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

Em parceria com o Hospital Geral de Singapura, os autores desenvolveram um sistema de contagem de gazes cirúrgicas baseado em IA e no modelo YOLOv5, que utiliza vigilância em tempo real para monitorar gazes em bandejas de entrada e saída, prevenindo o risco de gossipiboma com maior precisão e velocidade em comparação às contagens manuais.

O essencial

Imagine que você está assistindo a um filme de suspense onde o herói precisa contar centenas de peças de quebra-cabeça em segundos, enquanto o vilão tenta escondê-las. Agora, troque o herói por uma enfermeira, as peças de quebra-cabeça por gazes cirúrgicas e o vilão pelo esquecimento humano.

Este é o problema que o projeto "Smart Operation Theatre" (Sala de Cirurgia Inteligente), desenvolvido por Saraf Krish em parceria com o Hospital Geral de Singapura (SGH), tenta resolver.

Aqui está a explicação do projeto, traduzida para uma linguagem simples e cheia de analogias:

1. O Problema: O "Fantasma" no Corpo

Durante uma cirurgia, os médicos usam muitas gazes para estancar o sangue. Às vezes, por cansaço ou distração, uma ou mais gazes podem ficar esquecidas dentro do corpo do paciente. Isso é chamado de Gossypiboma.

• A Analogia: É como se você terminasse de montar um quebra-cabeça gigante e, ao guardar a caixa, percebesse que faltava uma peça... que você deixou dentro de si mesmo.
• O Perigo: Isso pode causar infecções graves, dor extrema e até a morte. Além disso, gera processos judiciais caríssimos para os hospitais.
• A Solução Atual (e falha): Hoje, as enfermeiras contam as gazes manualmente, como se estivessem contando moedas em uma mesa barulhenta. É demorado, cansativo e, infelizmente, erros acontecem. Outra opção é usar gazes com chips (RFID), mas elas são tão caras que a maioria dos hospitais não pode comprar.

2. A Solução: O "Olho Mágico" da Inteligência Artificial

Os pesquisadores criaram um sistema que funciona como um segurança particular superinteligente para as gazes.

• Como funciona: Eles instalaram câmeras e luzes sobre duas bandejas na sala de cirurgia:
  1. Bandeja "Entrada" (In): Onde as gazes limpas e novas ficam.
  2. Bandeja "Saída" (Out): Onde as gazes usadas e sujas de sangue vão.
• O Cérebro (IA): Um software baseado em YOLOv5 (uma tecnologia de visão computacional) "olha" para as câmeras em tempo real. Ele não é apenas uma câmera comum; ele é como um detetive treinado que sabe exatamente o que é uma gaze, uma mão de médico e até mesmo uma gaze manchada de sangue.
• O Processo:
  • Quando uma gaze sai da bandeja "Entrada" para ir ao paciente, o sistema conta: "Uma saiu!".
  • Quando a gaze suja volta para a bandeja "Saída", o sistema conta: "Uma voltou!".
  • No final da cirurgia, o sistema faz a conta de padaria: Entradas - Saídas = O que está dentro do paciente? Se a resposta for zero, tudo está seguro.

3. A Evolução: De "Dois Olhos" para "Um Super-olho"

No início, o projeto usava dois "cérebros" separados: um para contar gazes e outro para ver mãos. Era como ter dois seguranças conversando entre si, o que deixava o sistema lento.

• A Atualização: Agora, eles fundiram tudo em um único modelo inteligente.
• O Resultado: O sistema ficou muito mais rápido (de 8 para 15 quadros por segundo) e muito mais preciso, graças a um treinamento com 11.000 imagens (o dobro do anterior), incluindo gazes sujas e em posições difíceis.

4. O Painel de Controle: O Semáforo da Cirurgia

O sistema mostra uma tela para os médicos e enfermeiros que funciona como um semáforo de trânsito:

• Borda Verde: Tudo certo! Você pode pegar ou colocar uma gaze.
• Borda Amarela: Uma mão foi detectada (alguém está mexendo nas gazes).
• Borda Vermelha: O sistema está atualizando os números (dura apenas frações de segundo).

No final, se o número de gazes que entraram for igual ao número que saiu, o sistema diz: "Missão cumprida, nada ficou para trás".

5. Por que isso é um "Superpoder" para os Hospitais?

• Economia: Em vez de gastar milhões em gazes com chips caros, o hospital usa câmeras e software. É como trocar um carro de luxo por um carro elétrico eficiente: faz o mesmo trabalho, mas custa muito menos.
• Segurança: Reduz o risco de deixar um "fantasma" (gaze) dentro do paciente.
• Foco no Paciente: As enfermeiras não precisam parar para contar gazes manualmente e podem focar em cuidar do paciente.

Conclusão

Este projeto é como dar um superpoder de memória perfeita à equipe cirúrgica. Ele usa a tecnologia de reconhecimento de objetos (a mesma usada em carros autônomos e filtros de redes sociais) para garantir que, ao final de uma cirurgia, o paciente saia do hospital exatamente como entrou: sem nenhuma gaze esquecida dentro de si.

É uma mistura de inteligência artificial, visão de computador e cuidado humano para tornar a medicina mais segura e barata para todos.

Resumo técnico

Título: Sistema Inteligente de Contagem de Gaze Cirúrgica Baseado em IA para Prevenção de Gossypiboma

1. O Problema

O artigo aborda o risco crítico de Gossypiboma (ou Retenção de Itens Cirúrgicos - RSI), uma condição onde gazes médicas são acidentalmente deixadas dentro do corpo do paciente após uma cirurgia.

• Consequências: Isso pode levar a abscessos, choque séptico, morte, além de processos legais por negligência e penalidades regulatórias para os hospitais.
• Limitações das Soluções Atuais:
  • Contagem Manual: É o método predominante, mas é propenso a erros humanos (estudos citados indicam 88% de contagens finais imprecisas em casos de RSI) e consome tempo valioso da equipe de enfermagem.
  • Gazes com RFID: Embora precisas, são significativamente mais caras (cerca de 8 vezes o custo de uma gaze padrão) e exigem hardware adicional, o que limita sua adoção generalizada.
  • Custo Financeiro: O grupo SingHealth (Singapura) incorre em custos anuais estimados em $6,72 milhões devido a gazes retidas, incluindo custos de litígios que podem chegar a milhões de dólares por caso.

2. Metodologia

O projeto foi desenvolvido em parceria com o Hospital Geral de Singapura (SGH) para garantir a relevância clínica e a segurança dos dados.

• Abordagem Tecnológica:

  • Modelo de IA: Utilização do modelo de detecção de objetos YOLOv5 (You Only Look Once), uma arquitetura de Deep Learning baseada em Redes Neurais Convolucionais (CNN).
  • Configuração de Hardware: Um sistema de duas bandejas esterilizáveis ("Entrada" para gazes limpas e "Saída" para gazes usadas/sujas de sangue), equipadas com câmeras de alta resolução e iluminação LED integrada, montadas em uma estrutura móvel sobre as bandejas cirúrgicas.
  • Processamento: Uso de PyTorch para o modelo, OpenCV para processamento de vídeo em tempo real, CUDA para aceleração via GPU e Multithreading para processar simultaneamente os fluxos de vídeo de duas câmeras.

• Coleta e Preparação de Dados:

  • Dataset: Coleta de imagens reais em salas de cirurgia, incluindo gazes limpas e manchadas de sangue, sob diversas condições de iluminação e sobreposição.
  • Aumento de Dados: O conjunto de dados foi expandido para 11.000 imagens (aumentado de 2.800 em iterações anteriores), cobrindo cenários complexos como sombras e sobreposição de gazes.
  • Anotação: Realizada via plataforma Roboflow, rotulando tanto as gazes quanto as mãos dos cirurgiões.

• Evolução do Modelo:

  • A versão atual utiliza um modelo integrado capaz de detectar simultaneamente humanos (mãos) e gazes, substituindo a abordagem anterior de dois modelos separados.
  • O sistema inclui um mecanismo de "ajuste manual" baseado no feedback dos médicos, permitindo correções em tempo real.

3. Principais Contribuições

• Inovação Técnica: Desenvolvimento de um sistema de contagem automatizada em tempo real que supera as limitações de custo do RFID e a imprecisão da contagem manual.
• Otimização de Desempenho: A transição para um modelo único e o aumento do dataset resultaram em:
  • Aumento da taxa de quadros (FPS) de 8 para 15 FPS, permitindo monitoramento em tempo real sem atrasos.
  • Melhoria significativa na precisão da detecção.
• Interface de Usuário (UI) Intuitiva: Criação de um sistema de "semáforo" visual na tela:
  • Borda Verde: Ação permitida (colocar/remover gaze).
  • Borda Amarela: Detecção de mão (alerta de interação).
  • Borda Vermelha: Atualização do sistema (breve latência).
  • Cálculo em Tempo Real: Exibe "Total Entrada", "Total Saída" e "Em Uso" (Entrada - Saída). O objetivo final é que "Em Uso" seja zero ao fim da cirurgia.

4. Resultados

• Funcionalidade: O sistema opera em tempo real, conectando-se a uma tela de TV na sala cirúrgica para exibir o status das bandejas.
• Precisão: O modelo integrado demonstrou maior robustez em cenários de sobreposição (até 50%) e condições de iluminação variadas.
• Validação Clínica: O sistema está em fase de testes finais em cirurgias reais no SGH, com feedback contínuo de médicos e enfermeiros para refinar a detecção de gazes empilhadas (um desafio atual identificado).

5. Significado e Impacto

• Segurança do Paciente: Redução drástica do risco de Gossypiboma, prevenindo complicações graves e mortes.
• Eficiência Operacional: Libera a equipe de enfermagem da tarefa demorada de contagem manual, permitindo que foquem no cuidado ao paciente.
• Viabilidade Econômica: Oferece uma solução de alta precisão a uma fração do custo dos sistemas RFID, tornando-a acessível para a maioria dos hospitais.
• Redução de Riscos Legais: Ao minimizar erros humanos, o sistema reduz a probabilidade de processos por negligência médica, economizando milhões em potenciais indenizações.

Conclusão: O projeto representa um avanço significativo na aplicação de Visão Computacional e Deep Learning na saúde, propondo uma solução escalável, econômica e precisa para um problema crítico de segurança cirúrgica global.