
Дата рецензирования / Date of peer-review | 19.07.2025 |
Число раундов рецензирования / Number of peer-review rounds | 1 |
Финальное решение / Final decision | принять к публикации / accept
|
ПЕРВЫЙ РАУНД РЕЦЕНЗИРОВАНИЯ / FIRST ROUND OF PEER-REVIEW
Scientific quality: Grade B: Good
Language quality: Grade B (Minor language polishing)
Re-review: No
The article addresses topical issues related to the development of puncture surgical procedures in the treatment of trigeminal neuralgia. The paper shows in detail that iatrogenic complications are most often associated with insufficient surgeon competence, which leads to anatomical disorientation and difficulty in maneuvering the puncture needle under fluoroscopic control, resulting from a lack of visual-motor coordination skills. To improve the competence of surgeons in the field of puncture neurosurgical interventions, there is an urgent need for high-quality preoperative training in puncture skills in a safe environment. Today, one of the strategic and promising directions for solving the above problems is the introduction of artificial intelligence (AI) and engineering technologies for the development of simulation training models. 3D-printed simulation models are as close to reality as possible in terms of the anatomy and topography of the operated area. The 3D model developed in this work considers the anatomical and topographical location of the oval foramen and Gasser's node, and the use of conductive materials and electronic systems provides feedback when the instrument comes into contact with the target structures. Immediate feedback in case of incorrect needle placement helps to avoid the formation of incorrect skills, which contributes to increased accuracy and quality of training.
However, visual fluoroscopic guidance using a C-arm is necessary to practice visual-motor coordination skills during oval foramen puncture, which limits training time due to the negative effects of ionizing radiation. Integrating computer vision into the training process for oval foramen puncture on a simulated 3D printed model is a safe and effective solution.
Computer vision is a field of AI that focuses on the use of algorithms that allow computers to analyze and understand graphic data, extracting meaningful information from digital images, videos, and other visual inputs. In this work, the authors created a computer vision algorithm for identifying the QR code of the puncture needle, which enabled the emulation of the C-arm and the practice of visual-motor coordination skills during oval foramen puncture. A significant advantage of the developed system is the use of standard equipment (webcam, personal computer with a graphics accelerator), which makes it affordable for widespread implementation in training centers. The absence of the need for expensive X-ray equipment significantly reduces the cost of training and expands the possibilities for practical training of specialists. The integrated collaboration of AI and engineering technologies allows the implementation of physical 3D models for practicing surgical skills, the emulation of a material object into virtual content in real time, and the assessment of a surgeon's readiness for the type of surgical intervention being practiced.
The illustrations are of high quality and easy to understand.
Statistical analysis of punctures before and after training, shown in Table 2, revealed a statistically significant improvement in all indicators in the groups of doctors and residents. According to the results of the study, the initial level of complications in the group of residents was higher, but after training, the indicators were close to those of neurosurgeons.
The realism and construct validity of the simulator were confirmed by residents of the Department of Neurosurgery at the Federal Center for Neurosurgery and neurosurgeons at the Federal Center for Neurosurgery (Likert 4 and 5 points). Residents and practicing neurosurgeons rated the simulator as “easy to use” and “useful” when used to teach puncture methods for treating trigeminal neuralgia.
It should be noted that cadaver material is most suitable for training and allows for a spatial understanding of the anatomy of the puncture corridor from a morphological point of view. However, the limited use of cadaver heads is associated with legal and economic issues. The cost of a single human cadaver head ranges from $600 to $1,000.
The article shows in detail the advantages of modern methods of visualizing the oval foramen. The study focuses on the effective integration of engineering technologies and AI as a useful and safe tool for teaching puncture methods for treating NTN. The results of the study demonstrate that the developed 3D simulation model of the head is highly realistic and has educational value. After simulation training, the duration of the procedure was reduced, the number of puncture attempts decreased, and the number of complications associated with damage to adjacent anatomical structures decreased. These results emphasize the value of using a simulator in the educational process of neurosurgeons.
This work is a definite step forward in the development of surgical treatment for various trigeminal neuralgias and can serve as a teaching aid.
Recommendation after the first round of peer-review: accept.
РЕЦЕНЗЕНТ B / REVIEWER B
Инициалы / Initials | 1237_В
|
Научная степень / Scientific degree | Кандидат медицинских наук / PhD |
Страна/территория / Country/Territory | Япония / Japan
|
Дата рецензирования / Date of peer-review | 15.07.2025 |
Число раундов рецензирования / Number of peer-review rounds | 1 |
Финальное решение / Final decision | принять к публикации / accept
|
ПЕРВЫЙ РАУНД РЕЦЕНЗИРОВАНИЯ / FIRST ROUND OF PEER-REVIEW
Scientific quality: Grade B: Excellent
Language quality: Grade B (Minor language polishing)
Re-review: No
The study presents a report on Gasserian ganglion puncture using AI and 3D models. The procedure is described in detail, effectively demonstrating its efficacy. This video enhances understanding of its efficacy. This paper absolutely deserves to be published in SMJ.
РЕКОМЕНДАЦИИ НАУЧНЫХ РЕДАКТОРОВ ЖУРНАЛА / RECOMMENDATIONS
OF THE SCIENTIFIC EDITORS OF THE JOURNAL
- To provide a clear visual representation of all stages of the study and the groups of participants involved, a flow diagram showing how patients were included in the study is necessary. This enhances transparency, enabling readers to better understand the study design and participant flow.
- To display tables correctly, in accordance with the journal's technical and scientific formatting requirements, the table data must be transposed (i.e. rows containing groups must be converted into columns). This improves readability and ensures compliance with the journal's layout standards.
- To improve clarity and facilitate visual interpretation of the results, it is advisable to present the data from the 'Training results according to the Likert scale' table in graphical format. Using a diagram would make the data more accessible and easier to compare.
Просмотров:
597
Послать статью по эл. почте 