BACKGROUND: Complexities of robotic distal gastrectomy (RDG) give reason to assess physician\'s surgical skill. Varying levels in surgical skill affect patient outcomes. We aim to investigate how a novel artificial intelligence (AI) model can be used to evaluate surgical skill in RDG by recognizing surgical instruments.
METHODS: Fifty-five consecutive robotic surgical videos of RDG for gastric cancer were analyzed. We used Deeplab, a multi-stage temporal convolutional network, and it trained on 1234 manually annotated images. The model was then tested on 149 annotated images for accuracy. Deep learning metrics such as Intersection over Union (IoU) and accuracy were assessed, and the comparison between experienced and non-experienced surgeons based on usage of instruments during infrapyloric lymph node dissection was performed.
RESULTS: We annotated 540 Cadiere forceps, 898 fenestrated bipolars, 359 suction tubes, 307 Maryland bipolars, 688 harmonic scalpels, 400 staplers, and 59 large clips. The average IoU and accuracy were 0.82 ± 0.12% and 87.2 ± 11.9% respectively. Moreover, the percentage of each instrument\'s usage to overall infrapyloric lymphadenectomy duration predicted by AI were compared. The use of stapler and large clip were significantly shorter in the experienced group compared to the non-experienced group.
CONCLUSIONS: This study is the first to report that surgical skill can be successfully and accurately determined by an AI model for RDG. Our AI gives us a way to recognize and automatically generate instance segmentation of the surgical instruments present in this procedure. Use of this technology allows unbiased, more accessible RDG surgical skill.
OBJECTIVE: Les desmosomes sont les jonctions inter‐kératinocytaires les plus proéminentes. Le fonctionnement appropriée des épithéliums stratifiés comme épiderme dépend de leur expression. La composition moléculaire et les propriétés physico‐chimiques des desmosomes évoluent au cours de la différenciation épidermique. La desquamation de cornéocytes la surface du stratum corneum depend de la dégradation ordonnée des desmosomes par les enzymes endogènes. Ce processus peut être régulé par les molécules glycosylées. Notre travail consistait en détection et caractérisation de l\'un des acteurs potentiellement impliqués, portant des chaînes carbohydrate.
METHODS: Les approches d\'analyse biochimique s\'appuyant sur un anticorps monoclonal original (immunotransfert mono‐et bi‐dimensionnel, immunoprécipitation–immunodétection croisées, digestions enzymatiques, tests de déglycosylation et d\'inhibition de synthèse) nous ont permis la caractérisation partielle d\'un protéoglycanne sécrété dans les espaces inter‐kératinocytaires. Cette molécule s\'intègre aux desmosomes en quantités proportionnelles au stade de différenciation des kératinocytes, comme le démontrent les marquages ultrastructuraux à l\'or colloïdal sur des cryocoupes et tissus enrobés en résines acryliques.
RESULTS: Cet antigène, que nous avons appelé desmosealine, est clairement distinct des éléments constitutifs de desmosomes décrits jusqu\'alors. Contrairement aux protéoglycannes épidermiques connus, il porte exclusivement les chaînes glycosaminoglycannes de type chondroïtine/dermatane sulfate. La desmosealine est présente dans les parties extracellulaires de desmosomes, dans la portion supérieure de l‘épiderme vivant et le début du stratum corneum.
CONCLUSIONS: L\'intégration massive d\'un protéoglycanne dans des parties intercellulaires de desmosomes revêt vraisemblablement une importance fonctionnelle. De par son profile biochimique, sa distribution dans l\'épiderme et son affinité pour les desmosomes, le desmosealine peut s\'avérer être un élément clé dans la régulation de la cohésion interkératinocytaire et la formation de la barrière de perméabilité épidermique.