Bliv klogere
Forskning på CAMES
Mød forskningteamet – og bliv klogere på, hvorfor vi internationalt er anerkendt som en del af verdenseliten på området.
Kontakt
Afdelingen ledes af professor Lars Konge (CAMES RH) og Doris Østergaard (CAMES Herlev) sammen med et dedikeret forsker-team.
Find medarbejder
Publikationer
Gå på opdagelse i vores mange artikler publiceret i videnskabelige tidsskrifter. Find dem i Region H´s forskningsdatabase PURE.
Læs publikationer
Forskningsområder og cases
Vi bedriver forskning på en række områder, som understøtter vores kerneopgave med at tilbyde medicinsk simulations-uddannelse.
Tjek cases og forskningsområder
Forskning i den internationale superliga
Den forskning, som CAMES bedriver, er hovedsageligt anvendelsesorienteret og bliver brugt til at udvikle uddannelses- og træningsaktiviteter på regionalt, nationalt og internationalt niveau.
CAMES er bredt anerkendt for at være en del af verdenseliten i sundhedssektoren, når det kommer til forskning i, hvordan man mest effektivt kan bruge simulation og kompetencevurderinger i uddannelsessammenhænge. Der forskes med andre ord i innovative metoder til at udvikle og sikre medicinsk kompetence.
I gennemsnit bringer tidsskrifter verden over forsknings-publikationer fra CAMES hver tredje-fjerde dag
Har i et projekt eller en idé, som vi skal hjælpe med?
Gå på opdagelse
Forskningsområder
CAMES AI er med helt fremme internationalt, når det kommer til forskning inden for AI- applikationer, som kan understøtte medicinsk uddannelse og simulationstræning. Det handler helt grundlæggende om at bruge kunstig intelligens til at reducere medicinske og kirurgiske fejl og samtidig forbedre sundhedspersonalets læring og kliniske præstationer.
AI kan på den måde være med til at hjælpe klinikerne til at træffe bedre beslutninger ude i praksis. I stedet for at bruge AI til at erstatte opgaver, der normalt udføres af klinikere, udvikler vi AI-systemer, der understøtter læreprocesser og kliniske beslutningstrin for at gøre klinikere bedre til det, de gør i forvejen. Det opnår vi gennem et tæt samarbejde mellem dataforskere, lægeuddannelsesforskere og klinikere
Læs mere – og tjek konkrete projekter fra CAMES AI
Forskningsansvarlige
Robotassisteret kirurgi har efterhånden vunden indpas på flere områder i hospitalssektoren. Og den tendens vil kun accelerere. Derfor har CAMES etableret CAMES Robotics, som er et kompetencecenter for robotkirurgisk uddannelse og uddannelsesforskning. Centret tilbyder best practise træningsprogrammer til læger og sygeplejersker inden for robotteknologi på flere systemer. Og vi har en forskningsbaseret strategi i udviklingen af kvalificerede træningsprogrammer og nye metoder.
Centret designer industriuafhængig robotkirurgisk uddannelse målrettet klinikere i Danmark – og er nationalt fixpunkt for træning, udvikling og introduktion af nye versioner af robotter og relateret teknologi. Med afsæt i forskning, udvikling og internationalt samarbejde er CAMES Robotics kommet på det nationale og internationale landkort i rekordfart – og kliniske kursister valfarter til for at træne kirurgiske færdigheder.
Forskningsansvarlige:
Årligt bliver mellem 3000-4000 tilfælde af ende- og tyktarmskræft blandt mænd og kvinder diagnosticeret. 1344 personer døde af sygdommen i 2019. Opsporing af ende- og tyktarmskræft sker primært ved hjælp af den teknisk svære undersøgelse, koloskopi. En procedure sygeplejersker og læger landet over foretager over 100.000 gange årligt.
CAMES er blandt de førende internationalt, når det kommer til at udvikle simulationsbaserede koloskopi-værktøjer, der øger fagpersonalet kompetencer indenfor koloskopi i et simulations-baseret forum. Det handler grundlæggende om at styrke deres kvalifikationer, inden de møder patienterne. I forbindelse med projektet ”Automatic Assessment of Colonoscopy Performance” er der eksempelvis udviklet redskaber, hvor læger og sygeplejersker på en automatiseret, objektiv og sikker måde kan opkvalificere deres kompetencer indenfor koloskopi.
Forskningsansvarlige:
Forskning, udvikling og undervisning inden for the ortopædkirurgiske speciale på CAMES sigter mod at sikre, at yngre kirurger er bedst muligt oplært uden for operationsstuen, før de opererer på patienter. Optimal patientbehandling har mange facetter, der kræver omhu. Vores mål er, at patienter med ortopædkirurgiske lidelser får den bedst mulige operative behandling.
Vi inkorporerer i stor grad ny teknologi i den proces med henblik på at gøre læring og kompetencesikring hos læger så effektiv så muligt i et sundhedsvæsen med knappe ressourcer. Vi arbejder både med computer understøttede simulator-platforme med haptiske feedback, virtual reality og AI. Det gør vi med fokus på at bruge og udvikle den teknologi, der er mest optimalt for det, der skal mestres. Udgangspunktet for vores arbejde er baseret på behovsundersøgelser blandt det kliniske personale i Danmark, så vi sikrer, at CAMES’ fokus svarer til behovet i det danske sundhedsvæsen.
Vi arbejder aktuelt med følgende projekter:
- Læring og kompetencevurdering ved simulations-baseret træning i osteosyntese af hoftenære brud
- Udvikling af AI algoritme ved brug af deep neural networks til automatiseret kompetencevurdering af kirurgiske færdigheder ved simulations-baseret træning i operation af hoftenære brud
- Udvikling af VR-simulator til træning i kirurgisk behandling af knoglebrud i arme og ben
- ADD-SIMS: Udvikling og implementering af simulations- og kompetencebaserede kurser lig gældende standarder i flyindustrien
Forskningsansvarlige:
På CAMES er vi blandt de førende i verden indenfor simulationsforskning i øjenkirurgi.
Det fælles formål for vores projekter er at optimere patientsikkerheden indenfor øjenkirurgi. Nogle af vores tidligere studier har vist en signifikant effekt af virtual-reality simulationstræning med hensyn til kirurgens færdigheder på operationsstuen, når patienter skal opereres for grå stær. Og træningen er derfor indført som et obligatorisk element for øjenkirurger i Region Hovedstaden.
Forskningsgruppen arbejder både med at undersøge, hvordan vi evidensbaseret kan vurdere kirurgiske færdigheder mest optimalt samt best practice i forhold til træning af avanceret mikrokirurgi; herunder intra-okulære procedurer såsom grå stær- og nethinde-kirurgi. Disse procedurer er kendetegnet ved lange læringskurver, hvor én kirurgisk fejl kan medføre synstab hos patienten.
Forskningsansvarlig:
Ultralyd har forbedret behandlingen af patienter i adskillelige medicinske og kirurgiske specialer.
Brugen af ultralyd i klinikken er stigende og muliggør tidlig diagnose, behandlingsmonitorering og vejledning under procedurer. Ultralyd er blevet et uvurderligt værktøj i den kliniske hverdag og den eneste umiddelbare ulempe er at ultralyd er operatørafhængigt.
CAMES har derfor forskningsbaseret strategi, der ønsker at udvikle de mest effektive træningsprogrammer indenfor ultralyd. Forskningen fokuserer både på diagnostisk og interventionel ultralyd i forskellige specialer herunder:
- abdominal ultralyd
- hoved og hals ultralyd
- transesophageal ultralyd
- endobronchial ultralyd
- transvaginal ultralyd
- thorax ultralyd
- point-of-care ultralyd
- contrast-enhanced ultralyd
- vaskulær ultralyd
- obstetrisk ultralyd
- muskuloskeletal ultralyd
- ultralyd i almen praksis.
CAMES forskningsprojekter involverer udvikling og afprøvning af forskellige uddannelsesteknologier og interventioner såsom virtual reality, simulationsbaseret træning, e-læringsplatforme og brugen af kunstig intelligens.
For at sikre lægernes kompetencer i ultralyd er CAMES dybt engageret i udvikling og validering af kompetencevurderingsværktøjer til flere af de medicinske og kirurgiske specialer.
Aktuelle forskningsprojekter
VR-baseret uddannelse i kirurgisk behandling af knoglebrud
I Danmark foretages årligt omkring 30.000 kirurgiske indgreb på grund af knoglebrud. Der er derfor et løbende stort behov for uddannelse af ny, kompetente, ortopædkirurger til at varetage denne behandling.
En national behovsundersøgelse fra 2019, bl.a. med deltagelse af alle landets ortopædkirurgiske afdelinger, viste, at netop principper for kirurgisk behandling af knoglebrud er det ortopædkirurgiske område. hvor behovet for simulationsbaseret teknisk uddannelse er størst.
Oplæringen af kirurgisk kompetence består traditionelt af selvstudium og operation under supervision. Lægerne træner altså reelt på patienterne. Ved at lade den tidligste del af oplæringen foregå på simulator, kan lægerne lære af deres fejl og opnå tilstrækkelig kirurgisk kompetence inden de udfører rigtige operationer. Derved udsættes patienter ikke for unødig risiko.
Projektet:
VR BOSS-projektet (Virtual Reality Basic Osteosynthesis Surgery Simulation) arbejder med at udvikle og implementere en VR-simulator til træning og kompetencevurdering indenfor kirurgisk behandling af knoglebrud.
I projektet er der etableret et samarbejde med den verdensledende ortopædkirurgiske organisation AO Foundation. Gennem dette samarbejde har ortopædkirurgiske uddannelseseksperter fra hele verden defineret, hvilke parametre som brugere af simulatoren skal vurderes på, samt hvordan hver enkelt parameter skal vurderes. Denne helt nytænkte tilgang til simulatorudvikling sikrer både, at udviklingen foregår evidensbaseret, at simulatoren lever op til målgruppens krav og forventninger – og at hele udviklingsprocessen fra starten er transparent.
Udviklingen af den første af i alt syv ortopædkirurgiske procedurer er i sin afsluttende fase, og herefter påbegyndes studier, der skal fastslå validiteten af simulatortesten samt effekten af simulationstræningen.
Tjek VR-simulator:
Her kan du se, hvordan VR-simulatoren – som ph.d-studerende hos CAMES Mads Emil Jacobsen har udviklet – fungerer, når kirurgerne skal træne kirurgi inden for knoglebrud. VR-simulatoren er udviklet i tæt samarbejde med VR-udviklere i VitaSim.
Samarbejde og støtte
VR-BOSS-Projektet er bl.a. støttet af bevillinger fra Toyota-Fonden og Helsefonden samt Region Sjællands Forskningsfond og Næstved- Slagelse- Ringsted Sygehuses forskningsfond.
Projektet er forankret i Ortopædkirurgisk afdeling på Slagelse Sygehus og CAMES som en ph.d med Mads Emil Jacobsen, md, ph.d-studerende, i spidsen.
Kontakt
Hoftefrakturkirurgi og kunstig intelligens.
Et projekt, der bruger billeddata til at udvikle AI-algoritmer, der kan hjælpe ortopædkirurger med at vælge de mest optimale operationsmetoder til hoftebrud og sikre den højest mulig kvalitet af operationen.
Kontakt:
Kunstig intelligens og automatiseret kompetencevurderinger
Kompetenceovervågning i klinikken er ikke sjældent ressourcekrævende – i særdeleshed hvis det skal udføres struktureret og kontinuerligt.
CAMES har de sidste 7 år afholdt simulationsbaserede kurser i osteosyntese af hoftenære frakturer baseret på validerede kompetences-corer. Kurserne har tilvejebragt flere tusind simulerede røntgenbilleder baseret på træning og test af både novicer og eksperter.
Dette projekt søger at afdække om træning af en AI-algoritme ved brug af deep neural network kan automatisere kompetencevurdering af udført kirurgi i den simulerede kontekst såvel på kliniske per- og postoperative røntgenbilleder. Et sådant redskab vil kunne overvåge kvaliteten af udført kirurgi på både det individuelle og organisatoriske niveau og give mulighed for tidligere intervention ved kompetence- og kvalitetsgab.
Kontakt:
Automatisk vurdering af koloskopi-performance
Projektet startede 09/02-2022 og vil forløbe i 18 måneder frem. Bispebjerg Hospital, Hillerød hospital og Herlev Hospital deltager i projektet. I perioden vil vi indsamle ca. 4500 kikkertundersøgelse, og undersøge om ADR – forholdet af patienter, hvor mindst en adenoma er fjernet i rektum eller kolon – øges via den autogenerede feedback. Colonoscopy Retraction Score (CoRS) er et autogeneret kompetecemålingssystem baseret på kunstig intelligens, der er korreleret med detektionen af forstadier til kræft (polypper). Vi forventer at ved at implementere feedback fra CoRS vil vi øge detektionen grundet en mere grundig udført procedure.
Baggrund:
Tyk- og endetarmskræft er den næsthyppigste dødsårsag af kræft i Danmark. Årligt bliver mellem 3000-4000 tilfælde af ende- og tyktarmskræft blandt mænd og kvinder diagnosticeret, mens 1344 personer døde af sygdommen i 2019.
Kikkertundersøgelse af tyktarmen bruges til at diagnosticere kræft i ende- og tyktarmen. Tidlig opsporing er essentielt for at mindske dødeligheden. Det primære kvalitetsmål for operatøren er, hvor hyppigt forstadier til kræft opdages og fjernes. Derfor er det anbefalet at indføre kvalitetsmål og udvikle operatørernes kompetencer med henblik på at øge detektionen.
Interventioner og teknologiske add-ons rettet mod at øge dette har en umiddelbar effekt, men fælles for dem alle er en begrænset retention (altså effekten ophører når fokus/studiet er færdigt). Det er derfor vi arbejder med autogeneret feedback i projektet.
Samarbejde og støtte:
Projektet er bl.a. støttet af bevillinger fra Kræftens Bekæmpelse og Region hovedstadens forskningsfond. Midlerne er forankret i en post.doc. med Andreas Slot Vilmann og med støtte fra Ambu en ph.d. ved Kristoffer Mazanti Cold.
Kontakt:
Koloskopi: Algoritme-værktøj til udregning af automatisk udrensnings-score
Forud for en kikkertundersøgelse af ende- og tyktarm tager patienten afføringsmiddel, der virker som udrensning. Det gør man for at få det bedst mulige indblik over tarmvæggen. Desværre bliver alle patienter ikke udrenset lige godt, og det er estimeret at 42 pct af alle polypper, der overses, skyldes manglende udrensning.
Via projektet – Copenhagen Automatic Bowel Preparation Score (CA-BoPS) – indsamler vi videomateriale på op mod 2000 undersøgelser. Disse videoer vil kunne benyttes til at træne en algoritme – baseret på kunstig intelligens – der vil kunne udregne en automatisk udrensningsscore. Denne score vil kunne benyttes til at give en risikoanalyse af sandsynligheden for oversete polypper på grund af manglende udrensning.
Værktøjet vil kunne bruges til at vurdere udrensningen, men også – sammen med andre kvalitetsmål såsom CoRS – om undersøgelsen er tilfredsstillende udført.
Samarbejde og støtte:
Projektet er bl.a. støttet af bevillinger fra Kræftens Bekæmpelse og Region hovedstadens forskningsfond. Midlerne er forankret i en post.doc. med Andreas Slot Vilmann og med støtte fra Ambu en ph.d. ved Kristoffer Mazanti Cold.
Kontakt:
AI-baseret oplæring i diagnostik af modermærkekræft
Gennem træning ved hjælp af en mobilapplikation går projektet ud på at gøre det mere effektivt for læger at lære at diagnosticere hudkræft. Det vi også kalder “Intelligent” læring i mønstergenkendelse.
Det tager aktuelt mere end 6 år at blive dygtig til at se forskel på godartede og ondartede hudtumorer. Dette medfører forsinket diagnostik af hudkræft og store omkostninger for sundhedssektoren på grund af, at der på et unødvendigt grundlag bliver fjernet af godartede tumorer. Årsagen til den langsomme opkvalificering af læger er sandsynligvis, at det er svært for en ung læge at få visuel feedback på et stort antal hudtumorer af forskellige typer.
Dette arbejder vi på at forbedre ved at give læger og sygeplejersker adgang til træning i huddiagnostik via lærings-Appen – Dermloop Learn. (Se fotos fra app-store)
Appen eksponerer lægen for et kæmpe bibliotek (20.000+ cases) med billeder af tidligere hudtumor og tilhørende diagnose. Lægerne bliver guidet igennem et læringsforløb, der er optimeret af kunstig intelligens, som kontinuerligt måler lægens multi-dimensionelle kompetence og vælger det optimale læringsmateriale på denne baggrund.
Resultater og effekter:
Som en del af forskningsprojektet blev 76 medicinstuderende trænet uden tidligere erfaring i hudkræft-diagnostik i 8 dage. Og de nåede op på samme niveau som læger med 3-4 års erfaring. I kombination med en tele-dermatologisk tilbygning af systemet er der masser af potentiele – både når det gælder økonomi, kompetenceudvikling og patientsikkerhed. Eksempelvis har forskningsgruppen bag lavet et skøn, der viser, at man kan spare sundhedsvæsenet op til 800 mio. DKK om året, hvis teknologien implementeres nationelt og blive brugt af samtlige almen praktiserende, hudlæger, plastikkirurger og patologer.
Kontakt
AI til forbedret diagnostik af gravide
I SONAI-projektet (Sonography AI for pregnancy) arbejder vi med at udvikle AI-modeller, der understøtter klinikernes præstationer, når de foretager ultralydsscanninger. I Danmark tilbydes alle kvinder, som del af den rutinemæssige graviditetsundersøgelse, en ultralydssckanning ved ca. 12 og 20 ugers graviditet. Ultralyd er et vigtigt redskab til at undersøge gravide kvinder og deres ufødte børn. Vi bruger blandt andet ultralyd til at undersøge for misdannelser hos det ufødte barn omkring uge 20.
Uopdagede medfødte misdannelser af eksempelvis hjertet kan have alvorlige og livslange konsekvenser. Og selvom vi i Danmark er gode til at ultralydsscanne gravide, finder vi ikke alle alvorlige misdannelser og tilstande – blandt andet fordi det kræver mange års træning at blive god til at foretage disse skanninger.
Formålet med SONAI-projektet er, at forbedre diagnostikken af gravide ved at yde AI-baseret feedback til klinikere, der foretager ultralydskanniger.
Projektet er udvalgt af Danske Regioner til at være et AI Signaturprojekt og er blevet tildelt finansiering fra finansloven såvel som en række danske fonde, herunder Innovationsfonden (DIREC), Aasa og Ejnar Danielsens Fond, Johannes Fogs Fond, Dagmar Marshalls Fond, RH-OUH forskningsfonden, og Region Hovedstaden Innovationspulje. Projektet er resultatet af et stærkt samarbejde mellem CAMES og DTU Compute samt Datalogisk Institut på Københavns Universitet.
Kontakt
Akutte kejsersnit og AI
Akut kejsersnit foretages, når fødslen ikke forløber som planlagt. Komplikationer under fødslen kan medføre livsfare for mor eller barn, og i de situationer er det nødvendigt at forløse barnet hurtigst muligt.
Kvalitet i patientbehandlingen ved akut kejsersnit afhænger af mange faktorer. For eksempel kan indikationen for kejsersnittet, graden af fare for mor eller barn, moderens BMI, tidligere operationer i maven, psykologiske faktorer hos de kommende forældre, barnets størrelse og anæstesitypen have konsekvens for kvalitet i patientbehandlingen. Ydermere vil teamets individuelle, kollektive og relationelle kompetencer påvirke både den faglige kvalitet og den patientoplevede kvalitet.
Ved brug af AI-modeller er det muligt at identificere mønstre i store datamængder, hvor multiple forskelligartede faktorer skal undersøges samtidig. Ydermere er AI-modellerne i stand til at udforske den relative betydning af faktorerne. Denne viden er særdeles vigtig, når fremtidige undervisnings- og kvalitetsforbedrende tiltag skal planlægges.
Kontakt:
Træning af robotassisteret hjertekirurgi
Robotassisteret hjerteoperationer udført gennem små huller i brystkassen ved hjælp af robot er en mere skånsom operationsmetode end den traditionelle ”åbne” hjertekirurgi. På trods af sine fordele er der langsom udbredelse af metoden verden rundt.
Én af årsagerne er manglende oplærings- og kompetencevurderingsmetoder af hjertekirurger i robotkirurgi.
I Ph.d-projektet ønsker forskerne at validere en konkret kompetencevurderingsmetode til robotassisteret hjertekirurgi. Der er sammensat et internationalt panel af robotkirurgiske eksperter, der skal hjælpe med at etablere ekspertstandarder for kompetencevurdering af nye robotkirurger. Dernæst bliver der undersøgt, hvor meget træning, der kræves for at kunne opnå ekspertniveau for nye robotkirurger i et simuleret miljø.
Formål og mål:
Resultaterne af studiet vil hjælpe med etablering af kompetence-baseret uddannelse af hjertekirurger, således at vi også i Danmark kan implementere denne nye og mere skånsomme operationsmetode. Derudover vil studiet generere ny viden om, hvordan man kan designe modeller, der kan bruges til træning uden at involvere rigtige patienter.
Samarbejde
Projektet er resultatet af et samarbejde mellem europæiske eksperter inden for robotassisteret hjertekirurgi (Belgien, Holland, Spanien, Tjekkiet), specialister i hjertekirurgi (Danmark) og forskere i medicinsk uddannelse (Copenhagen Academy for Medical Education and Simulation og Western University, London Health Sciences Center, Canada). Projektet udføres ved Ålborg Universitetshospital.
Ph.d.-studerende som udfører projektet er: Gennady V. Atroshchenko, Speciallæge i thoraxkirurgi, Hjerte-lungekirurgisk afdeling, Aalborg Universitetshospital.
Ph.d.-studerende ved Klinisk Institut og Aalborg Universitet.
Ansvarlig for forskning og kursusledelse indenfor robotassisteret hjertekirurgi, ROCnord, Aalborg.
Kontakt
3D-printede modeller til robotassisteret tyktarmskræft
Tyktarmskræft er en hyppigt forekommende sygdom, og i Danmark diagnosticeres ca. 3400 med kræft i tyktarmen om året. Kirurgisk fjernelse af kræften er én af hjørnestenene i behandlingen, og der ses en stigning i antal operationer udført robot-assisteret.
For at imødekomme et større uddannelsesbehov af kirurger samt udvikle træningsmulighederne har vi udviklet et 3D-printet fanto, baseret på patient-skanninger, hvor man kan træne robotkirurgisk fjernelse af højre del af tyktarmen.
Formål
I ph.d.-projektetet undersøges, om det er muligt at udføre pålidelige kompetencevurderinger af kirurger, når de udfører en avanceret robot-kirurgisk procedure for tyktarmskræft. Desuden undersøges, om den kompetencevurdering, der udføres i det simulerede miljø, stemmer overens med kirurgens præstation under rigtige operationer,
Forskerne bag projektet kigger også nærmere på følgende
- Hvilke basale kirurgiske kompetencer en robotkirurg bør have
- Hvilke vurderingsværktøjer der findes til at vurdere dette, om vurderingsværktøjerne er pålidelige
- Om vurderingsværktøjerne kan bruges til at identificere et læringsbehov hos den enkelte kirurg
Ph.d-projektet udføres som et samarbejde mellem Kolding Sygehus i Region Syd og CAMES. Ph.d.-studerende som udfører projektet er: Peter Hertz, Reservelæge, Organ Kirurgisk Afdeling, Sygehus Lillebølt, Kolding Sygehus. Ph.d.-studerende ved Institut for Regional Sundhed, Syddansk Universitet.
Kontakt:
Eksempel fra laboratoriet – setup til studie om tyktarmskræft
Maskinlæring indenfor robotassisteret fjernelse af prostata
Prostatacancer er en af de mest almindelige cancertyper verden over og udgør ca. 15 pct. af cancerdiagnoser hos mænd.
Ved lokaliseret prostatacancer får mange foretaget en robot-assisteret radikal prostatektomi. Det har til formål at opnå cancerkontrol, samtidig med at man bevarer kontinens og potens. Disse patientresultater er i høj grad afhængige af kirurgens erfaringsniveau både generelt, men også på selve dagen.
Kirurgers erfaringsniveau bliver generelt beskrevet ud fra antal operationer foretaget til dato, men dette siger ikke noget om, hvordan kirurgen klarer sig i forbindelse den enkelte operation. Det kan derfor på nuværende tidspunkt være svært at forudsige patientresultater for den enkelte patient.
Med robotkirurgi er det nu blevet nemmere at følge kirurgens bevægemønstre og handlinger undervejs i operationen. Disse bliver automatisk registeret af robotten, og ny forskning tyder på, at de pågældende data kan bruges til at forudsige patientresultater.
Ph.d.-projektet undersøger. om vi kan forudsige både kortsigtede og langsigtede patientresultater hos mænd, der har fået foretaget robot-assisteret radikal prostaktomi ved brug af kirurgens bevægemønstre pg handlinger.
Projektet udføres som et samarbejde mellem Urologisk Forskningsenhed / Copenhagen Prostate Cancer Center og Copenhagen Academy for Medical Education and Simulation.
Ph.d.-studerende som udfører projektet er: Rikke Groth Olsen, Ph.d.-studerende ved Københavns Universitet og Copenhagen Prostate Cancer Center, Department of Urology, Copenhagen University Hospital – Rigshospitalet, Copenhagen, Denmark.
Kontakt:
Teamtræning i robotkirurgi
Ph.d-projektet handler om at undersøge de ikke-tekniske færdigheder i det robotkirurgiske team.
Det robotkirurgiske team adskiller sig fra andre sundhedsprofessionelle teams ved at et af teammedlemmerne – kirurgen – er fysisk adskilt fra resten af teamet og patientlejet. Dette påvirker teamsamarbejdet, herunder koordinationen. Blandt andet fordi teamet ikke har øjenkontakt med kirurgen under operationen, som heller ikke kan se operationslejet, men kun videoskærmen med operationsfeltet.
Vi undersøger og sammenligner, hvordan henholdsvis det erfarne og uerfarne robotkirurgiske team koordinerer arbejdet med henblik på at optimere teamsamarbejdet og patientsikkerheden. Koordination i teamet har indflydelse på flowet i arbejdsgange og på risikoen for fejl under operationer. Træning af teamsamarbejdet kan nedsætte antallet af fejl og øge patientsikkerheden
Projektet bidrager til udviklingen af Region Hovedstadens robotkirurgiske uddannelse, hvor teamsamarbejdet trænes for at øge patientsikkerheden både i rutinearbejde og nødsituationer.
Ph.d.-studerende som udfører projektet er: Læge Jannie Lysgaard Poulsen, som er Ph.d.-studerende ved Københavns Universitet og ved Copenhagen Academy for Medical Education and Simulation på Herlev Hospital.
Kontakt:
Automatiseret kompetencevurdering af robotkirurger ved brug af AI
Robotkirurgi bliver i stigende grad anvendt - både i Danmark og i udlandet. Med introduktionen af ny teknologi følger også et behov for oplæring og løbende vurdering for at skabe sikkerhed i behandlingen.
Indtil videre har kompetencevurdering været baseret på ekspertkirurgers vurdering af kommende kirurgers færdigheder. Kunstig intelligens (AI=Artificial Intelligens) repræsenterer på den anden side en ny måde at foretage kompetencevurdering på og kan muligvis sikre, at fremtidens kirurger får de nødvendige kompetencer, inden de opererer selvstændigt.
I et nationalt samarbejde mellem Aalborg Universitetshospital og CAMES vil et tværfagligt hold af læger og ingeniører bruge kunstig intelligens til at udvikle kompetencevurderingsredskaber til robotkirurger. Dette vil kunne reducere antal fejl og øge kvaliteten af den robot-assisterede nyreoperationer.
Ph.d.-studerende som udfører projektet er Nasseh Hashemi, MD
Ph.d.-studerende ved Klinisk Institut, Aalborg Universitet og Nordsim, Center for færdighedstræning og simulation og ROCnord, Aalborg
Kontakt:
Forskning
Sådan arbejder vi
Forskningen i CAMES er orienteret mod alle de forskellige faggrupper, specialer og karriereniveauer, der er i sundhedsvæsenet. Noget af forskningen retter sig mod enkeltgrupper, men meget af det, vi laver, handler også om samspillet imellem grupper – og om hvordan sundhedsvæsenets arbejdssystemer kan forbedres.
Forskningen på CAMES har traditionelt bragt aktører sammen, som vidensmæssigt og praktisk trækker på helt forskellige erfaringer: Det gælder både klinikere (fra trainees til eksperter), innovative udviklere (fra start-ups til internationale firmaer) og medicinske uddannelsesforskere (fra ph.d.-studerende til professorer).
Det ser vi som en stor styrke, fordi vi har erfaret, at tværfaglige projekt-teams med forskellige kompetencer er en del af nøglen til forskning, der rykker.
Mød forskerne
Du kan altid finde kontakt-oplysninger og mere information om den enkelte CAMES-forsker ved at klikke videre til vores oversigt.
Interview med CAMES-forsker
7 hurtige til Kristoffer Mazanti Cold
Hvad er essensen af dit Ph.d.-projekt?
At øge kvaliteten af kikkertundersøgelser af tyk- og endetarmen (koloskopi) via automatiseret feed-back. Det betyder helt konkret, at operatøren får nogle mål for, hvor godt undersøgelsen er blevet udført efter proceduren.
I øjeblikket er kvalitetsmålet blot tilbagetrækningstiden, men den siger ikke ret meget om, hvor grundig man har været. Vi vil gerne give nogle bedre deskriptive mål.
Eksempelvis hvor meget spidsen af skopet har bevæget sig som en indikation på, hvor meget af tarmvæggen, man reelt set har undersøgt. Og ikke blot, hvor lang tid man har brugt på det.
Hvilket lægefagligt område?
Gastro-kirurgi, Gastro-medicin og koloskopi.
Hvorfor lige præcis det område? Hvor stammer interessen fra?
Jeg har tidligere forsket i objektiv og automatisk kompetencemåling her på CAMES, hvor jeg opdagede, at koloskopi er en ekstrem brugerafhængig procedure.
Studier har vist, at de operatører – også kaldet skopører – der sjældnere finder og fjerner forstadier til kræft, desværre oftere har patienter, der dør af tyktarmskræft efterfølgende.
Dette sammenlignet med de “dygtigere” skopører, der hyppigere opdager og fjerner forstadier til tyktarmskræft. Det er således en procedure – hvis ikke den procedure inden for kirurgien – hvor man finder det største behov for uddannelse, udvikling og kompetencemåling.
Og her kan automatiseret data-feedback bidrage til, at den enkelte lægefaglige operatør får et mere præcist billede af, om kvaliteten af den enkelte undersøgelse er god nok.
Kan din forskning også bidrage til at mindske smerter i forbindelse med undersøgelsen?
Som læger, er vi altid mest interesserede i de hårde facts – såsom overlevelse. Men da koloskopi er en ubehagelig procedure, udleverer vi også et spørgeskema til patienterne efter undersøgelsen.
Det er nemlig vores antagelse, at de også får udført en mere skånsom procedure, og deraf er mere villige til at modtage en ny undersøgelse, hvis det bliver aktuelt.
Hvorfor lige i CAMES-regi, at du forsker?
Jeg startede på CAMES Rigshospitalet for 4-5 år siden som studentermedhjælper. Det vakte min interesse for at forske i området – netop fordi, at selvom hospitalssektoren har masser af operatører med > 1000 procedurer bag sig, så er deres tilgang og kvalitet vidt forskellig.
Jeg har derfor været tilknyttet som forsker gennem de sidste fire år med at objektivisere og automatisere kompetencemåling. Det virkede helt naturligt, da dette projekt bød sig, at det skulle være næste skridt på forskervejen.
Hvilket problem ude i praksis kommer det til at løse?
Forhåbentligt – for vores dataindsamling kører i øjeblikket – vil operatørernes performance forbedre sig på grund af den detaljerede feedback, som vores kompetencemålings-instrumenter vil give dem.
Helt konkret er målet, at flere cancer-tilfælde opdages via koloskopien.
Hvad er potentialet - nationalt og internationalt ?
Først og fremmest udbredelse og implementering i det danske screeningsprogram. Vi arbejder tæt sammen med kirurg Morten Rasmussen, der er chef for det nationale screeningsprogram for kolorektal-cancer. Han er meget entusiastisk omkring projektet. Såfremt det virker i Danmark, har det også potentiale i resten af verden.
Mød forskerne
Kristoffer vil sikre kvaliteten af kikkertundersøgelser i tyktarmen
Det er de færreste, der får ondt i røven over Kristoffer Mazanti Cold. Tværtimod. For det kommer uden tvivl både kollegaer og i sidste ende patienterne til gavn, at han som led i sit Ph.d.-stipendiat på CAMES-Rigshospitalet vil styrke kvaliteten, når det kommer til kikkertundersøgelser af tyk- og endetarmen – også kaldet koloskopi.
Læs også: Koloskopi som forskningsområde hos CAMAS
Men hvordan skal Kristoffers forskning helt konkret bidrage til at booste hitraten i forhold til at opdage forstadier til cancer? Og hvorfor kan man også via hans forskning reducere smerterne i forbindelse med koloskopi-undersøgelsen?
Det svarer han selv på her i “7 hurtige til Kristoffer”.
Video
Tjek VR-simulator i brug
VR BOSS-projektet (Virtual Reality Basic Osteosynthesis Surgery Simulation) er et glimrende eksempel på, hvordan vi i CAMES altid arbejder anvendelsesorienteret med vores forskning. Mads Emil Jacobsen arbejder i sin ph.d med at udvikle og implementere en VR-simulator til uddannelse, træning og kompetencevurdering indenfor kirurgisk behandling af knoglebrud. Herer kan du se, hvordan VR-simulatoren fungerer, når kirurgerne skal træne kirurgi inden for knoglebrud.