A Review of the Intraoperative Use of Artificial Intelligence in Urologic Surgery
Notice bibliographique
Résumé
Introduction: Future evolutions of artificial intelligence (AI) will support autonomous surgery, conducted without the need for human decision making and implementation, but we have not yet achieved this level of technology. Presently, the predominant applications of AI in urological surgery are achieved using the tool of computer vision. This review aims to summarise potential intra-operative AI tools for urologists. Method: A systematic search was conducted through Scopus, PubMed, Embase, and Medline by two independent reviewers, with a third to resolve any conflicts. As a rule, only original articles describing the use or potential use of artificial intelligence intra-operatively in urologic surgery were included. A total of 60 articles were reviewed. Key content and findings: There is significant research investigating the ability to diagnose bladder tumours using AI assistance at the time of cystoscopy, with studies showing the ability to also grade tumour based on appearance and differentiate between carcinoma in situ and indeterminate lesions. With the aid of AI, kidney stones can accurately be identified and diagnosed morphologically intra-operatively. Various studies show the ability to overlay 2D and 3D anatomical models on a surgeon’s screen, as well as correctly identify important anatomical landmarks and surgical instruments, with AI support. All types of intra-operative data can be analysed with AI to assess surgeon performance, predict post-operative outcomes such as continence post prostatectomy, and recognise complications such as bleeding and ischemia. Conclusions: AI holds great potential for urologists during surgery to improve safety, diagnostic accuracy, identification of anatomical structures and surgical instruments, assessment of the surgeon for self-evaluation, and prediction of post-operative outcomes. Before the use of AI as an aid during surgery becomes standard practice, more prospective studies are needed to evaluate its real-world application, feasibility, and costs.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,010 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,002 |
| Bibliométrie | 0,014 | 0,013 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,001 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».