Sterilizable Scene Graph Generation for Operating Rooms

Dentro de uma sala de cirurgia, o ar é denso com a intensidade silenciosa de um procedimento de salvamento de vidas. Cada movimento da mão de um cirurgião, cada deslocamento de uma ferramenta cirúrgica e cada mudança sutil no tecido que está sendo tratado conta uma história. Por décadas, os computadores lutaram para ler essa história. Eles conseguem ver os pixels em uma tela, mas não conseguem entender facilmente as relações entre os objetos que veem: que uma pinça metálica está segurando um pedaço de tecido, ou que um gancho está cortando-o. Essa capacidade de mapear a cena, de entender não apenas o que está lá, mas como as coisas interagem, é chamada de geração de grafo de cena. É a chave para dar às máquinas uma compreensão holística da cirurgia, o que um dia poderá ajudar os médicos ao fornecer orientação em tempo real ou criar registros automáticos da operação. No entanto, os computadores poderosos o suficiente para fazer isso atualmente exigem estações de trabalho massivas que são grandes demais, quentes demais e difíceis demais de manter estéreis para o ambiente delicado de uma sala de cirurgia.

Uma equipe de pesquisadores encontrou agora uma maneira de encolher esse processo de pensamento complexo para um tamanho que caiba em um dispositivo simples e sem ventoinha. Eles desenvolveram um novo método chamado SG-NCA, que permite que um computador assista a um vídeo cirúrgico e construa instantaneamente um mapa estruturado da cena, identificando ferramentas e partes do corpo e descrevendo como elas se relacionam entre si. O avanço reside em como eles construíram o sistema. Em vez de usar os modelos de software enormes e pesados que geralmente alimentam esse tipo de inteligência artificial, eles recorreram a uma abordagem muito mais leve, inspirada em como células simples atualizam seu estado com base em seus vizinhos. Ao treinar este sistema em um currículo passo a passo, começando pelos objetos mais comuns e adicionando outros gradualmente, eles o ensinaram a reconhecer as ferramentas específicas e a anatomia de cirurgias de olho e de vesícula biliar. O resultado é um sistema que tem o mesmo desempenho dos modelos gigantes usados em laboratórios de pesquisa, mas requer cinquenta e cinco vezes menos configurações internas para funcionar.

Os pesquisadores testaram seu novo sistema em vídeos de cirurgia de catarata e remoção de vesícula biliar, dois procedimentos comuns onde a precisão é tudo. Eles descobriram que seu modelo leve poderia identificar as ferramentas cirúrgicas e as partes do corpo com uma precisão que correspondia aos melhores métodos existentes, apesar de ser minúsculo em comparação. Enquanto os modelos padrão usados para comparação continham milhões de parâmetros — os botões e seletores internos que um computador ajusta para aprender — seu novo sistema precisava de apenas uma fração disso. Na verdade, o sistema inteiro era tão pequeno que poderia rodar em um smartphone padrão ou em uma pequena placa de computador de baixa potência sem precisar de uma placa de vídeo dedicada ou de um servidor poderoso. Isso importa profundamente para a sala de cirurgia. Os computadores grandes usados atualmente para este trabalho frequentemente possuem ventoinhas que sopram ar, o que pode espalhar poeira e bactérias, um risco importante em um ambiente cirúrgico estéril. Eles também ocupam um espaço valioso em uma sala que já é lotada de equipamentos. O novo sistema, por outro contraste, pode rodar em dispositivos selados e sem ventoinha, que são fáceis de limpar e esterilizar, mantendo o ar limpo e os dados seguros dentro da própria sala.

Além de apenas identificar objetos, o sistema demonstrou sua capacidade de compreender o fluxo da cirurgia. Ele podia gerar frases simples descrevendo o que estava acontecendo, como notar que uma pinça estava retraindo uma vesícula biliar enquanto um gancho a dissecava. Essa capacidade sugere que o sistema pode ir além da simples detecção para uma compreensão mais profunda da narrativa cirúrgica. A equipe também mostrou que essa tecnologia poderia ser implantada na borda da rede (edge), o que significa que o processamento acontece diretamente ao lado do paciente, em vez de ser enviado para um servidor remoto na nuvem. Isso mantém os dados do paciente privados e remove o atraso que vem com o envio de informações pela internet. Ao provar que um sistema tão pequeno pode lidar com a complexidade de uma cirurgia real, os pesquisadores abriram as portas para um futuro onde a inteligência cirúrgica avançada não está trancada atrás de barreiras massivas e à prova de esterilização, mas é acessível em hardware higiênico e acessível que se encaixa naturalmente no fluxo da sala de cirurgia.