Кривая обучения робот-ассистированной хирургии
https://doi.org/10.24884/0042-4625-2025-184-4-86-93
Аннотация
ВВЕДЕНИЕ. Кривая обучения – это период, во время которого происходит совершенствование хирургических навыков благодаря различным тренировочным и образовательным методикам. Продолжительность кривой обучения характеризуется минимальным числом выполненных операций, необходимым для выхода на плато удовлетворительных результатов. Быстрота и широкое распространение малоинвазивных технологий в различных разделах хирургии обусловливают необходимость детального изучения кривых обучения. Процесс освоения новых хирургических методик важно изучать, поскольку он связан с возможными осложнениями при выполнении оперативных вмешательств. По мере увеличения числа проведения оперативных вмешательств с использованием робот-ассистированных технологий возросла и важность оценки хирургических навыков. Важно неоднократно оценивать хирургические навыки каждого хирурга, который выполняет робот-ассистированные оперативные вмешательства, чтобы определить текущую позицию этого хирурга на кривой обучения.
ЦЕЛЬ – провести систематический обзор литературы, посвященной анализу кривой обучения при робот-ассистированных оперативных вмешательствах.
МЕТОДЫ И МАТЕРИАЛЫ. Произведен систематический обзор доступных научных статей по данной теме. При поиске необходимых статей для проведения литературного обзора по данной тематике были использованы такие платформы, как PubMed, eLibrary, Научная библиотека БГМУ, CyberLeninka и др.
РЕЗУЛЬТАТЫ. За период с 2014 г. по 2024 г. при проведении литературного обзора было изучено 56 статей, из которых 50 статей иностранных авторов и 6 статей русских авторов. Оценивались такие параметры, как время операции, объем кровопотери, продолжительность стационарного периода, частота осложнений, а также темпы восстановления пациентов после оперативного вмешательства и качество жизни пациентов.
ВЫВОДЫ. Несмотря на значительный прогресс, остается ряд нерешенных вопросов, таких как стандартизация параметров кривой обучения и разработка унифицированных подходов к оценке хирургических навыков. Внедрение тренировочных программ, использование симуляторов и наставничество являются ключевыми факторами, способствующими сокращению кривой обучения и улучшению результатов лечения пациентов. Будущие исследования должны быть направлены на разработку стандартизированных протоколов обучения и внедрение новых технологий, таких как искусственный интеллект, для объективной оценки хирургических навыков.
Об авторах
М. Ф. УрманцевРоссия
Урманцев Марат Фаязович, кандидат медицинских наук, доцент кафедры урологии и доцент кафедры онкологии, зав. онкологическим отделением клиники
450008, Республика Башкортостан, г. Уфа, ул. Ленина, д. 3
Конфликт интересов:
Авторы заявили об отсутствии конфликта интересов.
А. О. Папоян
Россия
Папоян Анушаван Оганесович, врач-уролог, зав. урологическим отделением клиники
450008, Республика Башкортостан, г. Уфа, ул. Ленина, д. 3
Конфликт интересов:
Авторы заявили об отсутствии конфликта интересов.
А. Р. Билялов
Россия
Билялов Азат Ринатович, кандидат медицинских наук, доцент, начальник управления информационных технологий
450008, Республика Башкортостан, г. Уфа, ул. Ленина, д. 3
Конфликт интересов:
Авторы заявили об отсутствии конфликта интересов.
А. М. Авзалетдинов
Россия
Авзалетдинов Артур Марсович, доктор медицинских наук, профессор кафедры госпитальной и сердечно-сосудистой хирургии, зав. отделением торакальной хирургии, торакальный хирург, онколог клиники
450008, Республика Башкортостан, г. Уфа, ул. Ленина, д. 3
Конфликт интересов:
Авторы заявили об отсутствии конфликта интересов.
О. А. Ефремова
Россия
Ефремова Ольга Анатольевна, кандидат медицинских наук, зам. главного врача по медицинской части клиники
450008, Республика Башкортостан, г. Уфа, ул. Ленина, д. 3
Конфликт интересов:
Авторы заявили об отсутствии конфликта интересов.
К. Р. Мусакаева
Россия
Мусакаева Камила Ринатовна, врачторакальный хирург, ассистент кафедры госпитальной и сердечно-сосудистой хирургии клиники
450008, Республика Башкортостан, г. Уфа, ул. Ленина, д. 3
Конфликт интересов:
Авторы заявили об отсутствии конфликта интересов.
А. С. Денейко
Россия
Денейко Антон Сергеевич, врач-уролог урологического отделения клиники
450008, Республика Башкортостан, г. Уфа, ул. Ленина, д. 3
Конфликт интересов:
Авторы заявили об отсутствии конфликта интересов.
А. Р. Кашапова
Россия
Кашапова Алина Радиковна, врач – колопроктолог
450008, Республика Башкортостан, г. Уфа, ул. Ленина, д. 3
Конфликт интересов:
Авторы заявили об отсутствии конфликта интересов.
В. Н. Павлов
Россия
Павлов Валентин Николаевич, доктор медицинских наук, профессор, академик РАН, ректор
450008, Республика Башкортостан, г. Уфа, ул. Ленина, д. 3
Конфликт интересов:
Авторы заявили об отсутствии конфликта интересов.
Список литературы
1. Унгурян В. М., Круглов Е. А., Побединцева Ю. А. Кривые обучения в минимально инвазивной онкохирургии. Эндоскопическая хирургия. 2020. Т. 26, № 4. С. 54–58. https://doi.org/10.17116/endoskop20202604154.
2. Рябов М. А., Бядретдинов И. Ш., Котов С. В. Кривая обучения лапароскопической и робот-ассистированной радикальной простатэктомии. Экспериментальная и клиническая урология. 2021. Т. 14, № 4. С. 37–43. https://doi.org/10.29188/2222-8543-2021-14-4-37-43.
3. Талышинский А. Э., Гулиев Б. Г., Камышанская И. Г. и др. Анализ подходов к глубокому обучению для автоматизированного выделения и сегментации предстательной железы: обзор литературы. Онкоурология. 2023. Т. 19, № 2. С. 101–110. https://doi.org/10.17650/1726-9776-2023-19-2-101-110.
4. Шведов А. М., Колонтарев К. Б., Бормотин А. В. и др. Факторы риска недержания мочи у пациентов, перенесших радикальную роботассистированную простатэктомию. Вестник урологии. 2023. Т. 11, № 1. С. 150–158.
5. Медведев В. Л. Робот-ассистированная лапароскопическая радикальная простатэктомия. Вестник урологии. 2018. Т. 6, № 4. С. 67–76. https://doi.org/10.21886/2308-6424-2017-6-4-67-76.
6. Sung H., Ferlay J., Siegel R. L. et al. Global Cancer Statistics 2020: GLOBOCAN Estimates of Incidence and Mortality Worldwide for 36 Cancers in 185 Countries. CA: A Cancer Journal for Clinicians. 2021. Vol. 71, № 3. P. 209–249. https://doi.org/10.3322/caac.21660.
7. Lee D., Yu H. W., Kwon H. et al. Evaluation of Surgical Skills during Robotic Surgery by Deep Learning-Based Multiple Surgical Instrument Tracking in Training and Actual Operations. Journal of Clinical Medicine. 2020. Vol. 9, № 6. P. 1964. https://doi.org/10.3390/jcm9061964.
8. Niu S., Ao L., Gao Y. et al. Suitability of the MP1000 Platform for Robotassisted Prostatectomy: A Prospective Randomised Controlled Trial. European Urology Open Science. 2024. Vol. 64. P. 2–8. https://doi.org/10.1016/j.euros.2024.02.017.
9. Thakker P. U., Sandberg M., Hemal A. K., Rodriguez A. R. A Comprehensive Review of the Current State of Robot-assisted Laparoscopic Salvage Prostatectomy. International Brazilian Journal of Urology. 2024. Vol. 50, № 4. P. 398–414. https://doi.org/10.1590/S1677-5538.IBJU.2024.0126.
10. Yeolekar A., Qadri H. The Learning Curve in Surgical Practice and Its Applicability to Rhinoplasty. Indian Journal of Otolaryngology and Head & Neck Surgery. 2018. Vol. 70, № 1. P. 38–42. https://doi.org/10.1007/s12070-017-1199-x.
11. Salim A., Moazzam Z., Dogar S. A., Qazi S. H. Simulation-based Training in the Paediatric Surgery Population: A Review of Current Trends and Future Direction. Journal of the Pakistan Medical Association. 2021. Vol. 71, Suppl. 1. P. S38–S41.
12. Wilcox Vanden Berg R. N., Vertosick E. A., Sjoberg D. D. et al. Implementation and Validation of an Automated, Longitudinal Robotic Surgical Evaluation and Feedback Program at a High-volume Center and Impact on Training. European Urology Open Science. 2024. Vol. 62. P. 81–90. https://doi.org/10.1016/j.euros.2024.02.014.
13. Ambinder D., Wang S., Siddiqui M. M. Determining the Componentbased Operative Time Learning Curve for Robotic-assisted Radical Prostatectomy. Current Urology. 2022. Vol. 16, № 4. P. 240–245. https://doi.org/10.1097/CU9.0000000000000119.
14. Pires R. D. S., Pereira C. W. A., Favorito L. A. Is the Learning Curve of the Urology Resident for Conventional Radical Prostatectomy Similar to That of Staff Initiating Robot-assisted Radical Prostatectomy? International Brazilian Journal of Urology. 2024. Vol. 50, № 3. P. 335–345. https://doi.org/10.1590/S1677-5538.IBJU.2024.9909.
15. Lee R. S., Ma R., Pham S. et al. Machine Learning to Delineate Surgeon and Clinical Factors That Anticipate Positive Surgical Margins After Robot-Assisted Radical Prostatectomy. Journal of Endourology. 2022. Vol. 36, № 9. P. 1192–1198. https://doi.org/10.1089/end.2021.0890.
16. Song C., Cheng L., Li Y. et al. Systematic Literature Review of Costeffectiveness Analyses of Robotic-assisted Radical Prostatectomy for Localised Prostate Cancer. BMJ Open. 2022. Vol. 12, № 9. Art. e058394. https://doi.org/10.1136/bmjopen-2021-058394.
17. Bock D., Nyberg M., Lantz A. et al. Learning Curve for Robot-assisted Laparoscopic Radical Prostatectomy in a Large Prospective Multicentre Study. Scandinavian Journal of Urology. 2022. Vol. 56, № 3. P. 182–190. https://doi.org/10.1080/21681805.2022.2070274.
18. Anceschi U., Galfano A., Luciani L. et al. Analysis of Predictors of Early Trifecta Achievement After Robot-assisted Radical Prostatectomy for Trainers and Expert Surgeons: The Learning Curve Never Ends. Minerva Urology and Nephrology. 2022. Vol. 74, № 2. P. 133–136. https://doi.org/10.23736/S2724-6051.22.04805-4.
19. Cassim R., Millan B., Guo Y. et al. Minimizing the Learning Curve for Robotic-assisted Radical Cystectomy: A Single-surgeon, Retrospective, Cohort Study. Canadian Urological Association Journal. 2023. Vol. 17, № 9. P. E252–E256. https://doi.org/10.5489/cuaj.8279.
20. Chahal B., Aydin A., Amin M. S. A. et al. The Learning Curves of Major Laparoscopic and Robotic Procedures in Urology: A Systematic Review. International Journal of Surgery. 2023. Vol. 109, № 7. P. 2037–2057. https://doi.org/10.1097/JS9.0000000000000345.
21. Fainberg J., Vanden Berg R. N. W., Chesnut G. et al. A Novel Expert Coaching Model in Urology, Aimed at Accelerating the Learning Curve in Robotic Prostatectomy. Journal of Surgical Education. 2022. Vol. 79, № 6. P. 1480–1488. https://doi.org/10.1016/j.jsurg.2022.06.006.
22. Esperto F., Prata F., Antonelli A. et al. Bioethical Implications of Robotic Surgery in Urology: A Systematic Review. Minerva Urology and Nephrology. 2021. Vol. 73, № 6. P. 700–710. https://doi.org/10.23736/S2724-6051.21.04240-3.
23. Thomas B. C., Slack M., Hussain M. et al. Preclinical Evaluation of the Versius Surgical System, a New Robot-assisted Surgical Device for Use in Minimal Access Renal and Prostate Surgery. European Urology Focus. 2021. Vol. 7, № 2. P. 444–452. https://doi.org/10.1016/j.euf.2020.01.011.
24. Raison N., Harrison P., Abe T. et al. Procedural Virtual Reality Simulation Training for Robotic Surgery: A Randomised Controlled Trial. Surgical Endoscopy. 2021. Vol. 35, № 12. P. 6897–6902. https://doi.org/10.1007/s00464-020-08197-w.
25. Luongo F., Hakim R., Nguyen J. H. et al. Deep Learning-based Computer Vision to Recognize and Classify Suturing Gestures in Robot-assisted Surgery. Surgery. 2021. Vol. 169, № 5. P. 1240–1244. https://doi.org/10.1016/j.surg.2020.08.016.
26. Gandi C., Totaro A., Bientinesi R. et al. A Multi-surgeon Learning Curve Analysis of Overall and Site-specific Positive Surgical Margins After RARP and Implications for Training. Journal of Robotic Surgery. 2022. Vol. 16, № 6. P. 1451–1461. https://doi.org/10.1007/s11701-022-01378-w.
27. Wang F., Zhang C., Guo F. et al. The Application of Virtual Reality Training for Anastomosis During Robot-assisted Radical Prostatectomy. Asian Journal of Urology. 2021. Vol. 8, № 2. P. 204–208. https://doi.org/10.1016/j.ajur.2019.11.005.
28. Yu C., Xu L., Ye L. et al. Single-port Robot-assisted Perineal Radical Prostatectomy with the da Vinci XI System: Initial Experience and Learning Curve Using the Cumulative Sum Method. World Journal of Surgical Oncology. 2023. Vol. 21, № 1. Art. 46. https://doi.org/10.1186/s12957-023-02927-9.
29. Ju G. Q., Wang Z. J., Shi J. Z. et al. A Comparison of Perioperative Outcomes Between Extraperitoneal Robotic Single-port and Multiport Radical Prostatectomy with the da Vinci Si Surgical System. Asian Journal of Andrology. 2021. Vol. 23, № 6. P. 640–647. https://doi.org/10.4103/aja.aja_50_21.
30. Dell’Oglio P., Tappero S., Andras I. et al. Comment on: “The Surgical Learning Curve for Salvage Robot-assisted Radical Prostatectomy: A Prospective Single-surgeon Study”. Minerva Urology and Nephrology. 2021. Vol. 73, № 5. P. 680–682. https://doi.org/10.23736/S2724-6051.21.04721-2.
31. Hughes T., Rai B., Madaan S. et al. The Availability, Cost, Limitations, Learning Curve and Future of Robotic Systems in Urology and Prostate Cancer Surgery. Journal of Clinical Medicine. 2023. Vol. 12, № 6. P. 2268. https://doi.org/10.3390/jcm12062268.
32. Shelton T. M., Drake C., Vasquez R., Rivera M. Comparison of Contemporary Surgical Outcomes Between Holmium Laser Enucleation of the Prostate and Robotic-Assisted Simple Prostatectomy. Current Urology Reports. 2023. Vol. 24, № 5. P. 221–229. https://doi.org/10.1007/s11934-023-01146-9.
33. Hashine K., Tada K., Minato R. et al. Patient-reported Outcomes After Robot-assisted Radical Prostatectomy and Institutional Learning Curve for Functional Outcomes. Urology Annals. 2023. Vol. 15, № 1. P. 60–67. https://doi.org/10.4103/ua.ua_75_22.
34. Cysouw M. C. F., Jansen B. H. E., van de Brug T. et al. Machine Learningbased Analysis of [18F]DCFPyL PET Radiomics for Risk Stratification in Primary Prostate Cancer. European Journal of Nuclear Medicine and Molecular Imaging. 2021. Vol. 48, № 2. P. 340–349. https://doi.org/10.1007/s00259-020-04971-z.
35. Flynn J., Larach J. T., Kong J. C. H. et al. The learning curve in robotic colorectal surgery compared with laparoscopic colorectal surgery: a systematic review. Colorectal Dis. 2021. Vol. 23, № 11. P. 2806–2820. https://doi.org/10.1111/codi.15843.
36. Lee M. R., Li W. M., Li C. C. et al. Cumulative Sum Analysis of the Learning Curve of Laparoendoscopic Single-site Robot-assisted Radical Prostatectomy. Asian Journal of Surgery. 2023. Vol. 46, № 9. P. 3614– 3619. https://doi.org/10.1016/j.asjsur.2023.02.035.
37. Bravi C. A., Dell’Oglio P., Mazzone E. et al. The Surgical Learning Curve for Biochemical Recurrence After Robot-assisted Radical Prostatectomy. European Urology Oncology. 2023. Vol. 6, № 4. P. 414–421. https://doi.org/10.1016/j.euo.2022.06.010.
38. Ryan J. P. C., Lynch O., Broe M. P. et al. Robotic-assisted Radical Prostatectomy-impact of a Mentorship Program on Oncological Outcomes During the Learning Curve. Irish Journal of Medical Science. 2022. Vol. 191, № 1. P. 479–484. https://doi.org/10.1007/s11845-02102556-9.
39. Bravi C. A., Dell’Oglio P., Piazza P. et al. Positive Surgical Margins After Anterior Robot-assisted Radical Prostatectomy: Assessing the Learning Curve in a Multi-institutional Collaboration. European Urology Oncology. 2024. Vol. 7, № 4. P. 821–828. https://doi.org/10.1016/j.euo.2023.11.006.
40. Lin Y. C., Yuan L. H., Tseng C. S. et al. Comparison of Senhance and da Vinci Robotic Radical Prostatectomy: Short-term Outcomes, Learning Curve, and Cost Analysis. Prostate Cancer and Prostatic Diseases. 2024. Vol. 27, № 1. P. 116–121. https://doi.org/10.1038/s41391-02300717-8.
41. Carlos A. F., Dario V. M., Popescu R. I. et al. Robot-Assisted Radical Prostatectomy (RARP) Trifecta Learning Curve for Surgeons with Previous Experience in Laparoscopy. Medicina. 2024. Vol. 60, № 7. P. 1032. https://doi.org/10.3390/medicina60071032.
42. Walker R. J. B., Stukel T. A., de Mestral C. et al. Hospital Learning Curves for Robot-assisted Surgeries: A Population-based Analysis. Surgical Endoscopy. 2024. Vol. 38, № 3. P. 1367–1378. https://doi.org/10.1007/s00464-023-10625-6.
43. López-Abad A., Server Gómez G., Loyola Maturana J. P. et al. Comparative Evaluation of Continence and Potency After Radical Prostatectomy: Robotic vs. Laparoscopic Approaches, Validating LAP01 Trial. Surgical Oncology. 2024. Vol. 55. Art. 102098. https://doi.org/10.1016/j.suronc.2024.102098.
44. Wong S. W., Crowe P. Factors Affecting the Learning Curve in Robotic Colorectal Surgery. Journal of Robotic Surgery. 2022. Vol. 16, № 6. P. 1249–1256. https://doi.org/10.1007/s11701-022-01373-1.
45. Pernar L. I. M., Robertson F. C., Tavakkoli A. et al. An Appraisal of the Learning Curve in Robotic General Surgery. Surgical Endoscopy. 2017. Vol. 31, № 11. P. 4583–4596. https://doi.org/10.1007/s00464017-5520-2.
46. Wong S. W., Ang Z. H., Crowe P. The Learning Curve to Attain Surgical Competency in Robotic Colorectal Surgery. ANZ Journal of Surgery. 2022. Vol. 92, № 5. P. 1117–1124. https://doi.org/10.1111/ans.17449.
47. Ma J., Yang J., Cheng S. et al. The Learning Curve of Laparoendoscopic Single-Site Surgery in Benign Gynecological Diseases. Journal of Investigative Surgery. 2022. Vol. 35, № 2. P. 363–370. https://doi.org/10.1080/08941939.2020.1867673.
48. de Rezende B. B., Assumpção L. R., Haddad R. et al. Characteristics of the Learning Curve in Robotic Thoracic Surgery in an Emerging Country. Journal of Robotic Surgery. 2023. Vol. 17, № 4. P. 1809–1816. https://doi.org/10.1007/s11701-023-01590-2.
49. Grange P., Mulla M. Learning the “Learning Curve”. Surgery. 2015. Vol. 157, № 1. P. 8–9. https://doi.org/10.1016/j.surg.2014.07.017.
50. Arnold B. N., Thomas D. C., Bhatnagar V. et al. Defining the Learning Curve in Robot-assisted Thoracoscopic Lobectomy. Surgery. 2019. Vol. 165, № 2. P. 450–454. https://doi.org/10.1016/j.surg.2018.06.011.
51. Lee D., Yu H. W., Kwon H. et al. Evaluation of Surgical Skills during Robotic Surgery by Deep Learning-Based Multiple Surgical Instrument Tracking in Training and Actual Operations. Journal of Clinical Medicine. 2020. Vol. 9, № 6. P. 1964. https://doi.org/10.3390/jcm9061964.
52. Bock D., Nyberg M., Lantz A. et al. Learning curve for robot-assisted laparoscopic radical prostatectomy in a large prospective multicentre study. Scandinavian Journal of Urology. 2022. Vol. 56, № 3. P. 182–190. https://doi.org/10.1080/21681805.2022.2070274.
53. Ma J., Yang J., Cheng S. et al. The Learning Curve of Laparoendoscopic Single-Site Surgery in Benign Gynecological Diseases. Journal of Investigative Surgery. 2022. Vol. 35, № 2. P. 363–370. https://doi.org/10.1080/08941939.2020.1867673.
54. Arnold B. N., Thomas D. C., Bhatnagar V. et al. Defining the learning curve in robot-assisted thoracoscopic lobectomy. Surgery. 2019. Vol. 165, № 2. P. 450–454. https://doi.org/10.1016/j.surg.2018.06.011.
55. Wong S. W., Ang Z. H., Crowe P. Factors affecting the learning curve in robotic colorectal surgery. Journal of Robotic Surgery. 2022. Vol. 16, № 6. P. 1249–1256. https://doi.org/10.1007/s11701-022-01373-1.
56. Luongo F., Hakim R., Nguyen J. H. et al. Deep learning-based computer vision to recognize and classify suturing gestures in robot-assisted surgery. Surgery. 2021. Vol. 169, № 5. P. 1240–1244. https://doi.org/10.1016/j.surg.2020.08.016.
Дополнительные файлы
Рецензия
Для цитирования:
Урманцев М.Ф., Папоян А.О., Билялов А.Р., Авзалетдинов А.М., Ефремова О.А., Мусакаева К.Р., Денейко А.С., Кашапова А.Р., Павлов В.Н. Кривая обучения робот-ассистированной хирургии. Вестник хирургии имени И.И. Грекова. 2025;184(4):86-93. https://doi.org/10.24884/0042-4625-2025-184-4-86-93
For citation:
Urmantsev M.F., Papoyan A.O., Bilyalov A.R., Avzaletdinov A.M., Efremova O.A., Musakaeva K.R., Deneyko A.S., Kashapova A.R., Pavlov V.N. Learning curve of robot-assisted surgery. Grekov's Bulletin of Surgery. 2025;184(4):86-93. (In Russ.) https://doi.org/10.24884/0042-4625-2025-184-4-86-93