腦功能網(wǎng)絡(luò)指標(biāo)與手術(shù)室外科醫(yī)生表現(xiàn)和注意力分散之間的關(guān)系

1.研究背景

與傳統(tǒng)的手術(shù)框架相比，機(jī)器人輔助手術(shù)(RAS)提供了一些優(yōu)勢(shì)，如改進(jìn)了手術(shù)的三維性，放大了工作區(qū)域的圖像，以及提高了靈活性。雖然RAS的優(yōu)勢(shì)得到了認(rèn)可，但機(jī)器人用戶界面的局限性和陡峭的學(xué)習(xí)曲線是導(dǎo)致機(jī)器人輔助技術(shù)利用率較低的因素。即使在RAS應(yīng)用的領(lǐng)域，如婦科和泌尿科，RAS的結(jié)果似乎主要與單個(gè)外科醫(yī)生的專業(yè)水平相關(guān)。

本研究目的是檢查EEG特征代表的動(dòng)態(tài)變化的功能腦網(wǎng)絡(luò)的外科見習(xí)醫(yī)生，以及這些特征是否可以用來評(píng)估機(jī)器人輔助外科醫(yī)生(RAS)的表現(xiàn)和分散在手術(shù)室的水平。

2.研究方法

2.1 被試

所有研究對(duì)象都是來自羅斯威爾公園綜合癌癥中心泌尿科的RAS外科研究員。

表1.人口統(tǒng)計(jì)數(shù)據(jù)

備注：RAS:機(jī)器人協(xié)助手術(shù);或者:手術(shù)室

2.2 實(shí)驗(yàn)過程與數(shù)據(jù)分析

數(shù)據(jù)記錄設(shè)置：利用128通道腦電圖(EEG)耳機(jī)(ANT neuro inspiring technology, Inc, Hengelo, The Netherlands)以500個(gè)samples/s的頻率，從手術(shù)室(ORs)的3名機(jī)器人外科醫(yī)生收集EEG數(shù)據(jù)。記錄了119個(gè)腦區(qū)的EEG數(shù)據(jù)，包括額葉(2通道)、前額葉(3通道)、中央(7通道)、顳葉(2通道)、頂葉(10通道)、枕葉(4通道)、額-中央(19通道)、額-顳葉(10通道)、頂-枕葉(17通道)、顳-頂葉(8通道)、和中央頂葉區(qū)(18個(gè)通道)。其余9個(gè)通道中，2個(gè)為置于乳突上的參考電極，7個(gè)電極(I1、Iz、I2、CPz、PO5、PO6、Oz)因信號(hào)質(zhì)量不足而排除在本研究之外。

外科醫(yī)生特點(diǎn)及評(píng)價(jià)：每個(gè)外科醫(yī)生對(duì)手術(shù)專用的任務(wù)負(fù)荷指數(shù)(SURG-TLX)問卷進(jìn)行主觀評(píng)估，每個(gè)任務(wù)結(jié)束時(shí)導(dǎo)師對(duì)NASA任務(wù)負(fù)荷指數(shù)(NASA-TLX)問卷指標(biāo)進(jìn)行主觀評(píng)估。SURG-TLX包括六個(gè)指標(biāo)的多維評(píng)分：心理需求、身體需求、時(shí)間需求、任務(wù)復(fù)雜性、情境壓力和分心。NASA-TLX指標(biāo)包括精神需求、身體需求、時(shí)間需求、表現(xiàn)、努力和挫折。分析使用了導(dǎo)師給出的表現(xiàn)評(píng)分和外科醫(yī)生給出的分心評(píng)分。SURG-TLX和NASA-TLX指標(biāo)的規(guī)模為1-20，其中1最低，20最高。

外科任務(wù)：本研究的手術(shù)任務(wù)包括膀胱下降、清掃(淋巴結(jié)、膀胱頸、精囊、輸尿管周圍間隙、骨盆側(cè)間隙、直腸前間隙、血管蒂和前列腺尖)、尿道-膀胱吻合和縫合。

大腦分成的系統(tǒng)：根據(jù)前人的研究工作，位于這些區(qū)域之上的大腦區(qū)域和相應(yīng)的記錄電極被標(biāo)記為與運(yùn)動(dòng)、認(rèn)知和感知相關(guān)的大腦區(qū)域。分析考慮了運(yùn)動(dòng)過程相關(guān)區(qū)域、認(rèn)知過程相關(guān)區(qū)域和知覺過程相關(guān)區(qū)域。

圖1 運(yùn)動(dòng)過程相關(guān)區(qū)域、認(rèn)知過程相關(guān)區(qū)域和知覺過程相關(guān)區(qū)域的實(shí)驗(yàn)設(shè)置和EEG特征提取示意圖

EEG信號(hào)處理：使用ANT Neuro的源分析(ASA)框架對(duì)腦電數(shù)據(jù)進(jìn)行預(yù)處理。ASA框架通過空間濾波實(shí)現(xiàn)偽跡校正。根據(jù)地形圖將腦信號(hào)從偽跡中分離出來，然后在不扭曲腦電信號(hào)的情況下去除偽跡。該方法使用兩個(gè)標(biāo)準(zhǔn)確定哪些數(shù)據(jù)部分被認(rèn)為是腦信號(hào)：第一個(gè)標(biāo)準(zhǔn)指定腦電信號(hào)的最高振幅范圍，第二個(gè)標(biāo)準(zhǔn)指定腦信號(hào)和允許最大偽跡的最高相關(guān)性。然后，利用空間主成分分析(PCA)方法確定腦電信號(hào)偽跡。最后，將刪除這些偽跡成分。采用0.2-250 Hz的帶通濾波器對(duì)各通道的腦電圖數(shù)據(jù)進(jìn)行濾波，濾波陡度為24 dB/octave?；诿ぴ捶蛛x和基于地形分布的PCA方法進(jìn)行腦電信號(hào)偽跡校正。對(duì)腦電數(shù)據(jù)的個(gè)別部分進(jìn)行目視檢查，以檢查面部和肌肉活動(dòng)偽跡和其他偽跡，然后采用空間拉普拉斯(SP)技術(shù)對(duì)信號(hào)進(jìn)行特征提取。

大腦動(dòng)態(tài)特征：大腦分成不同的區(qū)域，包括多個(gè)通道。這些通道構(gòu)成了網(wǎng)絡(luò)節(jié)點(diǎn)。通過相干分析，推導(dǎo)出網(wǎng)絡(luò)連通性。利用相鄰矩陣提取運(yùn)動(dòng)過程相關(guān)區(qū)域、認(rèn)知過程相關(guān)區(qū)域和知覺過程相關(guān)區(qū)域的平均強(qiáng)度和平均搜索信息特征。

力量是指大腦各區(qū)域中各通道的總溝通權(quán)重。通過每次記錄，每個(gè)區(qū)域的平均強(qiáng)度被考慮進(jìn)行分析。

搜索信息是指在給定的一對(duì)節(jié)點(diǎn)之間沿著最短路徑所需要的信息量(以Bit為單位)。計(jì)算每個(gè)區(qū)域內(nèi)的通道特征，并考慮每個(gè)記錄中每個(gè)區(qū)域的平均值。使用多層模塊化最大化準(zhǔn)則將每個(gè)相鄰矩陣劃分為社區(qū)(功能狀態(tài))，計(jì)算每個(gè)記錄的每一秒。群體的表達(dá)是指分配給同一個(gè)群體的大腦區(qū)域之間的關(guān)系，分配給不同群體的大腦區(qū)域之間的聯(lián)系的緊密程度。

每秒鐘為每個(gè)通道分配的功能社區(qū)數(shù)據(jù)用于為每個(gè)記錄提取純凈模塊矩陣(MAM)。矩陣元素的值表明，在由構(gòu)建的一組功能大腦網(wǎng)絡(luò)中，兩個(gè)通道可以被分配到同一個(gè)社區(qū)的概率利用MAM提取平均靈活性、整合性以及運(yùn)動(dòng)加工相關(guān)區(qū)域、認(rèn)知加工相關(guān)區(qū)域和知覺加工相關(guān)區(qū)域的招募動(dòng)態(tài)腦特征。

網(wǎng)絡(luò)靈活性是指在記錄的過程中，一個(gè)區(qū)域內(nèi)的信道在連續(xù)的一秒窗口內(nèi)更改其指定社區(qū)的時(shí)間的百分比。一個(gè)區(qū)域內(nèi)所有通道的靈活性的平均值被認(rèn)為是每個(gè)區(qū)域和記錄的一個(gè)特征。整合：是指一個(gè)通道與來自大腦其他區(qū)域的通道處于同一網(wǎng)絡(luò)社區(qū)的平均概率。每個(gè)區(qū)域內(nèi)每個(gè)通道的平均積分被認(rèn)為是分配到每個(gè)區(qū)域并記錄的一個(gè)特征?！罢心肌笔侵敢粋€(gè)信道與其他信道在同一網(wǎng)絡(luò)社區(qū)的平均概率。每個(gè)區(qū)域內(nèi)所有頻道的平均招聘被認(rèn)為是分配給每個(gè)區(qū)域并記錄的一個(gè)特征。

每次手術(shù)共計(jì)算14個(gè)腦電特征。所有的腦電特征都是連續(xù)的，這里用中位數(shù)和四分位區(qū)間(Q1, Q3)來描述。采用隨機(jī)截距模型檢驗(yàn)不同術(shù)者的術(shù)式評(píng)分差異。采用一般線性模型分析了外科醫(yī)生腦電特征與工作成績和注意力分散水平之間的關(guān)系。

3.實(shí)驗(yàn)結(jié)果

表現(xiàn)評(píng)估：

142例手術(shù)的中位表現(xiàn)評(píng)分為12分，分位數(shù)區(qū)間為8 (Q1)-15 (Q3)。滿分(最佳表現(xiàn))為19分，最低分(最差表現(xiàn))為1分。142例手術(shù)的平均評(píng)分(標(biāo)準(zhǔn)差)為11.1±4.2分(沒有發(fā)現(xiàn)不同手術(shù)任務(wù)之間有任何差異(p = 0.58)。使用隨機(jī)截距模型來檢驗(yàn)外科醫(yī)生之間的差異，結(jié)果顯示外科醫(yī)生之間沒有差異(p = 0.38)。單變量分析結(jié)果如表2所示。

表2 單變量分析結(jié)果表現(xiàn)與腦電特征之間的關(guān)系

結(jié)果表明，RAS外科醫(yī)生的表現(xiàn)與從功能腦網(wǎng)絡(luò)檢索到的動(dòng)態(tài)特征有關(guān)系。

干擾評(píng)估：

術(shù)中注意力分散可能是影響外科醫(yī)生工作表現(xiàn)評(píng)分的重要因素之一(Pearson相關(guān)系數(shù)= 0.37,p <0.0001)。分析了注意力分散及其與腦電特征的關(guān)聯(lián)，注意力分散是一個(gè)SURG-TLX指標(biāo)，在每個(gè)手術(shù)任務(wù)結(jié)束時(shí)主觀評(píng)估，范圍為0-20分，其中0表示沒有注意力分散，20定義為最大注意力分散。在142例手術(shù)中，有3個(gè)缺失值，總共記錄了139個(gè)分心評(píng)分。中位(Q1, Q3)分心評(píng)分為14(11,16)，平均分心評(píng)分為13.3，標(biāo)準(zhǔn)差為3.1。最小分散5次，最大分散19次。外科醫(yī)生之間無明顯差異(p-value = 0.17)。因?yàn)榉中目赡馨l(fā)生在任何手術(shù)中，所以在模型中，手術(shù)類型沒有被考慮為一個(gè)因素。繼續(xù)使用一般線性模型來檢測(cè)腦電特征和注意力分散之間的關(guān)系。腦電特征與分心評(píng)分的單因素分析結(jié)果如表4所示。

表4. 單因素分析結(jié)果（表示分心程度與腦電特征的關(guān)系）

多元結(jié)果顯示，感知過程相關(guān)區(qū)域的整合每增加0.1個(gè)單位，分心程度就會(huì)增加1.9個(gè)單位。

知覺過程相關(guān)區(qū)域的招募增加0.1個(gè)單位，分心值降低1.2個(gè)點(diǎn)。其他腦電特征未發(fā)現(xiàn)與注意力分散有明顯相關(guān)，如表5所示。

表5. 多元線性分析結(jié)果（代表與RAS外科醫(yī)生分心水平相關(guān)的腦電特征）

4.結(jié)論

在本研究中，發(fā)現(xiàn)使用RAS從外科醫(yī)生的功能腦網(wǎng)絡(luò)中提取的動(dòng)態(tài)特征可以用來評(píng)估手術(shù)表現(xiàn)和注意力分散。

5.文獻(xiàn)名稱及DOI號(hào)

Shafiei, S. B. ,  Jing, Z. ,  Attwood, K. ,  Iqbal, U. , &  Guru, K. . (2021). Association between functional brain network metrics and surgeon performance and distraction in the operating room. Brain Sciences, 11(4), 468.

DOI：10.3390/brainsci11040468