CawarFlow

DFG-gefördert

Dieses Projekt zielt darauf ab, die Genauigkeit adaptiver Softwaresysteme zu verbessern, indem zuvor erworbenes Wissen über den klinischen WorkFlow integriert wird. 

Eine Workflow-Beschreibung ermöglicht es, die aktuelle Umgebung und Situation zu definieren und desweiteren die Entwicklung eines Prozesses vorherzusagen, ohne auf Information eines Chirurgen angewiesen zu sein. Bei der minimalinvasiven Chirurgie kann Workflow-Analyse und adaptive Entwicklungsvorhersage die Effizienz der klinischen Arbeitsroutine optimieren. Prozesse können automatisch gestartet werden, die Effizienz verbessert und Fehlersitutationen automatisch erkannt werden. Damit kann die Arbeit des Operationsteams optimiert und parallel überwacht werden, was die Sicherheit der Eingriffe erhöht, sowie eine Kostenreduktion zur Folge hat. 

Die Operation, die beobachtet, analysiert und modelliert wird, ist eine laparoskopische Cholezystektomie (Gallenblasenentfernung über Schlüssellochchirurgie). Der standardisierte Workflow und die außergewöhnlichen Umstände werden definiert und auf das adaptive System übertragen. Eine methodische Herangehensweise ermöglicht es dem System, den aktuellen Status zu identifizieren und den folgenden Prozess vorauszusagen. Qualität und Quantität der Sensordaten sind hoch, um eine hohe Präzision zu erzielen. Jegliche relevante und gefilterte Information wird dem Operationsteam zur Verfügung gestellt, um eine automatisch induzierte Reaktion im Falle einer Notsituation sicherzustellen. 

Diese Funktionalität des Operationssaales wurde in Zusammenarbeit mit dem Lehrstuhl für Software & Systems Engineering der TU München geschaffen.