A point-based objective scoring tool using surgical videos for grading difficulty levels of laparoscopic cholecystectomy

ऑपरेशन थिएटर में, एक सर्जन के हाथ सटीकता के साथ चलते हैं, लेकिन वे जिस मार्ग का अनुसरण करते हैं, वह हर मरीज के लिए शायद ही कभी एक जैसा होता है। लैप्रोस्कोपिक कोलेसिस्टेक्टोमी (laparoscopic cholecystectomy), जो छोटे चीरों के माध्यम से पित्ताशय (gallbladder) को निकालने की प्रक्रिया है, दुनिया भर में की जाने वाली सबसे आम सर्जरी में से एक है। कुछ मरीजों के लिए, यह अंग शांति से स्थित होता है, जिसे उठाना और निकालना आसान होता है। दूसरों के लिए, वर्षों की सूजन या संक्रमण ने उस क्षेत्र को निशान वाले ऊतकों (scar tissue) और तरल पदार्थ के एक उलझे हुए जाल में बदल दिया है, जिससे कार्य काफी कठिन हो जाता है। यह परिवर्तनशीलता चिकित्सा जगत के लिए एक समस्या पैदा करती है: आप एक सर्जन के कौशल का निष्पक्ष रूप से मूल्यांकन कैसे करेंगे जब एक ऑपरेशन एक आसान सैर हो और दूसरा एक खड़ी चट्टान पर चढ़ाई? कठिनाई को मापने के पारंपरिक तरीके अक्सर इस बात पर निर्भर करते हैं कि सर्जरी में कितना समय लगा या क्या सर्जन को एक बड़े, ओपन चीरे में बदलना पड़ा। हालांकि, ये माप दोषपूर्ण हैं क्योंकि वे सर्जन के अपने अनुभव, उनके सहायकों के कौशल और यहां तक कि उपकरणों की गुणवत्ता पर बहुत अधिक निर्भर करते हैं, न कि वास्तविक चुनौती पर जो मरीज के शरीर द्वारा प्रस्तुत की गई है।

इसे हल करने के लिए, नॉर्दर्न हेल्थ और यूनिवर्सिटी ऑफ मेलबर्न के शोधकर्ताओं ने इन सर्जरी को ग्रेड देने का एक नया तरीका बनाने का प्रयास किया। वे एक ऐसा सिस्टम चाहते थे जो केवल ऑपरेशन के दौरान वीडियो स्क्रीन पर देखी जा सकने वाली चीजों पर ध्यान केंद्रित करे, और बाकी सब कुछ को अनदेखा कर दे। पूरी तरह से दृश्य साक्ष्य (visual evidence) पर ध्यान केंद्रित करके, उनका लक्ष्य एक मानक पैमाना बनाने का था जो किसी भी सर्जन द्वारा सर्जरी किए जाने के बावजूद, मामले की कठिनाई को वस्तुनिष्ठ रूप से माप सके। यह दृष्टिकोण नए सर्जनों को प्रशिक्षित करने और अनुसंधान के लिए महत्वपूर्ण है, क्योंकि यह विशेषज्ञों को एक समान धरातल पर प्रदर्शनों की तुलना करने की अनुमति देता है। यह भविष्य की तकनीक के लिए भी द्वार खोलता है, जहां कंप्यूटर प्रोग्राम भविष्य में इन वीडियो को देख सकते हैं और कठिनाई को स्वचालित रूप से ग्रेड कर सकते हैं, जिससे मानवीय पूर्वाग्रह पूरी तरह से समाप्त हो जाएगा।

टीम ने इन पित्ताशय हटाने के अस्सी गुमनाम वीडियो रिकॉर्डिंग एकत्र करके शुरुआत की। उन्होंने केवल उन वीडियो को चुना जो एक विशिष्ट 'फोर-पोर्ट तकनीक' (four-port technique) का उपयोग करके लिए गए थे जिसमें मरीज अपनी पीठ के बल लेटा होता है, ताकि दृश्य सुसंगत रहे। तीन विशेषज्ञ सर्जनों ने, जो लिवर और पित्त नली के संचालन में विशेषज्ञ हैं, इन वीडियो को देखकर कठिनाई को रेट किया। शुरू करने से पहले, विशेषज्ञों को दो उदाहरण वीडियो का उपयोग करके प्रशिक्षित किया गया था जो अध्ययन का हिस्सा नहीं थे, जिससे यह सुनिश्चित हुआ कि वे सभी समझें कि क्या देखना है। शोधकर्ताओं ने मौजूदा ग्रेडिंग प्रणालियों की पहले से समीक्षा की थी और तय किया कि वे पूरी तरह से वास्तविक समय के दृश्य लक्षणों (visual features) पर ध्यान केंद्रित करेंगे, जैसे कि पित्ताशय कैसा दिख रहा था, इसे हिलाना कितना कठिन था, और प्रक्रिया के दौरान कौन सी बाधाएं आईं।

विशेषज्ञों ने वीडियो देखे और प्रत्येक मामले को हल्का (mild), मध्यम (moderate), या गंभीर (severe) के रूप में वर्गीकृत किया। उन्होंने विशिष्ट संकेतों की तलाश की, जैसे कि क्या पित्ताशय चिपचिपे निशान वाले ऊतकों की परतों के नीचे दबा हुआ था, यदि अंग इतना सूजा हुआ या क्षतिग्रस्त था कि उसे सर्जिकल उपकरणों से पकड़ा नहीं जा सकता था, या यदि सर्जनों को क्षेत्र को सुरक्षित बनाने के लिए तरल पदार्थ निकालना पड़ा था। टीम ने पाया कि विशेषज्ञों के बीच अधिकांश दृश्य संकेतों पर बहुत अच्छी सहमति थी। पाँच मानदंड जिन्हें उत्कृष्ट सहमति (excellent agreement) के रूप में रेट किया गया था, जिसका अर्थ है कि विशेषज्ञों ने लगभग हमेशा एक ही चीज देखी, जबकि अन्य चार ने अच्छी सहमति दिखाई। किसी भी मानदंड को खराब (poor) नहीं माना गया, जो यह सुझाव देता है कि ये दृश्य संकेत विश्वसनीय हैं और अलग-अलग लोगों द्वारा एक ही तरह से पहचाने जा सकते हैं।

जब शोधकर्ताओं ने "गंभीर" लेबल वाले वीडियो की तुलना "हल्के" लेबल वाले वीडियो से की, तो स्पष्ट पैटर्न सामने आए। कठिन मामलों में पित्ताशय के पूरी तरह से एडहेसन्स (adhesions) यानी निशान वाले ऊतकों की पट्टियों से ढका होने की संभावना बहुत अधिक थी, जो अंगों को आपस में जोड़ देते हैं। गंभीर समूह में, तेरह प्रतिशत मामलों में पित्ताशय पूरी तरह से दबा हुआ था, जबकि हल्के समूह में यह केवल एक प्रतिशत था। विशेषज्ञों ने यह भी नोट किया कि सबसे कठिन मामलों में, पित्ताशय की दीवार अक्सर मोटी होती थी, और अंग में गंभीर संक्रमण या गैंग्रीन के लक्षण भी दिखाई देते थे। शायद सबसे महत्वपूर्ण बात शारीरिक संघर्ष थी; लगभग आधे गंभीर मामलों में, सर्जन पित्ताशय को बिल्कुल भी पकड़ नहीं पा रहे थे, एक ऐसी समस्या जो हल्के मामलों में कभी नहीं हुई। दो-तिहाई गंभीर मामलों में, सर्जनों को डिकंप्रेशन (decompression) करना पड़ा, जिसमें आगे बढ़ने से पहले दबाव कम करने के लिए पित्ताशय से तरल पदार्थ निकाला जाता है।

इन अवलोकनों को एक उपयोगी उपकरण में बदलने के लिए, टीम ने सांख्यिकीय तरीकों का उपयोग किया ताकि यह पता लगाया जा सके कि कौन से कारक सबसे महत्वपूर्ण हैं। उन्होंने देखा कि कुछ संकेत, जैसे कि मोटी दीवार या गैंग्रीन के लक्षण, अक्सर एक साथ दिखाई देते हैं, इसलिए उन्होंने उन कारकों पर ध्यान केंद्रित किया जो एक कठिन सर्जरी के स्वतंत्र भविष्यवक्ता (independent predictors) के रूप में उभरे। उन्होंने पाया कि पित्ताशय का निशान वाले ऊतकों में पूरी तरह से दबे होना एक बड़ा चेतावनी संकेत था। इससे भी अधिक महत्वपूर्ण पित्ताशय को पकड़ने में असमर्थता या इसे खाली करने (drain) की आवश्यकता थी। शोधकर्ताओं ने इन कारकों को उनके महत्व के आधार पर अंक दिए। उदाहरण के लिए, पित्ताशय को डिकंप्रेस करने की आवश्यकता को उच्चतम भार दिया गया, जबकि अंग की गर्दन में फंसा हुआ पत्थर भी एक प्रमुख कारक था।

परिणाम एक सरल स्कोरिंग सिस्टम के रूप में निकला जहाँ एक सर्जन या शोधकर्ता वीडियो देख सकता है, इन विशिष्ट दृश्य संकेतों की जांच कर सकता है, और अंक जोड़ सकता है। यदि स्कोर एक निश्चित स्तर तक पहुँच जाता है, तो मामले को गंभीर के रूप में वर्गीकृत किया जाता है। टीम ने इस सिस्टम का परीक्षण किया और पाया कि यह अच्छी तरह से काम करता है। जब उन्होंने तीन का कटऑफ स्कोर इस्तेमाल किया, तो इसने अधिकांश समय गंभीर मामलों की सही पहचान की। जब उन्होंने कटऑफ को घटाकर एक कर दिया, तो इसने मध्यम मामलों की भी सफलतापूर्वक पहचान की। इसका मतलब है कि यह सिस्टम केवल वीडियो में जो दिखाई दे रहा है, उसके आधार पर आसान, मध्यम और कठिन सर्जरी के बीच उच्च सटीकता के साथ अंतर कर सकता है।

यह अध्ययन यह दावा नहीं करता है कि इसने सर्जिकल मूल्यांकन की हर समस्या को हल कर दिया है, और यह कुछ सीमाओं को स्वीकार करता है। शोधकर्ताओं ने केवल पेट के अंदर के हिस्से को देखा, इसलिए उन्होंने उपकरण डालने में लगने वाले समय या मरीज की स्थिति को शामिल नहीं किया। उन्होंने "गंभीर" को परिभाषित करने के लिए तीन विशेषज्ञ सर्जनों के व्यक्तिपरक निर्णय पर भरोसा किया, बजाय इसके कि वे अपने परिणामों की तुलना रिकवरी के समय जैसे रोगी के परिणामों से करें। हालांकि, उनके काम की ताकत इसकी वस्तुनिष्ठता में निहित है। सर्जन के अनुभव या दिन के समय जैसे कारकों को हटाकर, उन्होंने एक ऐसा ढांचा तैयार किया जो पूरी तरह से मरीज की शारीरिक रचना (anatomy) और ऑपरेशन की तात्कालिक चुनौतियों पर केंद्रित है।

इस कार्य के निहितार्थ केवल एक सर्जरी को ग्रेड देने से कहीं अधिक हैं। यह सिद्ध करके कि विशेषज्ञ केवल एक वीडियो देखकर यह पहचान सकते हैं कि कोई मामला कठिन क्यों है, शोधकर्ताओं ने अगली पीढ़ी के सर्जिकल उपकरणों की नींव रख दी है। यदि एक मानव स्क्रीन पर दबे हुए पित्ताशय या फंसे हुए पत्थर को विश्वसनीय रूप से पहचान सकता है, तो एक कंप्यूटर प्रोग्राम भी अंततः वही कर सकता है। इससे कृत्रिम बुद्धिमत्ता (AI) प्रणाली विकसित हो सकती है जो वास्तविक समय में सर्जरी को देखती है, सर्जनों को संभावित कठिनाइयों के प्रति सचेत करती है या प्रशिक्षण के लिए स्वचालित फीडबैक प्रदान करती है। फिलहाल के लिए, यह पॉइंट-आधारित टूल लैप्रोस्कोपिक कोलेसिस्टेक्टोमी की वास्तविक कठिनाई को मापने का एक स्पष्ट और पुनरुत्पादक (reproducible) तरीका प्रदान करता है, यह सुनिश्चित करता है कि सर्जिकल कौशल का मूल्यांकन ऑपरेशन की परिस्थितियों के बजाय ऑपरेशन की वास्तविकता पर आधारित हो।