Onderzoekers van het LUMC en het NKI-AVL zetten innovatieve Formule 1-principes in om de precisie van robotchirurgie naar een hoger niveau te tillen. Niet met snelheidsdata of pitstops, maar door elke beweging van de operatierobot tot in detail vast te leggen en te analyseren. Zo krijgt een chirurg tijdens een robot-geassisteerde operatie directe, real-time feedback op dezelfde manier als Max Verstappen die continu wordt bijgestuurd door zijn raceteam.
Deze technologie moet gaan leiden tot chirurgie die slimmer, nauwkeuriger en consistenter wordt. In de Formule 1 draait alles om data (telemetrie). Niet alleen worden rondetijden en bochtsnelheden bijgehouden, ook meten honderden sensoren in de auto continu zaken als stuurbewegingen, bandenslijtage en hoe warm de remmen zijn.
Die data worden direct doorgestuurd naar de technici, zodat zij tijdens de race kunnen ingrijpen of de strategie kunnen bijstellen, bijvoorbeeld door eerder een pitstop in te plannen. Na de race wordt alle informatie grondig geanalyseerd om zowel de prestaties van de auto als de tactiek te optimaliseren voor de volgende race.
Opereren is teamwork
Succes in de Formule 1 is nooit alleen te danken aan de coureur. Achter elke gereden ronde staat een team van race-engineers, data-analisten, strategen, monteurs en technici die nauw samenwerken. Elk teamlid draagt op zijn eigen manier bij aan het verbeteren van de prestaties.
Ook een operatie is teamwerk. Chirurgen, assistenten, anesthesiologen, technici, onderzoekers en verpleegkundigen vormen samen een goed op elkaar ingespeeld team. Geïnspireerd door de telemetrie uit de Formule 1 voegen onderzoekers van het LUMC daar nu datagedreven ondersteuning aan toe, om de teamprestaties verder te versterken.
Bij een robotoperatie staat de chirurg niet aan de operatietafel, maar zit achter een console waarmee hij of zij de robot aanstuurt. De robot heeft vier armen: drie met instrumenten en één met een camera. De bediening gebeurt met voetpedalen en handcontrollers. Dankzij een samenwerking met de fabrikant van de robot kunnen de onderzoekers alle bewegingen van de robotarmen continu vastleggen in drie dimensies (x-, y- en z-coördinaten). Dit levert unieke datasets op die kunnen helpen om de prestaties van de chirurg te verbeteren.
Promovendus Kateryna Pirkovets legt uit dat ze data van vier operaties verzamelden waarbij de prostaat werd verwijderd met een Da Vinci-robot. Deze procedure wordt ook wel RALP genoemd: Robotic Assisted Laparoscopic Prostatectomy. Elke ingreep duurde ongeveer drie uur, waarin we 44 verschillende parameters hebben gemeten.
“We keken naar hoe snel en soepel de instrumentbewegingen waren, de positie van de instrumenten in het lichaam en ten opzichte van elkaar en hoelang elke fase duurde. Met behulp van kunstmatige intelligentie hebben we de data verwerkt en geïnterpreteerd."
Elke fase stelt andere eisen
Een operatie zoals de RALP verloopt in verschillende fasen, vergelijkbaar met een Formule 1-circuit dat bestaat uit bochten, rechte stukken en chicanes. Een chicane is een korte, scherpe bochtencombinatie op een racecircuit die is ontworpen om de snelheid van voertuigen te verminderen. Elke fase stelt andere eisen aan de vaardigheden van de chirurg: soms is snelheid vereist, terwijl op andere momenten juist uiterste precisie nodig is. Ook chirurgen moeten hun techniek afstemmen op de fase van de operatie: trage, verfijnde bewegingen om zenuwen te sparen of vloeiende bewegingen bij het hechten.
De onderzoekers herkennen de verschillende fasen van de operatie aan de hand van de bewegingen van de instrumenten. Pirkovets: "Door bewegingspatronen te herkennen kunnen we nu, voor het eerst, objectief bepalen in welke fase van de operatie de chirurg zich bevindt, net zoals een Formule 1-team weet waar de auto zich op het circuit bevindt."
Elke stap telt bij kankerchirurgie, benadrukt Fijs van Leeuwen, hoogleraar moleculaire beeldvorming en beeldgestuurde therapie. Tot nu toe werd de kwaliteit van een complexe RALP-operatie achteraf beoordeeld door collega’s die de operatievideo handmatig terugkeken. Een tijdrovend proces dat bovendien foutgevoelig is.
Door deze beoordeling te automatiseren, wordt de feedback sneller, consistenter en van hogere kwaliteit. “Chirurgen krijgen zo gerichte inzichten om hun vaardigheden verder te verbeteren, vergelijkbaar met hoe Formule 1-teams na elke race hun prestaties analyseren en aanscherpen,” aldus Van Leeuwen.
Trainingscentrum
Dat de techniek zijn vruchten afwerpt, blijkt bij de chirurgen in opleiding. Pirkovets vertelt dat de feedback van de nieuwe techniek objectief is. Dit bleek ook bij een studie waarin ze artsen in opleiding volgenden die de RALP-operatie gingen oefenen in een trainingscentrum.
“Bij de eerste poging ging het soms mis. Bij de tweede poging zagen we dat dezelfde arts, na feedback van de trainer, voorzichtiger bewoog met de instrumenten. Dat laat zien dat bewegingsanalyse ook gebruikt kan worden om de leerontwikkeling te volgen en heel gericht feedback te geven op onderdelen die nog verbeterd kunnen worden."
De onderzoekers willen een systeem ontwikkelen dat niet alleen na, maar ook tijdens operaties real-time feedback geeft, zodat chirurgen beter onderbouwde beslissingen kunnen nemen – vergelijkbaar met hoe Formule 1-coureurs tijdens een race continu updates krijgen.
Datagedreven werken
De Nederlandse umc’s werken op veel gebieden apart en samen aan het verbeteren van zorg via de inzet van data en datagedreven werken. Afgelopen voorjaar hebben de umc’s voor de eerste keer – via de Nederlandse Federatie van Universitair Medische Centra (NFU - vanaf november 2025 UMCNL) – een gezamenlijke strategie naar buiten gebracht in het kader van datagedreven werken. De titel van de strategie spreekt voor zich: ‘Samen voor de gezondheid van morgen’.
