Smart Operation Theatre: An AI-based System for Surgical Gauze Counting

En colaboración con el Hospital General de Singapur, se desarrolló un sistema de inteligencia artificial basado en YOLOv5 que utiliza reconocimiento de objetos en tiempo real para contar automáticamente las gasas quirúrgicas y prevenir el gossypiboma, logrando una mayor precisión y velocidad mediante un modelo integrado entrenado con 11.000 imágenes.

Lo esencial

¡Claro que sí! Imagina que este proyecto es como tener un guardián digital superpoderoso en el quirófano, diseñado para evitar un error muy peligroso y costoso. Aquí te lo explico de forma sencilla, usando analogías de la vida diaria:

🏥 El Problema: "El Tesoro Perdido"

Imagina que estás cocinando una cena muy importante y usas muchas toallas de papel para limpiar la sangre de la carne. Al terminar, si olvidas una toalla dentro de la olla y la sirves a tu familia, ¡sería un desastre!

En medicina, esto se llama Gossypiboma. Ocurre cuando los cirujanos, en medio de una operación compleja, olvidan dejar una gasa (una toallita estéril) dentro del cuerpo del paciente. Esto puede causar infecciones graves, dolor o incluso la muerte.

¿Cómo lo solucionan ahora?

1. Contando a mano: Las enfermeras cuentan las gasas una por una, como si fueran monedas en un banco. Es lento, cansado y, a veces, la gente se equivoca por cansancio.
2. Gases con chips (RFID): Son como gasas con un "código de barras" invisible. Son muy precisas, pero son extremadamente caras (como comprar un teléfono inteligente en lugar de una toalla normal). La mayoría de los hospitales no pueden pagarlas.

🤖 La Solución: El "Ojo Mágico" de la Inteligencia Artificial

Este proyecto de la Universidad de NTU (Singapur) ha creado un sistema que actúa como un super-árbitro que nunca se cansa y no se equivoca.

¿Cómo funciona?
Imagina que tienes dos canastas en la cocina:

• Canasta "Entrada" (In): Donde están las gasas limpias listas para usar.
• Canasta "Salida" (Out): Donde van las gasas sucias después de usarse.

El sistema usa cámaras y una Inteligencia Artificial (IA) que funciona como un detective visual.

1. Entrenamiento: La IA fue "entrenada" viendo miles de fotos reales de quirófanos, con sangre, sombras y gasas apiladas, hasta que aprendió a reconocer una gasa incluso si está medio escondida o manchada.
2. El Vigilante: Mientras el cirujano opera, la IA mira en tiempo real las dos canastas.
   • Si una gasa sale de la canasta limpia, la IA dice: "¡Una menos en la entrada!".
   • Si una gasa entra a la canasta sucia, la IA dice: "¡Una más en la salida!".
3. La Cuenta Final: Al terminar la cirugía, el sistema hace una resta mágica: (Gases que salieron) - (Gases que entraron) = ¿Cuántas gasas quedan dentro del paciente?
   • Si el resultado es cero, ¡todo está bien!
   • Si el resultado es uno, ¡ALERTA! Hay una gasa dentro y hay que buscarla antes de cerrar al paciente.

🚦 El Semáforo Inteligente

Para que los médicos no se confundan, el sistema tiene un semáforo en la pantalla:

• 🟢 Verde: Todo bien, puedes mover gasas.
• 🟡 Amarillo: ¡Ojo! Una mano está tocando las gasas (el sistema está prestando atención).
• 🔴 Rojo: ¡Espera! El sistema está actualizando el conteo (como cuando la pantalla de tu celular se congela un segundo para procesar algo).

💡 ¿Por qué es genial?

• Es barato: No necesita gasas especiales con chips. Usa gasas normales y una cámara.
• Es rápido: Cuenta en tiempo real (15 veces por segundo), más rápido que el ojo humano.
• Es un equipo: No reemplaza a las enfermeras, sino que les ayuda. Si la enfermera se equivoca al contar, el sistema lo nota y permite corregirlo manualmente.

🚀 El Futuro

Aunque el sistema ya funciona muy bien, los médicos les han dicho: "Oye, a veces apilamos varias gasas juntas y te cuesta contarlas". El equipo está trabajando en una versión futura que pueda contar incluso si las gasas están en una pila desordenada, como si la IA tuviera superpoderes para ver a través de las cosas.

En resumen: Este proyecto es como poner un seguro de vida digital en cada cirugía. Protege a los pacientes de errores humanos, ahorra millones de dólares a los hospitales en demandas legales y, lo más importante, salva vidas asegurándose de que nada quede olvidado dentro del cuerpo.

Resumen técnico

A continuación presento un resumen técnico detallado del documento "Smart Operation Theatre" (Quirófano Inteligente), basado en las actas de URECA@NTU 2022-23.

Resumen Técnico: Sistema de Conteo de Gasas Quirúrgicas Basado en IA

1. Planteamiento del Problema

El documento aborda el riesgo crítico de dejar gasas médicas dentro del cuerpo de los pacientes tras una cirugía, una condición conocida como Gossypiboma o Retención de Objetos Quirúrgicos (RSI).

• Consecuencias: Esto puede provocar abscesos, shock séptico, dolor crónico e incluso la muerte, además de generar demandas legales y penalizaciones regulatorias para los hospitales.
• Limitaciones de los métodos actuales:
  • Conteo manual: Es propenso al error humano (estudios indican un 88% de inexactitud en conteos finales considerados correctos) y consume tiempo valioso del personal de enfermería.
  • Tecnología RFID: Aunque ofrece un 100% de precisión, es prohibitivamente costosa (aprox. 8 veces más cara que una gasa estándar debido al costo de las etiquetas y los escáneres), lo que limita su adopción masiva.
• Objetivo: Desarrollar una solución de bajo costo, basada en Inteligencia Artificial (IA) y visión por computadora, que automatice el conteo y rastreo de gasas en tiempo real sin incurrir en los altos costos de los sistemas RFID.

2. Metodología

El proyecto se desarrolló en colaboración con el Hospital General de Singapur (SGH) para garantizar la validez clínica y la recolección de datos en entornos reales.

• Arquitectura del Sistema:

  • Configuración de Doble Bandeja: Se utilizan dos bandejas estériles etiquetadas como "In" (gasas limpias/por usar) y "Out" (gasas usadas/sucias).
  • Hardware: Un marco móvil de aluminio con cámaras de alta resolución y luces LED integradas para asegurar una iluminación constante, independientemente de las condiciones del quirófano.
  • Software: Una aplicación en Python que procesa el flujo de video en tiempo real.

• Modelo de IA y Entrenamiento:

  • Algoritmo: Se utiliza YOLOv5 (You Only Look Once), un modelo de detección de objetos de aprendizaje profundo (Deep Learning) conocido por su velocidad y precisión.
  • Conjunto de Datos:
    • Se recopiló y anotó un conjunto de datos de 11,000 imágenes (un aumento significativo respecto a la iteración anterior de 2,800 imágenes).
    • Las imágenes incluyen gasas con sangre, superposiciones, sombras y variaciones de luz, capturadas en quirófanos reales.
    • Se utilizaron técnicas de aumento de datos para mejorar la generalización del modelo.
  • Mejora del Modelo: A diferencia de iteraciones previas que usaban dos modelos separados (uno para humanos y otro para gasas), el sistema actual emplea un modelo integrado capaz de detectar simultáneamente gasas y manos. Esto permite rastrear quién manipula la gasa y cuándo se mueve entre bandejas.

• Tecnologías Clave:

  • PyTorch: Para la carga y ejecución del modelo YOLOv5.
  • OpenCV: Para el procesamiento de video, redimensionamiento de cuadros y creación de la interfaz de usuario.
  • CUDA (NVIDIA): Para acelerar la inferencia del modelo en la GPU, permitiendo procesamiento en tiempo real.
  • Multihilo (Multithreading): Para gestionar simultáneamente los flujos de video de dos cámaras sin latencia.

3. Contribuciones Clave

• Sistema de Conteo Automatizado en Tiempo Real: El sistema monitorea el movimiento de las gasas desde la bandeja "In" hacia el paciente y luego a la bandeja "Out", calculando automáticamente el número de gasas dentro del cuerpo del paciente.
• Interfaz de Usuario Intuitiva (UI):
  • Muestra el conteo actual en pantalla dividida ("In" y "Out").
  • Calcula la fórmula: En uso = Total In - Total Out.
  • Sistema de Semáforo Visual:
    • Verde: Acción permitida (poner/quitar gasa).
    • Amarillo: Se detecta una mano (el sistema está procesando).
    • Rojo: Actualización de conteo en segundo plano (durante ~50 ms).
• Corrección Manual: Se incorporó la capacidad de que los cirujanos o enfermeras ajusten manualmente el conteo si el sistema detecta un error, aumentando la fiabilidad en situaciones críticas.
• Optimización de Rendimiento: La actualización del modelo y el conjunto de datos aumentó la tasa de cuadros por segundo (FPS) de 8 FPS a 15 FPS, mejorando la fluidez del monitoreo en tiempo real.

4. Resultados

• Precisión y Velocidad: El modelo integrado ha demostrado una mayor precisión en la detección de gasas y manos en comparación con el enfoque de dos modelos. El sistema opera a 15 FPS, suficiente para el seguimiento en tiempo real en un entorno quirúrgico dinámico.
• Validación Clínica: El sistema ha sido probado en simulaciones y cirugías reales en el SGH, identificando correctamente gasas superpuestas (hasta un 50% de superposición) y en diversas condiciones de iluminación.
• Limitaciones Identificadas:
  • El sistema requiere que las gasas se coloquen individualmente en la bandeja "In" antes de su uso; actualmente tiene dificultades para contar gasas apiladas completamente una sobre otra sin separación.
  • La precisión puede variar según las condiciones específicas de diferentes hospitales.

5. Significado e Impacto

• Seguridad del Paciente: El objetivo final es lograr que al finalizar la cirugía, el valor de "En uso" sea 0, garantizando que no queden gasas dentro del paciente.
• Reducción de Costos:
  • Se estima que el grupo SingHealth incurre en $6.72 millones anuales debido a gasas retenidas.
  • El sistema propuesto es significativamente más económico que las soluciones RFID, eliminando el costo por unidad de las gasas inteligentes y los escáneres.
  • Reduce el riesgo de demandas millonarias (ej. casos de $10.5 millones mencionados en el texto) y daños reputacionales para los hospitales.
• Eficiencia Operativa: Libera a las enfermeras del conteo manual tedioso, permitiéndoles dedicar más tiempo a la atención directa del paciente.
• Futuro: El equipo planea comercializar el producto, integrarlo en una pantalla TV con el modelo ejecutándose localmente (sin laptop externa) y mejorar la detección de gasas apiladas mediante modelos más avanzados (como YOLOv9).

En conclusión, este proyecto representa un avance significativo hacia la digitalización y seguridad en los quirófanos, ofreciendo una solución de IA robusta, escalable y económica para erradicar el problema de los objetos quirúrgicos retenidos.