特開 2022-46390 白内障手術評価システム

(19)【発行国】日本国特許庁(JP)

(12)【公報種別】公開特許公報(A)

(11)【公開番号】P2022046390

(43)【公開日】2022-03-23

(54)【発明の名称】白内障手術評価システム

(51)【国際特許分類】

   G09B 9/00 20060101AFI20220315BHJP

   G09B 23/30 20060101ALI20220315BHJP

   G09B 19/00 20060101ALI20220315BHJP

   A61F 9/007 20060101ALI20220315BHJP

【ＦＩ】

G09B9/00 Z

G09B23/30

G09B19/00 H

A61F9/007 130Z

【審査請求】未請求

【請求項の数】3

【出願形態】書面

(21)【出願番号】P 2020166363

(22)【出願日】2020-09-10

(71)【出願人】

【識別番号】518148973

【氏名又は名称】株式会社シンクアウト

(72)【発明者】

【氏名】田淵 仁志

【テーマコード（参考）】

2C032

【Ｆターム（参考）】

2C032CA06

(57)【要約】

【課題】強膜内固定術の習熟度を評価することの可能な白内障手術評価システムを提供する。
【解決手段】本発明の一側面である白内障手術評価システムは、模擬眼球を用いた強膜内固定術の実習の様子を撮像することにより得られた動画データが入力されると、動画データに含まれる手術工程を分類するとともに、分類した手術工程における習熟度を評価し、分類結果および評価結果を出力する評価モデルを備えている。この白内障手術評価システムは、さらに、記評価モデルに対して動画データを評価モデルに入力することにより評価モデルから分類結果および評価結果を取得する取得部を備えている。
【選択図】図５

【特許請求の範囲】

【請求項1】

模擬眼球を用いた強膜内固定術の実習の様子を撮像することにより得られた動画データが入力されると、前記動画データに含まれる手術工程を分類するとともに、分類した手術工程における習熟度を評価し、分類結果および評価結果を出力する評価モデルと、
前記評価モデルに対して前記動画データを前記評価モデルに入力することにより前記評価モデルから前記分類結果および前記評価結果を取得する取得部と
を備えた
白内障手術評価システム。

【請求項2】

前記評価モデルは、前記模擬眼球と同様の模擬眼球を用いた強膜内固定術の実習の様子を撮像することにより得られた学習用動画データを用いて生成されたパラメータを用いて、前記動画データを解析することにより前記分類結果および前記評価結果を生成し、出力する人工知能モデルである
請求項１に記載の白内障手術評価システム。

【請求項3】

撮像により前記動画データを取得する撮像部を更に備えた
請求項１または請求項２に記載の白内障手術評価システム。

【発明の詳細な説明】

【技術分野】

【0001】

本発明は、白内障手術評価システムに関する。

【背景技術】

【0002】

白内障とは眼の中でレンズの機能を果たしている水晶体が混濁する病気である。水晶体は、虹彩の後ろに位置しており、前嚢および後嚢に包まれている。白内障手術では、例えば、前嚢を引き裂き、前嚢の切開部分から、混濁した水晶体を超音波乳化吸引術によって吸引除去し、人工水晶体としての眼内レンズを切開部分から嚢内に挿入する。

【0003】

上述の白内障手術を上達するにはかなりの数の症例の積み重ねが必要である。しかし、現在では、医療訴訟の多発や患者へのインフォームドコンセントの徹底によって、未熟な若い医師に対する、臨床での手術実践を通しての手術教育が非常に難しい。そのため、白内障手術の訓練として、新鮮な摘出豚眼を使用した手術実習が多用されている。しかし、豚眼の場合には、すぐに痛むため摘出して早期に使用しなければならず、さらに、手術室で豚眼を使用するのは不衛生である。そこで、例えば、手術実習用の模擬眼球（例えば特許文献１参照）や、手術実習用のＣＧ（Ｃｏｍｐｕｔｅｒ Ｇｒａｐｈｉｃｓ）を用いたシミュレータが提案されている。

【先行技術文献】

【特許文献】

【0004】

【特許文献1】特開２０１９－０２８３０５号公報

【発明の概要】

【発明が解決しようとする課題】

【0005】

ところで、白内障手術の最中に、前嚢および後嚢が何らかの理由で脱落することがある。このような場合には、眼内レンズを前嚢および後嚢で支持することができないので、強膜に眼内レンズを固定する強膜内固定術が用いられる。強膜内固定術は、白内障手術の中で難易度が非常に高い術式である。しかし、模擬眼球を使用した手術実習では、強膜内固定術の習熟度を評価することが難しいという問題があった。また、ＣＧを用いたシミュレータでは、パラメータ設定が複雑で、強膜内固定術の実習をそもそも実用的なレベルを行うことが困難であった。従って、強膜内固定術の習熟度を評価することの可能な白内障手術評価システムを提供することが望ましい。

【課題を解決するための手段】

【0006】

本発明の一側面である白内障手術評価システムは、模擬眼球を用いた強膜内固定術の実習の様子を撮像することにより得られた動画データが入力されると、動画データに含まれる手術工程を分類するとともに、分類した手術工程における習熟度を評価し、分類結果および評価結果を出力する評価モデルを備えている。この白内障手術評価システムは、さらに、記評価モデルに対して動画データを評価モデルに入力することにより評価モデルから分類結果および評価結果を取得する取得部を備えている。

【0007】

本発明の一側面である白内障手術評価システムでは、評価モデルにおいて、模擬眼球を用いた強膜内固定術の実習の様子を撮像することにより得られた動画データに含まれる手術工程が分類され、分類された手術工程における習熟度が評価される。これにより、摘出豚眼を使用した場合と比べて、動画データに含まれる、習熟度の評価の点で不要な情報を削減することができるので、習熟度の評価を高精度に行うことができる。また、ＣＧを用いたシミュレータと比べて、評価モデルのパラメータ設定が容易なので、強膜内固定術の実習を実用的なレベルで行うことができる。

【発明の効果】

【0008】

本発明の一側面である白内障手術評価システムによれば、評価モデルにおいて、模擬眼球を用いた強膜内固定術の実習の様子を撮像することにより得られた動画データに含まれる手術工程を分類し、分類した手術工程における習熟度を評価するようにしたので、強膜内固定術の習熟度を評価することができる。

【図面の簡単な説明】

【0009】

【図1】本発明の一実施の形態に係る白内障手術評価システムの概略構成例を表す図である。

【図2】図１の模擬眼球の斜視構成例を表す図である。

【図3】図２の模擬眼球の展開斜視構成例を表す図である。

【図4】図２の模擬眼球の断面構成例を表す図である。

【図5】図１の白内障手術評価システムの内部構成例を表す図である。

【図6】図５の動画データの一例を表す図である。

【図7】図５の動画データの一例を表す図である。

【図8】図５の動画データの一例を表す図である。

【図9】図５の評価モデルの概略構成例を表す図である。

【図10】図５の学習モジュールの機能ブロック例を表す図である。

【図11】図１の白内障手術評価システムの概略構成の一変形例を表す図である。

【図12】図１１の白内障手術評価システムの内部構成例を表す図である。

【図13】図１の白内障手術評価システムの概略構成の一変形例を表す図である。

【図14】図１３の白内障手術評価システムの内部構成例を表す図である。

【図15】図１の白内障手術評価システムの概略構成の一変形例を表す図である。

【図16】図１５の白内障手術評価システムの内部構成例を表す図である。

【発明を実施するための形態】

【0010】

以下、発明を実施するための形態について、図面を参照して詳細に説明する。以下の説明は本発明の一具体例であって、本発明は以下の態様に限定されるものではない。また、本発明は、各図に示す各構成要素の配置や寸法、寸法比などについても、それらに限定されるものではない。また、以下の説明において、上下、左右、前後等の方向は、特に言及しない限り医療従事者側から見た方向とする。なお、上下方向については、後述の対物レンズから術野に向かう方向を下方とし、これの反対方向を上方とする。一般に患者は仰向け状態で手術を受けるので、上下方向と垂直方向とは同じになる。なお、説明は、以下の順序で行う。
１．実施の形態（図１～図１０）
手術工程の分類や評価をサーバ装置で行う例
２．変形例
変形例Ａ：サーバ装置を省略し、手術分類や評価を
情報処理装置で行う例（図１１，図１２）
変形例Ｂ：カメラ付き情報処理装置を用いる例（図１３，図１４）
変形例Ｃ：サーバ装置を省略し、手術分類や評価を
カメラ付き情報処理装置で行う例（図１５，図１６）

【0011】

＜１．実施の形態＞
［構成］
図１は、本発明の一実施の形態に係る白内障手術評価システム１００の概略構成の一例を表したものである。白内障手術評価システム１００は、白内障手術の中で難易度が非常に高い術式である強膜内固定術の習熟度を評価するためのシステムである。この白内障手術評価システム１００では、模擬眼球４００と、眼科手術用顕微鏡システム２００が用いられる。

【0012】

（模擬眼球４００）
図２は、模擬眼球４００斜視構成例を表したものである。図３は、模擬眼球４００の展開斜視構成例を表したものである。図４は、模擬眼球４００の断面構成例を表したものである。

【0013】

模擬眼球４００は、強膜内固定術の実習用の装置であり、実際の眼の一部を模したものである。模擬眼球４００は、例えば、下側部材４１０と、上側部材４２０とを備えている。下側部材４１０は、上側部材４２０を支持する部材であり、眼の後眼部に相当する箇所の一部を模した形状となっている。上側部材４２０は、眼の前眼部の一部を模した形状となっている。

【0014】

下側部材４１０は、上部に平坦な円環状の上端面４１１Ａを有するほぼ半球形の殻状本体部４１１と、殻状本体部４１１の上端面４１１Ａに固定された窪み部４１２とを有している。窪み部４１２の上端部が円形の開口部で開口されており、殻状本体部４１１の上端面４１１Ａに固定されている。窪み部４１２内には、後述の眼内レンズ５００が配置される。下側部材４１０は、例えば、樹脂成型によって形成されている。

【0015】

上側部材４２０は、下側部材４１０の上端面４１１Ａに載置される円環状の模擬強膜部４２１と、模擬強膜部４２１に固定された円環状の模擬角膜部４２２および円環状の模擬虹彩部４２３とを有している。模擬強膜部４２１は、下側部材４１０の上端面４１１Ａに載置される円環状の部材であり、実際の眼の強膜の一部を模した形状および柔らかさとなっている。模擬強膜部４２１は、例えば、白濁樹脂で形成されている。模擬角膜部４２２は、模擬強膜部４２１に固定された円環状の部材であり、実際の角膜を模した形状および柔らかさとなっている。模擬角膜部４２２には、実習を行う上での視野を確保するための窓（角膜窓４２２Ａ）が設けられている。模擬虹彩部４２３は、模擬強膜部４２１に固定された円環状の部材であり、実際の眼の虹彩を模した形状および柔らかさとなっている。

【0016】

上側部材４２０には、眼内レンズ５００を包むための模擬嚢部が省略されている。模擬嚢部は、実際の眼の上嚢および下嚢を模したものである。実際に強膜内固定術を行う際には、下嚢は、何らかの理由で脱落し、水晶体を保持する機能を果たさない状態になっている。従って、模擬嚢部は、強膜内固定術の実習において不要な部材である。従って、下側部材４１０の窪み部４１２は、上側部材４２０を下側部材４１０に載置した状態で、外部と連通している。

【0017】

白内障手術では、水晶体に代えて眼内レンズ５００が用いられる。眼内レンズ５００は、例えば、図２に示したように、眼内レンズ５００を実際の強膜部（または模擬強膜部４２１）に固定するための２本の連結部５２０が本体レンズ部５１０の端縁に設けられた部材である。２本の連結部５２０は、例えば、本体レンズ部５１０の端縁のうち、本体レンズ部５１０の中央部分を間にして互いに対向する位置に固定されている。各連結部５２０は、例えば、糸状となっており、視認性を向上させるために白色以外の色の材料（例えば青色）で構成されている。本体レンズ部５１０は、実際の眼の水晶体の代替品である。本体レンズ部５１０は、例えば、レンズ形状となっており、透明樹脂で形成されている。

【0018】

（眼科手術用顕微鏡システム２００）
続いて、白内障手術評価システム１００に付随して用いられる眼科手術用顕微鏡システム２００ついて説明する。眼科手術用顕微鏡システム２００は、例えば、支柱２１０と、第１アーム２２０と、第２アーム２３０と、駆動装置２４０と、医療従事者用顕微鏡２５０と、フットスイッチ２６０とを備えている。

【0019】

支柱２１０は、眼科手術用顕微鏡システム２００の全体を支持する。支柱２１０の上端には、第１アーム２２０の一端が接続されている。第１アーム２２０の他端には、第２アーム２３０の一端が接続されている。第２アーム２３０の他端には、駆動装置２４０が接続されている。医療従事者用顕微鏡２５０は、駆動装置２４０により懸架されている。白内障手術評価システム１００に用いられるカメラ１２０が、医療従事者用顕微鏡２５０に付設されている。カメラ１２０が本発明の「撮像部」の一具体例に相当する。フットスイッチ２６０は、各種操作を医療従事者等の足で行うために用いられる。駆動装置２４０は、医療従事者等による操作に応じて、医療従事者用顕微鏡２５０とカメラ１２０とを上下方向および水平方向に３次元的に移動させる。

【0020】

医療従事者用顕微鏡２５０は、各種光学系や駆動系などを収納する鏡筒部２５１と、左右一対の接眼部２５２とを有している。医療従事者は、接眼部２５２を覗き込んで、鏡筒部２５１を介して術野を両眼で観察する。鏡筒部２５１は、例えば、対物レンズと、照明光学系と、観察光学系と、撮影光学系とを含んで構成されている。観察光学系は、対物レンズに連結される光学系であり、撮影光学系は、カメラ１２０に連結される光学系である。

【0021】

照明光学系は、対物レンズを介して術野を照明する。観察光学系は、照明光学系により照明されている術野を、対物レンズを介して医療従事者用顕微鏡２５０により観察するために用いられる。観察光学系は、左右一対設けられており、右側の観察光学系は、右側の接眼部２５２に連結され、左側の観察光学系は、左側の接眼部２５２に連結されている。右側の観察光学系には、例えば、ビームスプリッタが設けられており、術野から右側の観察光学系を導光する光の一部がビームスプリッタによって撮影光学系に導かれる。

【0022】

（白内障手術評価システム１００）
続いて、白内障手術評価システム１００の内部構成について説明する。図５は、白内障手術評価システム１００の内部構成の一例を表したものである。白内障手術評価システム１００は、例えば、情報処理装置１１０と、カメラ１２０と、サーバ装置１３０とを備えている。情報処理装置１１０およびサーバ装置１３０は、ネットワーク１４０を介して接続されている。情報処理装置１１０は、ネットワーク１４０を介してサーバ装置１３０と通信することができるように構成されている。サーバ装置１３０は、ネットワーク１４０を介して情報処理装置１１０と通信することができるように構成されている。情報処理装置１１０およびカメラ１２０は、ネットワーク１４０を介して接続されている。情報処理装置１１０は、ネットワーク１４０を介してカメラ１２０と通信することができるように構成されている。カメラ１２０は、ネットワーク１４０を介して情報処理装置１１０と通信することができるように構成されている。

【0023】

ネットワーク１４０は、例えば、インターネットで標準的に利用されている通信プロトコル（ＴＣＰ／ＩＰ）を用いて通信を行うネットワークである。ネットワーク１４０は、例えば、そのネットワーク独自の通信プロトコルを用いて通信を行うセキュアなネットワークであってもよい。ネットワーク１４０は、例えば、インターネット、イントラネット、または、ローカルエリアネットワークである。ネットワーク１４０と、情報処理装置１１０、サーバ装置１３０またはカメラ１２０との接続は、例えば、イーサネット等の有線ＬＡＮ（Ｌｏｃａｌ Ａｒｅａ Ｎｅｔｗｏｒｋ）であってもよいし、Ｗｉ－Ｆｉ等の無線ＬＡＮや、携帯電話回線などであってもよい。

【0024】

情報処理装置１１０は、例えば、制御部１１１、メモリ１１２、表示部１１３、入力部１１４およびネットワークＩＦ（Ｉｎｔｅｒｆａｃｅ）１１５を含んで構成されている。制御部１１１が本発明の「取得部」の一具体例に相当する。制御部１１１は、ＣＰＵ（Ｃｅｎｔｒａｌ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ）およびＧＰＵ（Ｇｒａｐｈｉｃｓ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ）などを含んで構成され、例えば、メモリ１１２に記憶されたオペレーティングシステムなど（図示せず）を実行する。制御部１１１は、さらに、例えば、メモリ１１２に記憶されたプログラム１１２Ａを実行する。プログラム１１２Ａは、術野に含まれる模擬眼球４００に対して、ユーザが強膜内固定術の実習を行ったときの、その手術の習熟度を評価するための一連の手順を制御部１１１に実行させる。プログラム１１２Ａが制御部１１１に実行させる一連の手順については、後に詳述する。

【0025】

メモリ１１２は、制御部１１１によって実行されるプログラム（例えば、オペレーティングシステム）などを記憶している。メモリ１１２は、例えば、ＲＡＭ（Ｒａｎｄｏｍ Ａｃｃｅｓｓ Ｍｅｍｏｒｙ）、ＲＯＭ（Ｒｅａｄ Ｏｎｌｙ Ｍｅｍｏｒｙ）、補助記憶装置（ハードディスク等）等によって構成される。メモリ１１２は、さらに、プログラム１１２Ａを記憶している。

【0026】

表示部１１３は、例えば、液晶パネルや有機ＥＬ（Ｅｌｅｃｔｒｏ Ｌｕｍｉｎｅｓｃｅｎｃｅ）パネル等の表示装置からなる。表示部１１３は、制御部１１１からの映像信号に基づく画像を表示面１１０Ａに表示する。入力部１１４は、外部（例えば、ユーザ）からの指示を受け付け、受け付けた指示を制御部１１１に出力する。入力部１１４は、例えば、ボタンやダイヤルなどを含む機械的な入力インターフェースであってもよいし、マイクロフォンなどを含む音声入力インターフェースであってもよい。入力部１１４は、例えば、情報処理装置１１０の表示面１１０Ａに設けられたタッチパネルであってもよい。ネットワークＩＦ１１５は、ネットワーク１４０を介してカメラ１２０およびサーバ装置１３０と通信するための通信インターフェースである。

【0027】

カメラ１２０は、例えば、ＣＣＤ（Ｃｈａｒｇｅ Ｃｏｕｐｌｅｄ Ｄｅｖｉｃｅ）イメージセンサもしくはＣＭＯＳ（Ｃｏｍｐｌｅｍｅｎｔａｒｙ ｍｅｔａｌ－ｏｘｉｄｅ－ｓｅｍｉｃｏｎｄｕｃｔｏｒ）イメージセンサを含んで構成されている。カメラ１２０は、模擬眼球４００を用いた強膜内固定術の実習の様子を撮像する。カメラ１２０は、例えば、情報処理装置１１０による制御に従って撮像を行い、それにより得られた動画（動画データＩａ）を、ネットワーク１４０を介して情報処理装置１１０に出力する。

【0028】

サーバ装置１３０は、例えば、制御部１３１、評価モデル１３２、学習モジュール１３３、メモリ１３４，１３５およびネットワークＩＦ１３６などを含んで構成されている。評価モデル１３２が、本発明の「評価モデル」の一具体例に相当する。制御部１３１は、ＣＰＵおよびＧＰＵなどを含んで構成され、例えば、メモリ１３４に記憶されたオペレーティングシステムなどを実行する。制御部１３１は、さらに、例えば、評価モデル１３２に動画データＩａを入力したり、動画データＩａの入力に対する応答として評価モデル１３２から取得した工程評価データＤａを、ネットワークＩＦ１３６を介して情報処理装置１１０に送信したりする。

【0029】

ネットワークＩＦ１３６は、ネットワーク１４０を介して情報処理装置１１０と通信するための通信インターフェースである。メモリ１３４は、制御部１３１によって実行されるプログラム（例えば、オペレーティングシステム）などを記憶する。メモリ１３４は、例えば、ＲＡＭ、ＲＯＭ、補助記憶装置（ハードディスク等）等によって構成される。メモリ１３４には、さらに、工程データ１３４Ａおよびパラメータ１３４Ｂが記憶されている。

【0030】

工程データ１３４Ａは、学習モジュール１３３の入力データとして用いられるデータであり、各動画データ１３５Ａ、各動画データ１３５Ｂおよび各動画データ１３５Ｃに含まれる手術工程の分類についてのデータである。工程データ１３４Ａには、例えば、各動画データ１３５Ａに含まれる手術工程が強膜内固定術の前段の工程であることが記述されており、各動画データ１３５Ｂに含まれる手術工程が強膜内固定術の中段の工程であることが記述されており、各動画データ１３５Ｃに含まれる手術工程が強膜内固定術の後段の工程であることが記述されている。パラメータ１３４Ｂは、評価モデル１３２で用いられるデータであり、例えば、後述のニューラルネットワークに関するデータであり、例えば、ニューラルネットワークの層数、各層におけるニューロンの個数、ニューロン同士の結合関係、各ニューロン間の結合の重み、及び各ニューロンの閾値を含む。パラメータ１３４Ｂは、学習モジュール１３３によって導出される。

【0031】

メモリ１３５は、例えば、ＲＡＭ、ＲＯＭ、補助記憶装置（ハードディスク等）等によって構成される。メモリ１３５には、例えば、複数の動画データ１３５Ａ、複数の動画データ１３５Ｂおよび複数の動画データ１３５Ｃが記憶されている。

【0032】

各動画データ１３５Ａ、各動画データ１３５Ｂおよび各動画データ１３５Ｃは、学習モジュール１３３の入力データとして用いられるデータである。各動画データ１３５Ａ、各動画データ１３５Ｂおよび各動画データ１３５Ｃは、模擬眼球４００を用いた強膜内固定術の実習の様子をカメラ１２０で撮像することにより得られた動画データである。各動画データ１３５Ａは、例えば、強膜内固定術の前段の手術の様子をカメラ１２０で撮像することにより得られたデータである。各動画データ１３５Ａには、例えば、図６に示したような、模擬眼球４００を用いた強膜内固定術の実習において、眼内レンズ５００を窪み部４１２内に入れる様子をカメラ１２０で撮像することにより得られたデータである。各動画データ１３５Ｂは、例えば、強膜内固定術の中段の手術の様子をカメラ１２０で撮像することにより得られたデータである。各動画データ１３５Ｂには、例えば、図７に示したような、模擬眼球４００を用いた強膜内固定術の実習において、眼内レンズ５００の２本の連結部５２０を模擬強膜部４２１に通す様子をカメラ１２０で撮像することにより得られたデータである。各動画データ１３５Ｃは、例えば、強膜内固定術の後段の手術の様子をカメラ１２０で撮像することにより得られたデータである。各動画データ１３５Ｃには、例えば、例えば、図８に示したような、模擬眼球４００を用いた強膜内固定術の実習において、模擬強膜部４２１に通された２本の連結部５２０を模擬強膜部４２１に固定する様子をカメラ１２０で撮像することにより得られたデータである。

【0033】

評価モデル１３２は、画像解析のための人工知能モデルである。評価モデル１３２は、学習モジュール１３３で生成されたパラメータ１３４Ｂを用いて、入力された動画データＩａを解析して、動画データＩａに含まれる手術工程（例えば、前段、中段、後段）を所定の期間ごとに分類するとともに、分類した手術工程における習熟度を評価し、分類結果および評価結果を工程評価データＤａとして出力する。動画データＩａは、模擬眼球４００を用いて強膜内固定術を実習している様子をカメラ１２０で撮像することにより得られたデータである。分類結果は、動画データＩａに含まれる手術工程を所定の時間ごとに分類したデータを含む。習熟度は、動画データＩａに含まれる手術の習熟度を評価したデータを含む。動画データＩａに、手術工程の分類が複数含まれる場合には、習熟度は、動画データＩａに含まれる手術の習熟度を手術工程の分類ごとに評価したデータを含む。

【0034】

評価モデル１３２は、例えば、図９に示したようなニューラルネットワークを含む。評価モデル１３２は、例えば、畳み込みニューラルネットワーク（ＣＮＮ）などのディープニューラルネットワークを含む。評価モデル１３２におけるニューラルネットワークは、例えば、入力層１３２Ａ、中間層１３２Ｂ（隠れ層）、及び出力層１３２Ｃを含む。各層（１３２Ａ，１３２Ｂ，１３２Ｃ）は、１又は複数のニューロンを備えている。例えば、入力層１３２Ａのニューロンの数は、動画データＩａに含まれる各画像データの画素数に応じて設定することができる。中間層１３２Ｂのニューロンの数は、適宜設定することができる。出力層１３２Ｃは、強膜内固定術に含まれる手術工程数（分類数）に応じて設定することができる。

【0035】

互いに隣接する層のニューロン同士は結合されており、各結合には重み（結合荷重）が設定されている。ニューロンの結合数は、適宜設定されてよい。各ニューロンには閾値が設定されており、各ニューロンへの入力値と重みとの積の和が閾値を超えているか否かによって各ニューロンの出力値が決定される。

【0036】

入力層１３２Ａには、画像データＩａが入力される。出力層１３２Ｃからは、工程評価データＤａが出力される。評価モデル１３２は、画像データＩａが入力されると、工程評価データＤａを出力するように学習済みである。学習によって得られた評価モデル１３２の学習済みパラメータ（パラメータ１３４Ｂ）は、メモリ１３４に記憶されている。なお、サーバ装置１３０とは異なる装置においてパラメータ１３４Ｂが導出され、導出されたパラメータ１３４Ｂがメモリ１３４に格納されてもよい。この場合、サーバ装置１３０において、学習モジュール１３３、工程データ１３４Ａ、複数の動画データ１３５Ａ、複数の動画データ１３５Ｂおよび複数の動画データ１３５Ｃを省略することが可能である。

【0037】

次に、評価モデル１３２の学習方法について説明する。図１０は、評価モデル１３２の学習を行う学習モジュール１３３の機能ブロックを表したものである。学習モジュール１３３は、例えば、プロセッサおよびメモリを含んで構成されている。

【0038】

学習モジュール１３３は、学習データ生成モジュール１３３Ａおよびパラメータ生成モジュール１３３Ｂを含む。学習データ生成モジュール１３３Ａは、工程データ１３４Ａおよび動画データ１３５Ａ，１３５Ｂ，１３５Ｃから学習データＤｂを生成する。動画データ１３５Ａ，１３５Ｂ，１３５Ｃは，動画データＩａの撮像時に用いられた模擬眼球４００と同様の模擬眼球（または同一構成の模擬眼球４００）を用いた強膜内固定術の実習の様子をカメラ１２０で撮像することにより取得される。パラメータ生成モジュール１３３Ｂは、学習データＤｂによって評価モデル１３２を学習させることで、評価モデル１３２のパラメータを最適化する。パラメータ生成モジュール１３３Ｂは、最適化されたパラメータを学習済みパラメータ（パラメータ１３４Ｂ）として取得する。

【0039】

なお、パラメータ１３４Ｂの初期値は、テンプレートにより与えられてもよい。或いは、パラメータ１３４Ｂの初期値は、人間の入力により手動で与えられてもよい。学習モジュール１３３は、評価モデル１３２の再学習を行ってもよい。評価モデル１３２の再学習を行うときには、学習モジュール１３３は、再学習を行う対象となる評価モデル１３２の学習済みパラメータ（パラメータ１３４Ｂ）に基づいて、新たなパラメータ１３４Ｂを生成してもよい。学習モジュール１３３は、評価モデル１３２の学習を定期的に実行することで、パラメータ１３４Ｂを更新してもよい。

【0040】

［動作］
次に、白内障手術評価システム１００の動作について説明する。

【0041】

まず、カメラ１２０が、模擬眼球４００を用いた強膜内固定術の実習の様子を撮像し、それにより得られた動画データＩａを、ネットワーク１４０を介して情報処理装置１１０に出力する。情報処理装置１１０は、カメラ１２０からの動画データＩａの入力が終了すると、カメラ１２０から得られた動画データＩａを、ネットワーク１４０を介してサーバ装置１３０に出力する。なお、情報処理装置１１０は、カメラ１２０からの動画データＩａをリアルタイムに、または、所定時間ごとにサーバ装置１３０に出力してもよい。

【0042】

サーバ装置１３０は、動画データＩａを取得すると、取得した動画データＩａを評価モデル１３２に入力する。評価モデル１３２は、入力された動画データＩａについて動画解析を実行する。例えば、評価モデル１３２は、入力された動画データＩａについて、ニューラルネットワークに基づく画像解析を実行する。評価モデル１３２は、入力された動画データＩａに対する応答として、工程評価データＤａを出力する。サーバ装置１３０は、評価モデル１３２から得られた工程評価データＤａを、ネットワーク１４０を介して情報処理装置１１０に出力する。情報処理装置１１０は、サーバ装置１３０から得られた工程評価データＤａを表示面１１０Ａに表示する。

【0043】

［効果］
次に、白内障手術評価システム１００の効果について説明する。

【0044】

白内障手術では、例えば、前嚢を引き裂き、前嚢の切開部分から、混濁した水晶体を超音波乳化吸引術によって吸引除去し、人工水晶体としての眼内レンズを切開部分に挿入する。上述の白内障手術を上達するにはかなりの数の症例の積み重ねが必要である。しかし、現在では、医療訴訟の多発や患者へのインフォームドコンセントの徹底によって、未熟な若い医師に対する、臨床での手術実践を通しての手術教育が非常に難しい。そのため、白内障手術の訓練として、新鮮な摘出豚眼を使用した手術実習が多用されている。しかし、豚眼の場合には、すぐに痛むため摘出して早期に使用しなければならず、さらに、手術室で豚眼を使用するのは不衛生である。

【0045】

ところで、白内障手術の最中に、前嚢および後嚢が何らかの理由で脱落することがある。このような場合には、眼内レンズを前嚢および後嚢で支持することができないので、細い糸を用いて強膜に眼内レンズを固定する強膜内固定術が用いられる。模擬眼球を使用した手術実習では、強膜内固定術の習熟度を評価することが難しいという問題があった。また、ＣＧを用いたシミュレータでは、パラメータ設定が複雑で、強膜内固定術の実習をそもそも実用的なレベルを行うことが困難であった。

【0046】

一方、本実施の形態では、評価モデル１３２において、模擬眼球を用いた強膜内固定術の実習の様子を撮像することにより得られた動画データＩａに含まれる手術工程が分類され、分類された手術工程における習熟度が評価される。これにより、摘出豚眼を使用した場合と比べて、動画データＩａに含まれる、習熟度の評価の点で不要な情報を削減することができるので、習熟度の評価を高精度に行うことができる。また、ＣＧを用いたシミュレータと比べて、評価モデル１３２のパラメータ設定が容易なので、強膜内固定術の実習を実用的なレベルを行うことができる。従って、白内障手術評価システム１００において、強膜内固定術の習熟度を評価することができる。

【0047】

また、本実施の形態において、模擬眼球４００と同様の模擬眼球４００を用いた強膜内固定術の実習の様子を撮像することにより得られた学習用動画データ（１３５Ａ，１３５Ｂ，１３５Ｃ）を用いて生成されたパラメータ１３４Ｂを用いて、動画データＩａを解析することにより工程評価データＤａを生成し、出力する人工知能モデルが評価モデル１３２として用いられる。これにより、ＣＧを用いたシミュレータと比べて、評価モデル１３２のパラメータ設定が容易なので、強膜内固定術の実習を実用的なレベルを行うことができる。従って、白内障手術評価システム１００において、強膜内固定術の習熟度を評価することができる。

【0048】

また、本実施の形態において、撮像により動画データＩａを取得するカメラ１２０が設けられている。これにより、評価モデル１３２を用いて動画データＩａを解析することにより工程評価データＤａを取得することができる。従って、白内障手術評価システム１００において、強膜内固定術の習熟度を評価することができる。

【0049】

＜２．変形例＞
次に、上記実施の形態に係る白内障手術評価システム１００の変形例について説明する。

【0050】

［［変形例Ａ］］
上記実施の形態において、例えば、図１１に示したように、サーバ装置１３０が省略されるとともに、情報処理装置１１０がサーバ装置１３０の機能を備えていてもよい。このとき、情報処理装置１１０は、例えば、図１２に示したように、評価モデル１３２および学習モジュール１３３を更に備えるとともに、工程データ１３４Ａおよびパラメータ１３４Ｂを記憶するメモリ１３４と、複数の動画データ１３５Ａ、複数の動画データ１３５Ｂおよび複数の動画データ１３５Ｃを記憶するメモリ１３５とを更に備えていてもよい。このようにした場合には、工程評価データＤａの導出を情報処理装置１１０で行うことができる。

【0051】

［［変形例Ｂ］］
上記実施の形態において、例えば、図１３、図１４に示したように、情報処理装置１１０とカメラ１２０との通信が、ネットワーク１４０とは別のネットワーク１５０を介して行われてもよい。また、上記変形例Ａにおいて、例えば、図１５、図１６に示したように、情報処理装置１１０とカメラ１２０との通信が、ネットワーク１４０とは別のネットワーク１５０を介して行われてもよい。このとき、ネットワーク１５０は、例えば、Ｂｌｕｅｔｏｏｔｈ（登録商標）などの近距離無線通信であってもよい。このような構成となっている場合であっても、上記実施の形態と同様の効果が得られる。

【0052】

［［変形例Ｃ］］
上記実施の形態およびその変形例において、強膜内固定術で使用する手術器具の、模擬強膜部４２１に対する入射角度などを検出する装置が設けられていてもよい。このようにした場合には、強膜内固定術で使用する手術器具の、模擬強膜部４２１に対する入射角度などを強膜内固定術の習熟度の評価に盛り込むことができるので、強膜内固定術の習熟度の評価をより緻密に行うことが可能となる。

【0053】

［［変形例Ｄ］］
上記実施の形態およびその変形例において、カメラ１２０とは異なるカメラで得られた動画データＩａが用いられてもよい。このとき、カメラ１２０とは異なるカメラは、医療従事者が接眼部２５２を覗き込んだときの術野の観察方向とは異なる方向から術野を撮像するように構成されている。カメラ１２０とは異なるカメラが、術野に対して斜めの方向から術野を撮像することにより動画データＩａを取得してもよい。このように、術野に対して斜めの方向から術野を撮像した場合には、強膜内固定術で使用する手術器具の、模擬強膜部４２１に対する入射角度などを検出する装置を設けていなくても、上記入射角度などを動画データＩａから知ることが可能となる。従って、上記入射角度などを検出する装置を省略することができる分だけ、白内障手術評価システム１００の構成を簡素化することができる。

【符号の説明】

【0054】

１００…白内障手術評価システム、１１０…情報処理装置、１１０Ａ…表示面、１１１…制御部、１１２…メモリ、１１２Ａ…プログラム、１１３…表示部、１１４…入力部、１１５…ネットワークＩＦ、１２０…カメラ、１３０…サーバ装置、１３１…制御部、１３２…評価モデル、１３２Ａ…入力層、１３２Ｂ…中間層、１３２Ｃ…出力層、１３３…学習モジュール、１３３Ａ…学習データ生成モジュール、１３３Ｂ…パラメータ生成モジュール、１３４…メモリ、１３４Ａ…工程データ、１３４Ｂ…パラメータ、１３５…メモリ、１３５Ａ，１３５Ｂ，１３５Ｃ…動画データ、１３６…ネットワークＩＦ、１４０，１５０…ネットワーク、２００…眼科手術用顕微鏡システム、２１０…支柱、２２０…第１アーム、２３０…第２アーム、２４０…駆動装置、２５０…医療従事者用顕微鏡、２６０…フットスイッチ、３００…手術台、４００…模擬眼球、４１０…下側部材、４１１…殻状本体部、４１１Ａ…上端面、４１２…窪み部、４２０…上側部材、４２１…模擬強膜部、４２２…模擬角膜部、４２３…模擬虹彩部、５００…眼内レンズ、５１０…本体レンズ部、５２０…連結部、Ｄａ…工程評価データ、Ｄｂ…学習データ、Ｉａ…動画データ。

【図1】

【図2】

【図3】

【図4】

【図5】

【図6】

【図7】

【図8】

【図9】

【図10】

【図11】

【図12】

【図13】

【図14】

【図15】

【図16】