KI erzeugt kontrollierte OR‑Videos – neue Datenbasis für seltene Ereignisse

In der Operations‑Room‑Forschung bleibt die Sammlung großer Datensätze mit seltenen, sicherheitskritischen oder atypischen Ereignissen ein großes Problem – sowohl aus operativen als auch aus ethischen Gründen. Ein neues Verfahren nutzt Video‑Diffusion, um solche Szenen gezielt zu erzeugen. Dabei werden Operationen zunächst in abstrakte geometrische Darstellungen überführt, anschließend ein Konditionsschritt angewendet und schließlich ein feinabgestimmtes Diffusionsmodell eingesetzt, das realistische Videos generiert.

Mit dieser Technik wurde ein synthetisches Datenset erstellt, das speziell für die Erkennung von „Near‑Miss“-Vorfällen bei sterilen Feldverletzungen konzipiert ist. Die erzeugten Videos übertreffen herkömmliche Diffusionsmodelle: Sie weisen niedrigere FVD‑ und LPIPS‑Werte sowie höhere SSIM‑ und PSNR‑Scores auf, sowohl innerhalb als auch außerhalb des Trainingsdatensatzes. Qualitative Ergebnisse zeigen, dass das System auch kontrafaktische Ereignisse kontrolliert darstellen kann.

Ein darauf trainiertes KI‑Modell erreichte bei der Erkennung von nahezu sicherheitskritischen Vorfällen einen Recall von 70,13 %. Zusätzlich wurde eine Ablationsstudie durchgeführt, die die Leistungsverbesserungen der einzelnen Designkomponenten quantifiziert.

Das vorgestellte System ermöglicht es, Routine‑ und seltene Operations‑Events aus geometrischen Vorlagen zu synthetisieren und damit die Entwicklung von Ambient‑Intelligence‑Lösungen für die Operations‑Room‑Sicherheit voranzutreiben.