Descripció del projecte
En l’àmbit quirúrgic, la seguretat del pacient i la eficiència dels processos és fonamental. En aquest sentit, el control exhaustiu del material quirúrgic utilitzat als hospitals és un aspecte crític. A mode d’exemple, en un hospital de tercer nivell, com pot ser l’Hospital Germans Trias i Pujol (Badalona), s’utilitzen i reprocessen aproximadament 15.000 instruments quirúrgics diaris.
Per tal de garantir que el material es reprocessa adequadament, que les caixes quirúrgiques que el contenen estiguin ben formades per tal que no falti instrumental durant les cirurgies, que el material es troba en bon estat o que cap instrument quirúrgic quedi accidentalment dins del propi pacient, és imprescindible millorar l’actual traçabilitat dels hospitals. En aquest sentit, disposar d’un sistema automàtic i fiable que pugui identificar, comptar i verificar totes les eines quirúrgiques abans i després de l’operació i durant el pas pel procés d’esterilització aportaria seguretat i eficiència operativa, donat que actualment aquesta tasca es fa de forma manual.
Aquest sistema hauria de ser capaç de detectar amb alta precisió qualsevol instrument o peça, diferenciant entre eines molt similars com per exemple diferents tipus de pinces o tisores amb formes gairebé idèntiques, així com de reconèixer si alguna peça manca en el conjunt original. Aquesta funcionalitat és essencial per evitar errors humans. A més, el sistema hauria de poder distingir entre eines netes i aquelles que ja han estat utilitzades i estan tacades de sang o teixits. Aquesta capacitat discriminativa ajudaria a millorar el flux de treball dins del quiròfan i en els circuits de neteja i esterilització.
Per assolir aquests objectius, cal explorar tecnologies que vagin més enllà de la visió humana. Les càmeres hiperespectrals, per exemple, permeten captar informació espectral detallada que pot ajudar a identificar materials, presència de fluids corporals, i distincions microscòpiques entre superfícies aparentment iguals. Altres tecnologies com la visió per profunditat (3D), la intel·ligència artificial entrenada amb xarxes neuronals convolucionals (CNNs) i la fusió de sensors poden contribuir a un reconeixement més precís i robust.
L’estat de l’art en visió per ordinador ja permet abordar reptes com la detecció d’objectes en entorns amb condicions de llum variables, l’anàlisi d’imatges complexes en temps real i l’aprenentatge automàtic per millorar contínuament el reconeixement d’eines. Aplicar aquestes tecnologies en l’àmbit quirúrgic no només pot reduir dràsticament el risc d’incidents, sinó també optimitzar la gestió de material i la traçabilitat dins l’hospital.
En resum, la implementació d’un sistema de detecció visual avançat en quiròfans és una necessitat creixent per garantir la seguretat, eficiència i fiabilitat del procés quirúrgic. La proposta de projecte seria:
– Any 1: Estudi de l’estat de l’art i proves de concepte
Objectius: Analitzar l’estat actual de les tecnologies aplicables com Visió per ordinador, Intel·ligència artificial (reconeixement d’objectes), Càmeres hiperespectrals i multispectrals, Sistemes de visió 3D i profunditat. Avaluar l’ús de biblioteques i plataformes (ex: YOLO, TensorFlow, PyTorch, OpenCV). Definir requisits clínics i operatius mitjançant col·laboració amb personal sanitari. Crear una base de dades d’imatges d’eines quirúrgiques en diversos estats (netes, usades, tacades de sang, etc.) Continuar el desenvolupament dels prototips actuals de classificació d’eines.
Reptes tècnics: Alta similitud entre eines (formes i materials) Variabilitat en les condicions de llum i entorns quirúrgics Recollida i anotació d’un conjunt de dades suficientment representatiu.
– Any 2: Desenvolupament del sistema de reconeixement i diferenciació avançada
Objectius: Implementar models d’aprenentatge profund per a la identificació i comptatge automàtic d’eines. Integrar visió hiperespectral per detectar residus biològics i classificar l’estat d’ús de les eines. Validar el sistema en entorns de laboratori amb conjunts d’eines reals. Desenvolupar interfícies de visualització i control per a ús hospitalari.
Reptes tècnics: Entrenament de models robustos amb dades complexes (imatges hiperespectrals, sang, reflectància de metalls). Integració de sensors hiperespectrals amb visió RGB i/o 3D. Latència i rendiment en temps real.
– Any 3: Validació clínica i integració en entorns hospitalaris
Objectius: Provar el sistema en entorns clínics reals. Avaluar la fiabilitat del sistema en situacions operatives (temps real, diferents tipus d’eines, etc.) Ajustar els algoritmes segons les necessitats observades en l’ús pràctic. Dissenyar un prototip funcional preparat per a transferència tecnològica o comercialització. Preparar documentació reguladora per homologació (ex: ISO13485, marcat CE).
Reptes tècnics i pràctics: Fiabilitat i tolerància a errors zero: garantir que cap eina es perdi o malclassifiqui. Acceptació per part del personal clínic. Compliment normatiu en dispositius mèdics.
Resultats esperats:
Sistema prototip funcional capaç de detectar i comptar totes les eines quirúrgiques abans i després d’una intervenció, distingir entre eines netes i brutes i diferenciar entre eines molt similars així com alertar de qualsevol instrument que falti o que es trobi malmès. Crear bases de dades etiquetades d’imatges quirúrgiques útils per a la comunitat científica amb publicacions científiques i transferència tecnològica potencial.
