EUVIMEDEUVIMED entdecken
Open Access · CC BY-NC-ND 4.0

Artificial Intelligence–Based Surgical Phase Analysis Enables Objective Assessment of Surgeon Skill in Robotic Distal Gastrectomy: A Multicenter Study

KI-basierte Analyse chirurgischer Phasen ermöglicht objektive Beurteilung der Operateur:innenleistung bei robotischer distaler Gastrektomie: Multicenter-Studie

Masaru Komatsu, Daichi Kitaguchi iD, Yoichi Ninomiya, Yuya Takabe, Mitsumasa Yoshida, Masahiro Yura, Nobuyoshi Takeshita, Takahiro Kinoshita, Masaaki Ito iD

Annals of Gastroenterological Surgery · 2026-11 · 10 (6) · 1722-1731

DOI: 10.1002/ags3.70249 ↗

Auf einen Blick

In 137 RDG-Videos aus 15 Zentren erkannte ein KI-Modell neun OP-Phasen mit 87,0 % Genauigkeit. Phase-spezifische Unterschiede zeigten sich je nach robotischem Fallvolumen der Operateur:innen.

Fragestellung

Ist eine KI-basierte Videoanalyse bei robotischer distaler Gastrektomie zur Phasen-Erkennung und zur Charakterisierung von Leistungsunterschieden nach Erfahrung geeignet?

Methode

Entwicklung eines Bildklassifikationsmodells; 9 OP-Phasen wurden von erfahrenen Magenchirurg:innen frameweise annotiert (1 fps). Leistung anhand von Accuracy, Precision, Recall und F1-Score; explorativer Vergleich nach robotischem Fallvolumen.

Ergebnisse

137 RDG-Videos aus 15 Institutionen. Das 9-Phasen-Modell erreichte eine Gesamtgenauigkeit von 87,0 %. Die KI-determinierte Dauer der rechtsseitigen Lymphadenektomie der großen Kurvatur war bei höherem Fallvolumen kürzer (3789 vs. 2547 Frames, p < 0,01).

Einschränkungen

Generalisierbarkeit möglicherweise eingeschränkt durch Überschneidungen zwischen Trainings- und Validierungsdatensatz.

Schlussfolgerung der Autor:innen

Das KI-Modell zeigte robuste Leistung bei der multizentrischen Erkennung chirurgischer Phasen. Die Analyse ermöglichte eine objektive Beschreibung phasenspezifischer OP-Profile nach Erfahrung und ist als explorativer Rahmen geeignet.

Kernaussagen

  • 9 OP-Phasen wurden in 137 RDG-Videos analysiert
  • Gesamtgenauigkeit des Modells: 87,0 %
  • Phasendauer unterschied sich nach robotischem Fallvolumen

Deutsche Zusammenfassung: KI-gestützt aus dem Original-Abstract erstellt; alle Zahlen wurden automatisch mit dem Original abgeglichen. Maßgeblich ist der Original-Abstract.

Kurz gefasst

Fachartikel in der Zeitschrift Annals of Gastroenterological Surgery, online erschienen am 15.07.2026. Verfasst von Masaru Komatsu und 8 weiteren Autor:innen. Beteiligte Einrichtung: Gastric Surgery Division National Cancer Center Hospital East Chiba Japan. Die Arbeit nennt 34 Literaturangaben. Der Volltext ist frei zugänglich (Open Access, CC BY-NC-ND 4.0). Gefördert von: National Cancer Center.

Auf einen BlickAbstractSchlagwörterBibliografische AngabenZitierenVerwandte Studien

Abstract (Originalsprache)

Aim

Artificial intelligence (AI)–based surgical video analysis can automate time‐consuming manual assessments and enable objective characterization of surgical workflows. We aimed to construct a large, multicenter, fully annotated dataset of robotic distal gastrectomy (RDG) videos and evaluate the feasibility and performance of an AI model for surgical phase recognition. We further explored whether AI‐derived phase‐specific metrics could characterize phase‐level performance differences according to surgeon experience.

Methods

We developed an image classification model to automatically identify surgical phases in RDG videos. Experienced gastric surgeons annotated nine predefined surgical phases on a frame‐by‐frame basis (1 fps). Model performance was assessed using accuracy, precision, recall, and F1‐score. In an exploratory analysis, the duration of each AI‐predicted surgical phase was quantified and compared according to each surgeon's robotic case volume.

Results

We analyzed 137 RDG videos collected from 15 institutions. The nine‐phase recognition model achieved an overall accuracy of 87.0%. Among the surgical phases, the AI‐predicted duration of right‐sided greater curvature lymphadenectomy was shorter for surgeons with higher robotic case volume than those with lower volume (3789 vs. 2547 frames, p < 0.01), indicating phase‐specific differences in operative performance.

Conclusions

The proposed AI model demonstrated robust performance in multicenter surgical phase recognition. AI‐based surgical phase analysis enabled objective characterization of phase‐specific operative profiles according to surgeon experience. These findings support the feasibility of surgical phase analysis as an exploratory framework for performance profiling and educational support in robotic gastrectomy. However, generalizability may be limited owing to institutional overlap between the training and validation datasets.

Schlagwörter

Stichwörter der Autor:innen

artificial intelligenceconvolutional neural networkrobotic distal gastrectomysurgical phase recognition

Autor:innen und Institutionen

  • Gastric Surgery Division National Cancer Center Hospital East Chiba Japan.
  • Department for the Promotion of Medical Device Innovation National Cancer Center Hospital East Chiba Japan.

ORCID-Profile: Daichi Kitaguchi, Masaaki Ito

Förderung

  • National Cancer Center

Zitieren

APA

Komatsu, M., Kitaguchi, D., Ninomiya, Y., Takabe, Y., Yoshida, M., Yura, M., Takeshita, N., Kinoshita, T., & Ito, M. (2026). Artificial Intelligence–Based Surgical Phase Analysis Enables Objective Assessment of Surgeon Skill in Robotic Distal Gastrectomy: A Multicenter Study. Annals of Gastroenterological Surgery, 10(6), 1722-1731. https://doi.org/10.1002/ags3.70249

Vancouver

Komatsu M, Kitaguchi D, Ninomiya Y, Takabe Y, Yoshida M, Yura M, et al. Artificial Intelligence–Based Surgical Phase Analysis Enables Objective Assessment of Surgeon Skill in Robotic Distal Gastrectomy: A Multicenter Study. Annals of Gastroenterological Surgery. 2026;10(6):1722-1731. doi:10.1002/ags3.70249

BibTeX
@article{Komatsu2026,
  author = {Komatsu, Masaru and Kitaguchi, Daichi and Ninomiya, Yoichi and Takabe, Yuya and Yoshida, Mitsumasa and Yura, Masahiro and Takeshita, Nobuyoshi and Kinoshita, Takahiro and Ito, Masaaki},
  title = {Artificial Intelligence–Based Surgical Phase Analysis Enables Objective Assessment of Surgeon Skill in Robotic Distal Gastrectomy: A Multicenter Study},
  journal = {Annals of Gastroenterological Surgery},
  year = {2026},
  volume = {10},
  number = {6},
  pages = {1722--1731},
  doi = {10.1002/ags3.70249}
}
Kostenlos starten →