Blog

Jul 19, 2023

Validierung der kollaborativen Cyberspace-Virtual-Reality-Okulometrie, erweitert durch Near Real

Scientific Reports Band 13, Artikelnummer: 10076 (2023) Diesen Artikel zitieren 425 Zugriffe auf Metrikdetails Derzeit sind die meisten medizinischen Bilddaten, wie z. B. Bilder der optischen Kohärenztomographie (OCT), verfügbar

Wissenschaftliche Berichte Band 13, Artikelnummer: 10076 (2023) Diesen Artikel zitieren

425 Zugriffe

Details zu den Metriken

Derzeit werden die meisten medizinischen Bilddaten, wie beispielsweise Bilder der optischen Kohärenztomographie (OCT), zweidimensional auf einem Computerbildschirm angezeigt. Fortschritte in der Computerinformationstechnologie haben zur zunehmenden Speicherung dieser Daten in elektronischer Form beigetragen. Allerdings werden die Daten in der Regel nur lokal vor Ort verarbeitet. Um solche Hürden zu überwinden, wurde eine Cyberspace Virtual Reality (csVR)-Anwendung validiert, bei der interaktive OCT-Daten gleichzeitig an geografisch entfernten Standorten (Luzern, London und Barcelona) präsentiert wurden, wo drei Prüfer unabhängig voneinander die okularen csVR-OCT-Durchmesser maßen. Insgesamt wurden 109 Objekte jeweils dreimal gemessen, was insgesamt 327 csVR-Messungen ergab. Zwischen den drei Messungen eines Objekts wurde ein geringer mittlerer absoluter Unterschied von 5,3 µm festgestellt (Standardabweichung 4,2 µm, Variationskoeffizient 0,3 % bezogen auf die mittlere Objektgröße). Trotz der 5 Stunden Online-Arbeit wurde csVR gut vertragen und war sicher. Digitale hochauflösende OCT-Daten können in csVR remote und kollaborativ verarbeitet werden. Mit csVR können Messungen und Aktionen, die durch räumliche Audiokommunikation erweitert werden, konsistent und nahezu in Echtzeit durchgeführt werden, selbst wenn die Benutzer geografisch weit voneinander entfernt sind. Der vorgeschlagene visuell-auditive Rahmen hat das Potenzial, den Komfort der digitalen Medizin in Richtung csVR-Präzision und kollaborativer Medizin weiter zu steigern.

Eine effektive und zuverlässige Kommunikation medizinischer Daten ist für die Integration digitaler Inhalte in der Medizin unerlässlich. Die digitale Medizin1 nutzt daher Software und algorithmisch verwaltete Komponenten, um die menschliche Gesundheit zu beurteilen und erfasste Daten zu speichern und zu verteilen. In der Medizin ist das Picture Archiving and Communication System (PACS)2 ein Beispiel für ein Bildarchivierungs- und Kommunikationssystem auf Basis digitaler Computer und Netzwerke. Obwohl die zentrale PACS-Technologie Fortschritte gemacht hat, bleiben die Hauptbetriebsprobleme bei der Implementierung eines PACS über ein internes lokales Netzwerk (LAN) und folglich die damit verbundenen Wartungs- und Fehlerbehebungskosten bestehen3.

Das Konzept der virtuellen Realität (VR) wurde in den 1960er Jahren als mögliches Tor konzipiert, durch das ein Benutzer synthetische Inhalte auf realistische Weise erleben kann4. Seitdem wurden hochentwickelte VR-Geräte entwickelt, die mithilfe von Head-Mounted-Displays (HMDs)5 ein stereoskopisches Eintauchen in eine computergenerierte digitale Umgebung ermöglichen. Solche VR-Systeme werden in verschiedenen medizinischen Bereichen häufig eingesetzt, beispielsweise für therapeutische Anwendungen6,7,8, präoperative Simulation9 und Planung10,11 sowie medizinische Ausbildung12,13. Trotz des großen Erfolgs zeigten sich einige Einschränkungen und Herausforderungen, wie zum Beispiel die benutzerfreundliche Umsetzung der VR-Technologie und die hohen technologischen Anforderungen, insbesondere an die grafische Darstellung komplexer Inhalte, die überwiegend isoliert zu relativ hohen Kosten führten Einzelbenutzer-adaptiertes VR-Erlebnis14.

In den letzten Jahren hat sich die optische Kohärenztomographie (OCT) als nichtinvasive Querschnittsbildgebungstechnologie im menschlichen Gewebe zum Goldstandard in der ophthalmologischen Bildgebung entwickelt15,16. Traditionell werden OCT-Bilder zweidimensional auf einem Computerbildschirm angezeigt, was zu räumlichen und zeitlichen Einschränkungen bei der Weitergabe wertvoller Informationen führt. Heute wurden die Anzeigemöglichkeiten von OCT-Bildern mit VR17 verbessert. Mit VR erstellte dreidimensionale OCT-Modelle wurden erfolgreich wahrgenommen und als geeignete digitale Schnittstelle zur Verbesserung der medizinischen Bilddarstellung18,19 auf interaktive Weise in Laien- und medizinischen Expertenumgebungen17,20,21 verwendet. Diese qualitativen Studien sind sehr wichtig, um den Übergang von VR in die medizinische Praxis voranzutreiben. Wir gehen jedoch davon aus, dass nur eine präzise Navigation, die auch in VR quantifizierbar und reproduzierbar ist, das Vertrauen in diese digitale Medizintechnik stärken kann. Auf Makroebene hat unsere Gruppe daher zuvor mit Messungen am menschlichen Schädel gezeigt, dass VR eine geeignete und valide Technologie ist, um die digitale Welt mit Messungen der physischen Welt zu vereinen22.

In dieser Studie wollen wir einige der oben genannten Einschränkungen überwinden, wie z. B. den Status einer einsamen und isolierten VR-Benutzersituation oder das Fehlen okularer VR, insbesondere der Quantifizierung von Netzhaut und Aderhaut, und VR auf die nächste medizinische Ebene bringen. Wir führten wiederholte Durchmessermessungen im OCT-Mikrometerbereich eines gesunden menschlichen Auges durch. Wir haben einen zusätzlichen Schwierigkeitsgrad integriert, indem wir diese Messungen unabhängig voneinander von drei erfahrenen Experten an verschiedenen klinischen Standorten durchführen ließen, die geografisch weit voneinander entfernt liegen und nur durch unsere vorgeschlagene Cyber-Space-Virtual-Reality-Anwendung (csVR) mit der Bezeichnung Specto verbunden sind. Bei der Definition des Cyberspace orientieren wir uns an der Empfehlung des Europäischen Rechnungshofs und definieren ihn als „die immaterielle globale Umgebung, in der Online-Kommunikation zwischen Menschen, Software und Diensten über Computernetzwerke und technische Geräte stattfindet“23.

Hier demonstrieren wir rigorose Fortschritte beim Zugriff und Umgang mit praktisch greifbaren quantitativen Bilddaten im Cyberspace über eine physisch große Entfernung. Hierzu leistet unsere Studie konkrete wesentliche Beiträge. Erstens zeigten die wiederholten Augennavigation und durchgeführten Messungen reproduzierbare Werte, was darauf hindeutet, dass komplexe csVR-Experimente zuverlässig durchgeführt werden können. Zweitens wurden stabile, über den Cyberspace verbundene VR-Umgebungen erfolgreich geschaffen, die die Zusammenarbeit zwischen geografisch weit entfernten medizinischen Experten förderten und durch einen nahezu in Echtzeit stattfindenden visuellen und akustischen Austausch verbesserten. Drittens wurde der hohe Grad an csVR-Kopplung, der eine direkte Interaktion ermöglichte, positiv wahrgenommen, und die Benutzer hatten keine nennenswerten Nebenwirkungen, obwohl sie fünf Stunden lang komplexe Aufgaben erledigten.

Somit kann die vorgeschlagene csVR-Lösung Specto der Grundstein dafür sein, die digitale Transformation in der Medizin zuverlässig voranzutreiben und neue Konzepte zu entwickeln, die in der physischen Welt nicht umsetzbar sind. Darüber hinaus kann csVR auch weniger privilegierten Personen zugänglich gemacht werden und völlig neue Gesundheits-IT-Plattformen und präzise digitale Interventionen zur Verbesserung der Gesundheitsergebnisse ermöglichen.

Alle 327 aufgezeichneten Längenmessungen sind im Streudiagramm in Abb. 1a dargestellt. Die aufgezeichneten Längenmaße der 109 Objekte lagen zwischen 0,23 mm und 3,97 mm, mit einem Mittelwert von 1,73 mm und einem Median von 1,75 mm (Abb. 1a, Tabelle 1). Der absolute Unterschied zwischen zwei Messungen desselben Objekts lag zwischen 0 μm und 34,1 μm mit einem Mittelwert von 5,3 μm und einem Median von 4,5 μm. Die aus den drei Messungen für jedes der 109 Objekte berechneten Standardabweichungen lagen zwischen 0,3 μm und 17,2 μm mit einem Mittelwert von 4,2 μm und einem Median von 3,6 μm (Abb. 1b). Der für jedes der 109 Objekte berechnete Variationskoeffizient (CoV) lag zwischen 0,012 und 2,18 %, mit einem Mittelwert von 0,34 % und einem Median von 0,24 %.

Visualisierung der 327 im csVR durchgeführten Längenmessungen von 109 Objekten. Die x-Achse zeigt die Objektlänge in mm. Jeder graue horizontale Balken gibt den Mittelwert der drei für dieses Objekt vorgenommenen Längenmessungen eines Objekts an, d. h. den Konsens. (a) Die y-Achse gibt die Abweichung vom Konsens in μm für jede der drei Messungen an. Die blauen, gelben und roten Punkte visualisieren die einzelnen Messungen der Bewerter g1, g2 bzw. g3. Die horizontale violette Linie visualisiert den Konsens. (b) Die y-Achse zeigt die Standardabweichung in μm an, die aus den drei Längenmessungen für jedes der 109 Objekte berechnet wurde.

Unterschiede in den Längenmaßen der 109 Objekte sind in den Boxplots in Abb. 2a dargestellt. Das Boxplot links zeigt die Unterschiede zwischen den Bewertern g1 und g2. Die Boxplots in der Mitte und rechts zeigen die Unterschiede zwischen g1 und g3 bzw. zwischen g2 und g3. Eine Distanzmatrix mit der mittleren absoluten Differenz der Längenmessungen zwischen den Bewertern und dem Konsens ist in Tabelle 1 dargestellt. Ein mehrdimensionales Skalierungsdiagramm basierend auf den Differenzen in Tabelle 1 ist in Abb. 2b dargestellt. Die ANOVA-Analyse ergab einen signifikanten Effekt der unabhängigen Variablen „Grader“ (p = 0,02) und „Objekt-ID“ (p < 2 × 10–16) auf die abhängige Variable „Objektlänge“ (Tabelle 2). Die unabhängige Variable „Linienfarbe“ hatte keinen signifikanten Effekt (Tabelle 2).

Visualisierung der Unterschiede in den kommentierten Längen zwischen den drei Bewertern g1, g2 und g3. (a) Boxplots der Längenunterschiede zwischen g1 und g2 (links), g1 und g3 (Mitte) und g2 und g3 (rechts). Die Kästchen erstrecken sich vom Ende des ersten Quartils bis zum Ende des dritten Quartils, mit einer schwarzen Linie am Median. Whiskers geben den Datenbereich an und weiße Punkte liegen über dem Ende der Whiskers. (b) Mehrdimensionales Skalierungsdiagramm (MDS) von g1, g2, g3 und dem Konsens. MDS wandelt Abstände zwischen Datenpunkten in Positionen in einem zweidimensionalen Koordinatensystem um und behält diese Abstände so gut wie möglich bei. Achsen sind willkürlich und haben normalerweise keine intuitive Interpretation. Das MDS-Diagramm war auf den Konsens zentriert (violetter Punkt). g1 und g2 sind ungefähr gleich weit vom Konsens entfernt, wie der äußere gestrichelte Kreis in Schwarz zeigt. g3 liegt etwas näher am Konsens, wie der innere gestrichelte Kreis in Schwarz zeigt.

Alle Messwerte zur statistischen Auswertung sowie zur Erstellung der Abbildungen und Tabellen sind in der Ergänzungsdatei S1 zusammengefasst.

Alle Teilnehmer der Studie waren männlich mit einem Durchschnittsalter von 41,3 Jahren (zwischen 28 und 55 Jahren). Alle waren Augenärzte mit einer durchschnittlichen medizinischen Berufserfahrung von 15,33 Jahren (Bereich von 4 bis 26 Jahren), einer durchschnittlichen augenärztlichen Berufserfahrung von 14,33 Jahren (Bereich von 4 bis 23 Jahren) und einer durchschnittlichen VR-Erfahrung von 4,67 Jahren (Bereich von 2 bis 7). Jahre). Die durchschnittliche Upload-Geschwindigkeit im Internet betrug 595 Megabit pro Sekunde (Bereich von 36 bis 900 Megabit pro Sekunde), die durchschnittliche Download-Geschwindigkeit betrug 427 Megabit pro Sekunde (Bereich von 0,86 bis 650 Megabit pro Sekunde), die mittlere Latenz im entladenen Zustand betrug 115 ms (Bereich von 2 bis 340 ms) und die geladene Latenz betrug 213 ms (Bereich von 3 bis 628 ms).

In ihrer persönlichen Einschätzung gaben alle Bewerter an, dass die vorgeschlagene VR-Anwendung technisch gut für eine Validierungsstudie geeignet sei. Wie in Abb. 3g dargestellt, wurde die Farbwahl für das Messlineal von der Software zufällig bestimmt und nach jeder Durchmessermessung geändert. Es stellte sich heraus, dass die Bewerter hellere Farben wie Rot, Grün oder Blau dem Violett oder Braun vorzogen. Darüber hinaus gaben alle Bewerter an, dass die sofortige räumliche Audiofunktion außerordentlich hilfreich sei, um die anderen Bewerter im VR-Raum zu lokalisieren und sich gegenseitig direkte Anweisungen zu geben. Die Geschwindigkeit der VR-Manipulation wurde von allen Bewertern als realitätsnah empfunden. Die OCT-Bilddarstellung im virtuellen Raum schien vergleichbar mit der herkömmlichen Computerdarstellung auf einem Computerbildschirm, jedoch intuitiver. Die größten Stärken waren die intuitive Interaktion mit OCT-Daten, Skalierungsoptionen, der schnelle Wechsel von der 2- zur 3D-Datendarstellung und die klare Kommunikation mit anderen Benutzern. Keiner der Bewerter hielt dies für einen unnötigen Ansatz und konnte die Aufgaben auch nach fünf Stunden gemeinsamer Arbeit erledigen.

Überblick über kollaborative Okulometrie im Cyberspace Virtual Reality (VR) zur Messung digitaler medizinischer Daten. (a–c) Drei Schüler befanden sich physisch an drei geografisch entfernten Orten. Mithilfe der vorgeschlagenen Cyberspace-VR-Software konnten Bewerter eine interaktive und virtuelle Umgebung betrachten und präzise darin navigieren. Sie betraten die Cyberspace-Spielarena mit ihren physischen Geräten (d). Im Bild sind zwei Bewerter als medizinische Avatar-Cybernauten (PV und JZ, einzelne weiße Pfeilspitzen) dargestellt, die die beiden VR-Griffe pro Person halten (doppelte Pfeilspitzen). Dargestellt ist ein orange-gelb gefärbter Teil des volumengerenderten OCT-Objekts (einzelner Pfeil), dessen Querschnitt die B-Scan-Nummer 177 zeigt (doppelte Pfeile). Der dritte Benutzer (PMM) hat dieses Bild mit einer virtuellen Digitalkamera aufgenommen und wird daher nicht angezeigt. (e) In abwechselnder Reihenfolge zeigte ein Grader an, welche Durchmesser der Netzhaut oder Aderhaut gemessen werden sollten, und markierte die Messmarkierungen mit den gelben Spitzen seines csVR-Griffs (Doppelpfeil). Zwei hyperreflektierende Punkte (einzelne Pfeilspitzen), die Netzhautgefäßen im Querschnitt entsprechen, werden lokalisiert. Es wurde jedoch keine dauerhafte Markierung angebracht, um eine Beeinflussung der Bewerter zu vermeiden. (f) Die Messlinien und Messlängen wurden sofort ausgeblendet und erst angezeigt, nachdem die Messungen von allen Bewertern abgeschlossen wurden (g). Nachfolgende Durchmesser wurden auf die gleiche Weise gemessen. (f) zeigt, dass die linke Position (einfache Pfeilspitze) von den drei Bewertern sehr ähnlich markiert wurde, wohingegen die rechte Position in diesem Beispiel einige Abweichungen aufwies (doppelte Pfeilspitzen).

Allerdings berichteten zwei Schüler während der Studie über kurze Audioausfälle. Die Schärfe der angezeigten OCT-Bilder war akzeptabel, die Bewerter wünschten sich jedoch ein größeres Sichtfeld. Die größten Einschränkungen waren die hohen technischen Anforderungen (High-End-Computer und fest angeschlossene Kabel). Ein weiterer Nachteil war der relativ zeitaufwändige Startvorgang mit Zeitverlust für das Starten des Computers, das Starten der Windows Mixed Reality-Software und das Starten der VR-Software. Darüber hinaus könnte die genaue Positionierung der Orientierungspunkte teilweise aufgrund von Handzittern schwierig sein.

Eine vollständige Liste der Kommentare der Bewerter finden Sie in der Ergänzungsdatei S2.

Die Analyse des ausgefüllten Simulator Sickness Questionnaire (SSQ) ergab Werte von 0, 3,74 und 7,48 mit einem Mittelwert von 3,74.

Durch den Einsatz hochentwickelter Computertechnologie hat VR die Wahrnehmung digitaler dreidimensionaler medizinischer Daten ermöglicht, in denen Objekte scheinbar eine räumliche Darstellung haben17. Ähnliche Lösungen haben die Implementierung von VR in der Medizin24 und bei der Vorbereitung von Patienten25, Pflegekräften26, Ärzten und Chirurgen27 auf die Praxis und Verfahren im wirklichen Leben vorangetrieben.

Trotz dieser großen Erfolge wurden aktuelle VR-Anwendungen jedoch hauptsächlich für qualitative Untersuchungen übernommen, und es liegen nur wenige Berichte über räumliche VR-Messungen und deren Reproduzierbarkeit vor22,28. Um VR auf die nächste Ebene zu heben, ist quantitative Forschung erforderlich, um objektive Daten zu generieren, die durch Zahlen und Statistiken gemeldet werden können. Basierend auf den wiederholten Durchmessermessungen aller in dieser Studie gemessenen Objekte fanden wir eine geringfügige Standardabweichung von 4,2 µm. Dieser von csVR abgeleitete Wert, der einer leichten Abweichung von nur 0,3 % der mittleren Objektgröße entspricht, ist niedriger als die axiale Auflösung eines Standard-OCT-Geräts29 und stimmt gut mit anderen vergleichbaren Studien überein, die in einer lokalen Benutzerumgebung durchgeführt wurden22,28 . Die beobachtete Variabilität bei den Längenmaßen der drei Klässler war relativ gleichmäßig (Tabelle 1, Abb. 2b), obwohl es kleine systematische Unterschiede gab, die signifikant waren (Tabelle 2, Abb. 2a). Die geringe Variation der Messungen ermöglicht eine unvoreingenommene Reproduzierbarkeit einer csVR-Lösung durch andere Gruppen, was wiederum das Vertrauen in VR erhöht. Dies ist umso wichtiger, da zukünftige Fortschritte digitale Navigationsentscheidungen in einem chirurgischen VR-Bereich und möglicherweise von geografisch entfernten Standorten aus ermöglichen werden. Wir gehen davon aus, dass ein solches csVR-Setup für telechirurgische Schulungen das Verfahren für robotergestützte intravitreale Injektionen30,31, Kataraktchirurgie9,32 oder vitreoretische Chirurgie33,34,35 verbessern kann.

Wir wollten eine weitere Schwäche aktueller VR angehen, indem wir die bestehende Einzelbenutzerlösung17 zu einem Cyberspace-basierten, zusammengeführten Arbeitsbereich erweitern. Zu diesem Zweck wurde die bisherige VR-Software zu einem kollaborativen VR-Raum weiterentwickelt, in dem Benutzer unabhängig voneinander Messungen am selben Modell aus der Ferne durchführen konnten, anstatt in einem physischen Raum an einem Ort. Über eine solche Zusammenarbeit wurde bereits in der medizinischen Ausbildung36 und der Datenerkundung37 berichtet, es liegen jedoch keine Daten zu Durchmessermessungen im Cyberspace vor, insbesondere zu deren Reproduzierbarkeit und Validierung. Die Fragebögen zeigten, dass die Bewerter eine enge und sofortige Kopplung mit der Cyberspace-VR-Lösung ohne erkennbare Zeitverzögerung erlebten, obwohl die Bandbreite der Internetgeschwindigkeiten relativ groß war. Es kam zu keinen nennenswerten Verzögerungen oder Bildaussetzern, sodass eine kontinuierliche Zusammenarbeit ohne größere Probleme während der Studie möglich war. Neben der visuellen Darstellung schätzten die Bewerter auch die direkte Möglichkeit, die Situation über direktes VR-Raumaudio besprechen und die Messungen in wechselnder Reihenfolge koordinieren zu können. Sie berichteten, dass es dennoch hilfreich sei, dass vor Beginn der Studie ein Konsens darüber erzielt wurde, welche Strukturen tatsächlich gemessen werden sollten. Die Möglichkeit, versteckte Messungen zu erstellen und sie, nachdem jeder Bewerter die einzelnen Anmerkungen fertiggestellt hat, als Überlagerung offenzulegen, wurde sehr geschätzt. Dadurch konnten Gemeinsamkeiten und Unterschiede der Messungen live im Cyberspace diskutiert werden. Eine schnelle medizinische Konsensfindung wird somit in dreidimensionalen Daten möglich. Die Konstanz der csVR-Leistung war umso bemerkenswerter, als die Messungen gleichzeitig an geografisch weit entfernten Orten und auf verschiedenen Computern durchgeführt wurden. Die Konsistenz und Präzision der Messungen sowie die Möglichkeit der Live-Interaktion machen csVR-Diskussionen zu einer hervorragenden Option für eine Live-Konsensfindung, bei der schwierige klinische Fälle qualitativ und quantitativ besprochen werden können.

Um VR für die digitale Medizin zu nutzen, müssen verschiedene Voraussetzungen erfüllt sein. Vorerfahrungen mit VR-Systemen können einen Benutzer möglicherweise nicht vor möglicher Übelkeit schützen, wenn das Eintauchen technisch schlecht umgesetzt wird. Daher sind Qualitätsaspekte von größter Bedeutung, nicht nur, weil sie sich auf die Ausführung von Aufgaben beziehen, sondern auch auf den Komfort und das Wohlbefinden des VR-Betreibers. Daher haben wir in dieser Studie auch die Qualität des Cyberspace-VR-Erlebnisses bewertet. In Übereinstimmung mit der Literatur38,39 drückte der erhaltene mittlere SSQ-Wert von 3,74 vernachlässigbare CSVR-Symptome aus. Somit zeigte die SSQ-Umfrage eine gute Akzeptanz und Verträglichkeit, wie bereits für Erwachsene17 und Kinder21 berichtet, jedoch in einer lokalen VR-Umgebung. Natürlich war die aktuelle Nutzerzahl zu gering, um konkrete statistische Aussagen zu treffen.

Die Zahl der Studienteilnehmer war in dieser Studie relativ gering; Daher werden weitere Studien mit größeren Zahlen empfohlen. Wir halten eine Gruppe von drei Personen für ideal für die Zusammenarbeit, damit die Szene organisiert und nachvollziehbar bleibt. Dennoch sollte in zukünftigen Studien untersucht werden, wie das Verfahren bei einer großen Anzahl von Bewertern durchgeführt werden kann. Alle Benutzer verwendeten die identische HMD-Marke. In zukünftigen Studien kann die Leistung anderer HMD-Marken oder zusätzlicher immersiver Technologien wie Augmented oder Mixed Reality verglichen werden, da über Unterschiede berichtet wurde40. In dieser Studie wurden nur Durchmessermessungen durchgeführt; Zukünftige Untersuchungen könnten daher Messungen von Winkeln, Flächen oder Volumina umfassen. Dennoch ist diese Studie von zentraler Bedeutung, da ein Durchmesser die grundlegende Quelle aller anderen Messobjekte ist und wir gezeigt haben, dass diese Messungen außerordentlich konsistent waren. Eine Grenze könnte sein, dass die Zahl der Bewerter eher gering war und dass die Bewerter bereits über gewisse Vorerfahrungen mit der virtuellen Realität verfügten. Allerdings war nur ein Bewerter (PMM) mit der vorgeschlagenen VR-Anwendung vertraut. Die weiteren Bewerter (PV, JZV) sind ohne Vorkenntnisse und Erfahrung in die VR-Anwendung eingetreten, so dass bei der Auswahl der Bewerter ein Selektionsbias nachrangig sein muss. Darüber hinaus war die Beurteilung der Reisekrankheit nicht das primäre Ziel.

Eine weitere mögliche Einschränkung der Messgenauigkeit könnte darin bestehen, dass die Messmarkierungen mit der gelben Griffspitze kurzzeitig angezeigt werden, ohne dass sie dauerhaft markiert werden, und dass die Messlinien bis zum Ende der Messung vor anderen Gradern verborgen bleiben. Somit lagen die Start- und Endpunkte der Messung im Ermessen der einzelnen Bewerter. Trotz dieser Unklarheit waren die Messungen robust. Eine Weiterentwicklung könnte ein Markierungswerkzeug sein, das je nach Bildkontrastintensität eine Messung an einer bestimmten Struktur vornehmen kann. Das verwendete Computer-Betriebssystem war Microsoft Windows® (Microsoft Corporation, Redmond, USA). Ob der csVR auf Apple IOS, Linux oder anderen Betriebssystemen gleichwertige Ergebnisse liefern würde, muss noch untersucht werden. Auch ein Vergleich war noch nicht möglich, da das verwendete VR-Gerät überwiegend nur mit der neuesten Version von Windows 10 kompatibel war. Eine weitere Einschränkung besteht darin, dass die digitalen VR-Messungen noch nicht mit Messungen mit herkömmlicher Bildgebungssoftware verglichen wurden. Diese Erweiterung ist Gegenstand anstehender Studien. Weitere Einschränkungen von VR sind die relativ teure Hardware, die begrenzte Bildschirmauflösung und das eingeschränkte Sichtfeld, unzureichende und schwere HMDs sowie die Notwendigkeit einer angebundenen Computerkommunikation für eine schnelle und kontinuierliche Datenübertragung. Obwohl in der aktuellen csVR-Anwendung visuelle Interaktionen durch räumliches Echtzeit-Audio verbessert wurden, fehlt es immer noch an haptischem Feedback. Zusätzlich zu sprach- oder bildbasierten Interaktionen würde haptisches Feedback es Benutzern ermöglichen, die virtuelle Umgebung und das virtuelle Modell durch Berührung zu erleben. Dies wäre insbesondere für zukünftige telechirurgische Eingriffe sehr hilfreich. Über den Einsatz des SSQ kann wohl diskutiert werden. Dennoch halten wir dieses Tool für hilfreich, da die Grader mehr als fünf Stunden lang eine hochpräzise Arbeit in VR durchführen mussten. Das Ergebnis des aktuellen SSQ war positiv. Darüber hinaus wurde der identische SSQ-Test in der Vergangenheit auch bei anderen Ärzten, Laien und sogar Kindern angewendet. Wir können also auch im Vergleich zu früheren Zeitpunkten eine gute Verträglichkeit vorweisen.17,21.

Die Nationale Luft- und Raumfahrtbehörde (NASA) hat seit 2013 erfolgreich eine SPECTRALIS-Bildgebungsplattform auf der Internationalen Raumstation (ISS) installiert, um die Auswirkungen der Mikrogravitation auf das Sehvermögen besser zu untersuchen. Daher müssen sich weitere Überlegungen zur zukünftigen digitalen Medizin und zur OCT-Bildanalyse auf Basis virtueller Realität auch mit den Auswirkungen von Weltraummissionen auf die Augen41 befassen, die einen geplanten Flug gefährden könnten. Das mit der Raumfahrt verbundene neurookuläre Syndrom stellt ein komplexes Syndrom von Befunden und Symptomen dar, die bei Astronauten festgestellt wurden, die Langzeitmissionen in der Schwerelosigkeit absolviert haben42. Mögliche Komplikationen, die durch OCT auf der Raumstation erkannt werden können, sind Bandscheibenödeme, Aderhautfalten, Watteflecken, Verdickung der Nervenfaserschicht im OCT, Abflachung des Globus und Hyperopieverschiebung43,44. Diese Pathologien können auch nach einem Einsatz bestehen bleiben und langfristige Schäden verursachen. In diesem Zusammenhang ist es wichtig, die Beziehung zwischen dem Auge und den Hirnflüssigkeitskompartimenten mit OCT direkt im Raum zu untersuchen. Möglicherweise könnte das vorgeschlagene csVR auch ein digitales Kommunikationstool für noch weiter entfernte Forscher sein und eine direkte visuelle Diskussion medizinischer Daten aus dem Weltraum im Cyberspace ermöglichen. Quantitative OCT-Daten könnten mit hoher Zuverlässigkeit dargestellt werden und eine kollaborative Kommunikation der digitalen medizinischen Daten mit der Bodenkontrolle auf der Erde ermöglichen oder eine unabhängige Verarbeitung der Daten auf langen Reisen fördern, um Ressourcen zu sparen.

Die aktuelle Studie zeigte, dass die OCT-Bilder unter Experten in einem Virtual-Reality-Cyberraum in Echtzeit und unter Überwindung räumlicher Trennung auf eine noch nie dagewesene Weise gemeinsam erlebt und diskutiert werden können. Die csVR-Längenmessungen waren im Durchschnitt kleiner als die Auflösungsgrenze der zugrunde liegenden OCT-Aufzeichnungen. Körperliche Nebenwirkungen wie Übelkeit oder Reisekrankheit wurden auf ein akzeptables Maß reduziert. Um einer VR-Anwendung vertrauen zu können, wurde ein quantifizierbares und reproduzierbares VR-Design bereitgestellt, das sich auf den Cyberspace-Bereich erstreckte. Das vorgeschlagene csVR-System ermöglicht den sekundenschnellen Zugriff auf medizinische Daten durch direkte Integration in bestehende medizinische Datenbanken, wie beispielsweise das Picture Archiving and Communication System (PACS) system20, das nach dem internationalen Standard DICOM 3.0 entwickelt wurde. Dies ermöglicht eine schnellere und zuverlässigere Kommunikation medizinischer Daten, sodass nicht nur Experten22, sondern auch Laien17 und sogar Kinder21 dieser leicht verständlichen csVR-Technologie ausgesetzt werden können. Es wurde ein Niveau erreicht, auf dem die virtuelle digitale Medizin ausgereift und gültig geworden ist22, nicht nur lokal im klinischen Umfeld, sondern auch für die weltweite Datenimmersion in einer flexiblen, strengen und geschützten Umgebung.

Drei Mitglieder unserer Studiengruppe untersuchten gleichzeitig (Abb. 3) den Nutzen der vorgeschlagenen VR-Technologie an geografisch entfernten Orten (Luzern, Schweiz, Barcelona, ​​Spanien und London, Großbritannien).

Alle Grader verwendeten HMDs, darunter zwei Motion Controller (HP Reverb G2 VR Headsets Rev. 2, Hewlett-Packard Company, Palo Alto, USA). Das VR-System war an Gaming-Laptops angebunden (zwei Asus G14 GA401V, Microsoft Windows 10 Home × 64, AMD Ryzen 9 4900HS mit Radeon Graphics, 3,0 GHz, 8 Kerne, NVIDIA GeForce RTX 2060 mit Max-Q-Design, 16 GB RAM usw.). ein ASUS Zephyrus GX501GI, Windows 10 Pro × 64, Intel® Core i7-8750H 2,2 GHz 6 Kerne, 3 NVIDIA GeForce GTX 1080 Max-Q Design, 2 GB RAM). Die Computer waren über Gigabit-Ethernet mit dem Internet verbunden und kommunizierten über einen Relay-Server. Der Relay-Server lief auf einem virtuellen Host mit sechs virtualisierten CPUs, die jeweils einer Intel Core CPU (Broadwell, IBRS) mit 2,2 GHz und 8 GB RAM entsprachen.

Die in diesem Projekt verwendete medizinische Visualisierungssoftware Specto wurde mit der plattformübergreifenden Unity Engine (Unity Technologies, San Francisco, USA) erstellt und für diese Arbeit um zusätzliche Funktionen erweitert. Die Software unterstützt das Laden beliebiger volumetrischer medizinischer Daten aus Standarddateiformaten wie DICOM oder Nearly Raw Raster Data (NRRD). Die geladenen Daten werden dann über einen benutzerdefinierten Ray-Marching-basierten Volumenrenderer gerendert, ohne dass eine manuelle Verarbeitung erforderlich ist. Es kommen mehrere Leistungsoptimierungen zum Einsatz, wie z. B. Leerraum-Skipping45,46 und frühe Ray-Beendigung, um die erforderliche Bildwiederholfrequenz von mindestens 90 Hz zu erreichen und dadurch Bewegungskrankheit zu vermeiden. Während einer kollaborativen Sitzung können sich mehrere Benutzer mit einem Host verbinden und die geladenen Volumendaten über eine verschlüsselte Übertragung empfangen.

Eine Verbindung zu anderen Benutzern kann direkt über eine Internet Protocol (IP)-Adresse oder indirekt über einen Relay-Server hergestellt werden. Die Relay-Server-Software stellt ein Ende-zu-Ende-verschlüsseltes Raumsystem bereit und ermöglicht es dem VR-Host und den VR-Clients, auch über Firewalls hinweg, die in einer Krankenhausnetzwerkumgebung üblich sind, miteinander zu kommunizieren. Der Relay-Server ist anwendungsunabhängig und leitet nur die zugrunde liegende TCP-Kommunikation (Transmission Control Protocol) weiter. Dem VR-Client steht es frei, ein separates TLS-Verschlüsselungsprotokoll (Transport Layer Security) zu initiieren und mit dem VR-Host auszuhandeln, um den besten Verschlüsselungsalgorithmus auszuwählen, der von beiden Maschinen unterstützt wird. In dieser Architektur können die VR-Anwendungen über den Relay-Server kommunizieren, ohne dass das Risiko besteht, dass ein kompromittierter Relay-Server Zugriff auf sensible medizinische Daten erhält.

Auf jedem Computer wurde die VR-Software installiert, die es den Bewertern ermöglichte, an dieser Studie teilzunehmen. Nachdem alle Bewerter mit ihren HMDs in den Cyberspace eingetaucht waren, gelangten sie nach dem Login in eine passwortgeschützte Umgebung in die VR-Arena. Die Arena bestand aus einem abgedunkelten Raum mit vier Wänden, einer Decke und einem Boden. In der Mitte des Raumes wurde ein volumengerenderter OCT-Würfel (4,5 mm × 3 mm × 1,9 mm) für die digitale Manipulation bereitgestellt, der aus gestapelten 261 OCT-Querschnittsbildern im Spektralbereich einer gesunden Makula von rechts bestand Auge (Spectralis, Heidelberg Engineering, Heidelberg, Deutschland). Der OCT-Scanwinkel betrug 30° mit einem Scanmuster von 15° × 10° und einem Zwischenschichtabstand von 12 µm. Die Scan-verstärkte Tiefenbildgebung wurde aktiviert und jeder B-Scan wurde mithilfe der automatischen Mittelungs- und Trackingfunktion über 20 Scans gemittelt. Dies führte zu einer Bildqualität von 29 dB.

Vor der Benotung erhielt jeder Bewerter eine Konsensdokumentation (Ergänzungsdatei, Abb. S1). Anschließend bearbeiteten die Bewerter die Aufgaben in einer 5-stündigen Abfolge, die zwei 10-minütige Pausen beinhaltete. Die Sitzung begann mit einer Einweisung durch den erfahrensten Benutzer (PMM), der den anderen mithilfe des nahtlosen Raum-Audio-Dienstprogramms den VR-Raum, die Bedienung der Griffe und die Sicherheitsmaßnahmen erklärte.

Es folgten Konsensmessungen des Durchmessers auf verschiedenen B-Scans: Ein Grader gab einen zu messenden Durchmesser an, der innerhalb der Netzhaut lokalisiert sein konnte, sich aber auch bis zur Aderhaut erstrecken konnte. Diese beiden Orientierungspunkte wurden zunächst auf einem B-Scan mit den gelben Markierungsspitzen der Griffe abgebildet, wobei die Darstellung abwechselnd von verschiedenen Bewertern durchgeführt wurde. Vorzugsweise wurden die Außenränder der Gefäße als Start- bzw. Endpunkt verwendet, da diese den höchsten Kontrast aufwiesen. Die Messlinie war nur für den einzelnen Bewerter sichtbar. Auch die Länge der Messung wurde auf dem Messmonitor ausgeblendet. Nachdem die erste Linie vermessen war, waren die übrigen Gradierer damit beschäftigt, die identische Linie zwischen den vorgeschlagenen Orientierungspunkten zu vermessen. Abschließend wurden die Werte auf der Messtafel mit einem Klick vom jeweiligen Bewerter freigeschaltet und die Werte untereinander besprochen. Durch die Maskierung der Linien, der Endpunkte und der Messwerte wurde eine maximale Verblindung der Messungen gewährleistet. Die erhaltenen Werte wurden vor Änderungen geschützt und zur Speicherung als Microsoft Excel-Datei (Microsoft Corporation, Redmond, USA) für jeden einzelnen Durchmesser mit drei Messungen pro identischem Durchmesser an den Host-Computer übertragen, indem auf eine Exportschaltfläche geklickt wurde. Anschließend wurden alle drei Messungen gelöscht, um einen neuen Lauf zu starten. Dies wurde für jede der 10 Konsensmessungen wiederholt. Anschließend wurde das gleiche Verfahren für die Echtzeit-Durchmessermessungen durchgeführt, bis genügend Werte gesammelt wurden. Alle Messwerte wurden auf dem Host-Computer gespeichert und zur weiteren Datenanalyse in einer endgültigen Datei (Ergänzungsdatei S1) zusammengeführt.

Nach der Exposition wurden die drei Teilnehmer gebeten, einen Simulator Sickness Questionnaire (SSQ)47 auszufüllen, um Übelkeit, Orientierungslosigkeit und okulomotorische Störungen zu beurteilen. Zu diesem Zweck wurde ein individuell geschriebenes Skript angewendet und die Ergebnisse ausgewertet. Darüber hinaus wurde eine Software-Usability-Analyse durchgeführt, um die potenziellen Vorteile und Grenzen der vorgeschlagenen Anwendung zu untersuchen.

Die zusammenfassenden Statistiken Mittelwert, Median, Minimum, Maximum, Standardabweichung und Variationskoeffizient (CoV) wurden für die aufgezeichneten Längenmessungen mit der Bibliothek Pandas v1.5.2 in Python v3.10.9 berechnet. Für jedes der 109 Objekte wurde die Konsenslänge als Mittelwert der drei Längenmessungen der Bewerter g1, g2 und g3 definiert. Die mittleren absoluten Unterschiede zwischen allen Bewerterpaaren und dem Konsens wurden mit der Bibliothek NumPy v1.23.548 berechnet, was eine Distanzmatrix ergab.

Diese Distanzmatrix wurde als Eingabe für die metrische mehrdimensionale Skalierung (MDS) verwendet. MDS wandelt Abstände zwischen Datenpunkten in Positionen dieser Datenpunkte in einem zweidimensionalen Koordinatensystem um und behält dabei die Abstände bestmöglich bei. MDS wurde mit der Bibliothek scikit-learn v1.2.049 durchgeführt. Der MDS-Plot konzentrierte sich auf den Konsens.

Alle Diagramme wurden mit der Bibliothek matplotlib v3.6.250 unter Verwendung einer Rot-Grün-Farbenblindheitsfreundlichen Farbkarte51 gezeichnet.

Der Einfluss der unabhängigen Variablen „Grader“ und „Linienfarbe“ auf die abhängige Variable „gemessene Länge“ wurde mit einer Varianzanalyse (ANOVA) untersucht. Da die Größe der 109 gemessenen Objekte zwischen 0,23 mm und 3,97 mm variierte, wurde „Objekt-ID“ als zusätzliche unabhängige Variable einbezogen. Der Effekt der „Objekt-ID“ ist nicht von primärem Interesse, wurde jedoch als Kovariate zur Anpassung bei der Untersuchung des Effekts von „Grader“ und „Linienfarbe“ einbezogen. Basierend auf einem Quantil-Quantil-Diagramm wurden vier der 327 Datenpunkte aus der Analyse entfernt, da sie gegen die Annahme normalverteilter Residuen verstießen. Es wurde eine Quadratsummenschätzung vom Typ II verwendet. ANOVA wurde mit dem Paket car v3.0.2 unter Verwendung der R Statistical Software v3.6.152 durchgeführt.

Von allen Bewertern wurde eine schriftliche Einverständniserklärung eingeholt. Darüber hinaus erteilten alle Studienteilnehmer ihre Einwilligung zur Veröffentlichung der Informationen/Bilder in einer Online-Open-Access-Publikation. Alle Methoden wurden in Übereinstimmung mit den relevanten Richtlinien und Vorschriften durchgeführt und alle Versuchsprotokolle wurden von der örtlichen Ethikkommission (Ethikkommission Nordwest- und Zentralschweiz, ID EKN 2016-01948) genehmigt.

Die Quelldaten, die den in den Hauptabbildungen dargestellten Grafiken und Diagrammen zugrunde liegen, sind als Ergänzungsdatei S1 verfügbar. Der Erstautor sollte kontaktiert werden, um die Daten aus dieser Studie anzufordern.

Coravos, A. et al. Digitale Medizin: Eine Einführung in die Messung. Digit Biomark 3, 31–71. https://doi.org/10.1159/000500413 (2019).

Artikel PubMed PubMed Central Google Scholar

Huang, HK & Taira, RK Infrastrukturdesign eines Bildarchivierungs- und Kommunikationssystems. AJR Am. J. Röntgenol. 158, 743–749. https://doi.org/10.2214/ajr.158.4.1546584 (1992).

Artikel CAS PubMed Google Scholar

Kalyanpur, A., Singh, J. & Bedi, R. Praktische Probleme im Bildarchivierungs- und Kommunikationssystem und in der Vernetzung. Indian J. Radiol. Bildgebung 20, 2–5. https://doi.org/10.4103/0971-3026.59743 (2010).

Artikel PubMed PubMed Central Google Scholar

Dancu, A. Das ultimative Display. Informatik (2014).

Cipresso, P., Giglioli, IAC, Raya, MA & Riva, G. Vergangenheit, Gegenwart und Zukunft der Virtual- und Augmented-Reality-Forschung: Eine Netzwerk- und Clusteranalyse der Literatur. Vorderseite. Psychol. 9, 2086. https://doi.org/10.3389/fpsyg.2018.02086 (2018).

Artikel PubMed PubMed Central Google Scholar

Caponnetto, P., Triscari, S., Maglia, M. & Quattropani, MC Das Simulationsspiel – Virtual-Reality-Therapie zur Behandlung sozialer Angststörungen: Eine systematische Übersicht. Int. J. Umgebung. Res. Public Health 18, 13209. https://doi.org/10.3390/ijerph182413209 (2021).

Artikel PubMed PubMed Central Google Scholar

Afridi, A., Malik, AN, Tariq, H. & Rathore, FA Die neue Rolle des Virtual-Reality-Trainings in der Rehabilitation. J. Pak. Med. Assoc. 72, 188–191, https://doi.org/10.47391/jpma.22-006 (2022).

Wittkopf, PG, Lloyd, DM, Coe, O., Yacoobali, S. & Billington, J. Die Wirkung interaktiver virtueller Realität auf die Schmerzwahrnehmung: eine systematische Überprüfung klinischer Studien. Behinderte. Rehabilitation. 42, 3722–3733. https://doi.org/10.1080/09638288.2019.1610803 (2020).

Artikel PubMed Google Scholar

Lin, JC, Yu, Z., Scott, IU & Greenberg, PB Virtual-Reality-Training für die operative Leistung von Kataraktchirurgie bei Auszubildenden in der Augenheilkunde. Cochrane-Datenbanksystem. Rev. 12, CD014953. https://doi.org/10.1002/14651858.CD014953.pub2 (2021).

Artikel PubMed Google Scholar

Bielsa, VF Virtual-Reality-Simulation in der Ausbildung zur plastischen Chirurgie. Literaturische Rezension. J. Plast. Rekonstr. Ästhetik. Surg. 74, 2372–2378. https://doi.org/10.1016/j.bjps.2021.03.066 (2021).

Artikel PubMed Google Scholar

Mishra, R. et al. Virtuelle Realität in der Neurochirurgie: Jenseits der neurochirurgischen Planung. Int. J. Umgebung. Res. Public Health 19, 1719. https://doi.org/10.3390/ijerph19031719 (2022).

Artikel PubMed PubMed Central Google Scholar

Izard, SG et al. Virtuelle Realität als Lehr- und Trainingsinstrument für die Medizin. J. Med. Syst. 42, 50. https://doi.org/10.1007/s10916-018-0900-2 (2018).

Artikel PubMed Google Scholar

Uruthiralingam, U. & Rea, PM Augmented und Virtual Reality in der anatomischen Ausbildung: Eine systematische Übersicht. Adv. Exp. Med. Biol. 1235, 89–101. https://doi.org/10.1007/978-3-030-37639-0_5 (2020).

Artikel PubMed Google Scholar

Baniasadi, T., Ayyoubzadeh, SM & Mohammadzadeh, N. Herausforderungen und praktische Überlegungen bei der Anwendung virtueller Realität in der medizinischen Ausbildung und Behandlung. Oman Med. J. 35, e125. https://doi.org/10.5001/omj.2020.43 (2020).

Artikel PubMed PubMed Central Google Scholar

Fujimoto, J. & Huang, D. Vorwort: 25 Jahre optische Kohärenztomographie. Investieren. Ophthalmol. Vis. Wissenschaft. 57, OCTi-OCTii. https://doi.org/10.1167/iovs.16-20269 (2016).

Artikel PubMed Google Scholar

Fujimoto, J. & Swanson, E. Die Entwicklung, Kommerzialisierung und Auswirkungen der optischen Kohärenztomographie. Investieren. Ophthalmol. Vis. Wissenschaft. 57, 1. Okt.–13. Okt. https://doi.org/10.1167/iovs.16-19963 (2016).

Artikel PubMed PubMed Central Google Scholar

Maloca, PM et al. Hochleistungsfähiges Virtual-Reality-Volumenrendering der ursprünglichen Punktwolkendaten der optischen Kohärenztomographie, erweitert durch Echtzeit-Raycasting. Übers. Vis. Wissenschaft. Technol. 7, 2. https://doi.org/10.1167/tvst.7.4.2 (2018).

Artikel PubMed PubMed Central Google Scholar

Ecclestone, BR et al. Dreidimensionale virtuelle Histologie in unverarbeitetem reseziertem Gewebe mit photoakustischer Fernerkundungsmikroskopie (PARS) und optischer Kohärenztomographie (OCT). Wissenschaft. Rep. 11, 13723. https://doi.org/10.1038/s41598-021-93222-8 (2021).

Artikel ADS CAS PubMed PubMed Central Google Scholar

Draelos, M. et al. Echtzeitvisualisierung und Interaktion mit statischen und Live-Volumen der optischen Kohärenztomographie in immersiver virtueller Realität. Biomed. Opt. Express 9, 2825–2843. https://doi.org/10.1364/boe.9.002825 (2018).

Artikel PubMed PubMed Central Google Scholar

Staubli, SM et al. Magnetresonanz-Cholangiopankreatographie, erweitert durch virtuelle Realität, als neuartiges Werkzeug zur Verbesserung des Verständnisses der Gallenanatomie und der Ausbildung chirurgischer Auszubildender. Vorderseite. Surg. 9, 916443. https://doi.org/10.3389/fsurg.2022.916443 (2022).

Artikel PubMed PubMed Central Google Scholar

Maloca, PM et al. Machbarkeit und Verträglichkeit der ophthalmologischen virtuellen Realität als medizinisches Kommunikationsinstrument bei Kindern und Jugendlichen. Acta Ophthalmol. 100, e588–e597. https://doi.org/10.1111/aos.14900 (2022).

Artikel PubMed Google Scholar

Maloca, PM et al. Die Validierung der Virtual-Reality-Orbitometrie verbindet digitale und physische Welten. Wissenschaft. Rep. 10, 11815. https://doi.org/10.1038/s41598-020-68867-6 (2020).

Artikel ADS CAS PubMed PubMed Central Google Scholar

Auditors, E. co Review Nr. 02/2019: Herausforderungen für eine wirksame EU-Cybersicherheitspolitik (Briefing Paper). https://www.eca.europa.eu/en/Pages/DocItem.aspx?did=4941 (2019).

Yeung, AWK et al. Virtual- und Augmented-Reality-Anwendungen in der Medizin: Analyse der wissenschaftlichen Literatur. J. Med. Internet Res. 23, e25499. https://doi.org/10.2196/25499 (2021).

Artikel PubMed PubMed Central Google Scholar

Bruno, RR et al. Virtuelle und erweiterte Realität in der Intensivmedizin: Die Perspektive des Patienten, des Klinikers und des Forschers. Krit. Care 26, 326. https://doi.org/10.1186/s13054-022-04202-x (2022).

Artikel PubMed PubMed Central Google Scholar

Plotzky, C. et al. Virtual-Reality-Simulationen in der Krankenpflegeausbildung: Eine systematische Mapping-Überprüfung. Krankenpfleger-Ausbildung. Heute 101, 104868. https://doi.org/10.1016/j.nedt.2021.104868 (2021).

Artikel PubMed Google Scholar

Falguière, A. et al. Beitrag der virtuellen Realität in der Oralchirurgie: Eine Literaturübersicht. J Stomatol Oral Maxillofac Surg 122, 405–410. https://doi.org/10.1016/j.jormas.2021.02.004 (2021).

Artikel PubMed Google Scholar

Anik, AA et al. Genauigkeit und Reproduzierbarkeit linearer und Winkelmessungen in der virtuellen Realität: Eine Validierungsstudie. J. Ziffer. Bildgebung 33, 111–120. https://doi.org/10.1007/s10278-019-00259-3 (2020).

Artikel PubMed Google Scholar

Aumann, S., Donner, S., Fischer, J. & Müller, F. In High Resolution Imaging in Microscopy and Ophthalmology: New Frontiers in Biomedical Optics (Hrsg. Bille, JF) 59–85 (Springer International Publishing, 2019) .

Kapitel Google Scholar

Yang, K. et al. Robotergestütztes subretinales Injektionssystem: Entwicklung und vorläufige Überprüfung. BMC Ophthalmol. 22, 484. https://doi.org/10.1186/s12886-022-02720-4 (2022).

Artikel PubMed PubMed Central Google Scholar

Cehajic-Kapetanovic, J. et al. Erste robotergestützte subretinale Medikamentenverabreichung beim Menschen unter örtlicher Betäubung. Bin. J. Ophthalmol. 237, 104–113. https://doi.org/10.1016/j.ajo.2021.11.011 (2022).

Artikel CAS PubMed Google Scholar

Nayer, ZH, Murdock, B., Dharia, IP & Belyea, DA Vorhersage- und Konstruktvalidität von Virtual-Reality-Simulatoren für Kataraktoperationen. J. Katarakt-Refraktion. Surg. 46, 907–912. https://doi.org/10.1097/j.jcrs.0000000000000137 (2020).

Artikel PubMed Google Scholar

Channa, R., Iordachita, I. & Handa, JT Roboter-vitreoretinale Chirurgie. Netzhaut 37, 1220–1228. https://doi.org/10.1097/iae.0000000000001398 (2017).

Artikel PubMed PubMed Central Google Scholar

Roizenblatt, M., Edwards, TL & Gehlbach, PL Robotergestützte vitreoretinale Chirurgie: Aktuelle Perspektiven. Roboterchirurg. 5, 1–11. https://doi.org/10.2147/rsrr.S122301 (2018).

Artikel PubMed PubMed Central Google Scholar

Roizenblatt, M., Grupenmacher, AT, Belfort Junior, R., Maia, M. & Gehlbach, PL Robotergestützte Tremorkontrolle zur Leistungssteigerung von Netzhaut-Mikrochirurgen. Br. J. Ophthalmol. 103, 1195–1200. https://doi.org/10.1136/bjophthalmol-2018-313318 (2019).

Artikel PubMed Google Scholar

Schild, J. et al. 2018 IEEE-Konferenz zu Virtual Reality und 3D-Benutzeroberflächen (VR) 775–776.

Kunert, A., Weissker, T., Froehlich, B. & Kulik, A. 3D-Interaktion mit mehreren Fenstern für kollaborative virtuelle Realität. IEEE Trans. Visuelle Berechnung. Graph. 26, 3271–3284. https://doi.org/10.1109/TVCG.2019.2914677 (2020).

Artikel Google Scholar

Kim, HK, Park, J., Choi, Y. & Choe, M. Virtual-Reality-Krankheitsfragebogen (VRSQ): Index zur Messung der Reisekrankheit in einer Virtual-Reality-Umgebung. Appl. Ergon. 69, 66–73. https://doi.org/10.1016/j.apergo.2017.12.016 (2018).

Artikel PubMed Google Scholar

Brunnström, K., Sjöström, M., Imran, M., Pettersson, M. & Johanson, M. Menschliches Sehen und elektronische Bildgebung.

Mehrfard, A. et al. Eine vergleichende Analyse von am Kopf montierten Virtual-Reality-Displaysystemen. ArXiv abs/1912.02913 (2019).

Wostyn, P. & De Deyn, PP Aufweitung der Sehnervenscheide als Schutzmechanismus gegen Sehbehinderung und Hirndrucksyndrom bei Astronauten. Investieren. Ophthalmol. Vis. Wissenschaft. 58, 4601–4602. https://doi.org/10.1167/iovs.17-22600 (2017).

Artikel CAS PubMed Google Scholar

Mader, TH et al. Sehnervenödeme, Abflachung des Globus, Aderhautfalten und hyperopische Verschiebungen, die bei Astronauten nach einem Langzeitflug ins All beobachtet wurden. Ophthalmologie 118, 2058–2069. https://doi.org/10.1016/j.ophtha.2011.06.021 (2011).

Artikel PubMed Google Scholar

Yang, JW et al. Raumfahrt-assoziiertes neuro-okuläres Syndrom: Ein Überblick über mögliche Pathogenese und Intervention. Int. J. Ophthalmol. 15, 336–341. https://doi.org/10.18240/ijo.2022.02.21 (2022).

Artikel PubMed PubMed Central Google Scholar

Spaide, RF et al. Venöse Überlastungschoroidopathie: Ein hypothetischer Rahmen für die zentrale seröse Chorioretinopathie und verwandte Erkrankungen. Prog. Retin. Augenres. 86, 100973. https://doi.org/10.1016/j.preteyeres.2021.100973 (2022).

Artikel CAS PubMed Google Scholar

Maloca, PM et al. Machbarkeit und Verträglichkeit der ophthalmologischen virtuellen Realität als medizinisches Kommunikationsinstrument bei Kindern und Jugendlichen. Acta Ophthalmol. https://doi.org/10.1111/aos.14900 (2021).

Artikel PubMed PubMed Central Google Scholar

Harris, CR et al. Array-Programmierung mit NumPy. Natur 585, 357–362. https://doi.org/10.1038/s41586-020-2649-2 (2020).

Artikel ADS CAS PubMed PubMed Central Google Scholar

Pedregosa, F. et al. Scikit-learn: Maschinelles Lernen in Python. J. Mach. Lernen. Res. 12, 2825–2830 (2011).

MathSciNet MATH Google Scholar

Hunter, JD Matplotlib: Eine 2D-Grafikumgebung. Berechnen. Wissenschaft. Ing. 9, 90–95 (2007).

Artikel Google Scholar

Petroff, MA Zugängliche Farbsequenzen für die Datenvisualisierung. arXiv-Vorabdruck arXiv:2107.02270 (2021).

Fox, J. & Weisberg, S. Ein R-Begleiter zur angewandten Regression (Sage Publications, 2018).

Google Scholar

Team, R. Core. (R: Eine Sprache und Umgebung für statistisches Rechnen) 201 (R Foundation for Statistical Computing, 2013). http://www.R-project.org (2013).

R-Kernteam. R: Eine Sprache und Umgebung für statistische Berechnungen. R Foundation for Statistical Computing: Wien, Österreich, 2019; Online verfügbar: https://www.R-project.org/. Abgerufen am 8. Februar 2023.

Referenzen herunterladen

Die Autoren danken Pascal Kaiser, Zürich, Schweiz, für die Unterstützung bei der statistischen Analyse.

Institut für Molekulare und Klinische Ophthalmologie Basel (IOB), 4031, Basel, Schweiz

Peter M. Maloca, Philip Valmaggia und Hendrik PN Scholl

Abteilung für Augenheilkunde, Universitätsspital Basel, 4031, Basel, Schweiz

Peter M. Maloca, Philip Valmaggia und Hendrik PN Scholl

Moorfields Eye Hospital NHS Foundation Trust, London, EC1V 2PD, Großbritannien

Peter M. Maloca, Philip Valmaggia und Adnan Tufail

Krankenhausklinik von Barcelona, ​​​​Universität Barcelona, ​​​​08036, Barcelona, ​​​​Spanien

Javier Zarranz-Ventura

Zentrum für medizinische Bildanalyse und Navigation, Universität Basel, 4123, Allschwil-Basel, Schweiz

Balázs Faludi, Marek Zelechowski, Norbert Z. Zentai und Philippe C. Cattin

Sie können diesen Autor auch in PubMed Google Scholar suchen

Sie können diesen Autor auch in PubMed Google Scholar suchen

Sie können diesen Autor auch in PubMed Google Scholar suchen

Sie können diesen Autor auch in PubMed Google Scholar suchen

Sie können diesen Autor auch in PubMed Google Scholar suchen

Sie können diesen Autor auch in PubMed Google Scholar suchen

Sie können diesen Autor auch in PubMed Google Scholar suchen

Sie können diesen Autor auch in PubMed Google Scholar suchen

Sie können diesen Autor auch in PubMed Google Scholar suchen

PMM: Konzeptualisierung, Methodik, Software, Validierung, formale Analyse, Untersuchung, Ressourcen, Datenkuratierung, Schreiben, Originalentwurfsvorbereitung, Schreiben – Überprüfung und Bearbeitung, Visualisierung, Projektverwaltung. JZV: Validierung, formale Analyse, Untersuchung, Schreiben, Originalentwurfsvorbereitung, Schreiben – Überprüfung und Bearbeitung. PV: Validierung, formale Analyse, Untersuchung, Schreiben, Vorbereitung des Originalentwurfs, Schreiben – Überprüfung und Bearbeitung. BF: Konzeptualisierung, Methodik, Software, Validierung, Ressourcen, Datenkuratierung, Schreiben, Originalentwurfsvorbereitung, Schreiben – Überprüfung und Bearbeitung, Visualisierung, Projektverwaltung. MZ: Konzeptualisierung, Methodik, Software, Validierung, Ressourcen, Datenkuratierung, Schreiben, Originalentwurfsvorbereitung, Schreiben – Überprüfung und Bearbeitung, Visualisierung, Projektverwaltung. AT: Formale Analyse, Untersuchung, Schreiben, Vorbereitung des Originalentwurfs, Schreiben – Überprüfung und Bearbeitung. NZ Z.: Konzeptualisierung, Methodik, Software, Validierung, Ressourcen, Schreiben – Überprüfung und Bearbeitung. HPNS: Formale Analyse, Untersuchung, Schreiben, Vorbereitung des Originalentwurfs, Schreiben – Überprüfung und Bearbeitung. PCC: Konzeptualisierung, Methodik, Software, Validierung, formale Analyse, Untersuchung, Ressourcen, Datenkuratierung, Schreiben, Originalentwurfsvorbereitung, Schreiben – Überprüfung und Bearbeitung, Visualisierung, Projektverwaltung.

Korrespondenz mit Peter M. Maloca.

PCC ist Eigentümer der vorgeschlagenen Software. PCC ist Eigentümer der vorgeschlagenen Software. PCC, BF und MZ sind Erfinder und Eigentümer der beschriebenen Software sowie Gesellschafter der Firma Specto Medical. Die anderen Autoren erklären keinen Konflikt. Außerhalb der vorliegenden Studie erklären die Autoren die folgenden konkurrierenden Interessen: PMM ist Berater bei Roche (Basel, Schweiz), Zeiss Forum und besitzt geistiges Eigentum für maschinelles Lernen bei MIMO AG und VisionAI, Schweiz. PV wurde vom Schweizerischen Nationalfonds (Grant 323530_199395) und der Janggen-Pöhn-Stiftung gefördert. JZV war Berater von Alcon, Alimera Science, Allergan, Bausch & Lomb, Bayer, Brill Pharma, DORC, Novartis und Roche; ist Stipendiat von Allergan und Novartis; und war Dozent für Topcon und Zeiss. HPNS wird vom Schweizerischen Nationalfonds zur Förderung der wissenschaftlichen Forschung (Projektfinanzierung: „Entwicklung neuartiger Ergebnisse für klinische Studien zur Stargardt-Krankheit unter Verwendung von Struktur-/Funktionsbeziehungen und Deep Learning“ Nr. 310030_201165) und vom Nationalen Kompetenzzentrum für molekulare Systemforschung: „NCCR MSE: Molecular Systems Engineering (Phase II)“ #51NF40-182895), dem Wellcome Trust (PINNACLE-Studie) und dem Foundation Fighting Blindness Clinical Research Institute (ProgStar-Studie). Dr. Scholl ist Mitglied des Wissenschaftlichen Beirats von: Boehringer Ingelheim Pharma GmbH & Co; Claris Biotherapeutics Inc.; Eluminex Biosciences; Gyroskop Therapeutics Ltd.; Janssen Research & Development, LLC (Johnson & Johnson); Novartis Pharma AG (KERN); Okuvision GmbH; ReVision Therapeutics Inc.; und Saliogen Therapeutics Inc. Dr. Scholl ist Berater von: Alnylam Pharmaceuticals Inc.; Gerson Lehrman Group Inc.; Guidepoint Global, LLC; und Intergalactic Therapeutics Inc. Dr. Scholl ist Mitglied des Data Monitoring and Safety Board/Committee von Belite Bio (CT2019-CTN-04690–1), F. Hoffmann-La Roche Ltd (VELODROME-Studie, NCT04657289; DIAGRID-Studie, NCT05126966; HUTONG-Studie) und Mitglied des Lenkungsausschusses von Novo Nordisk (FOCUS-Studie; NCT03811561). Alle Vereinbarungen wurden von der Universität Basel (Universitätsspital Basel, USB) und dem Vorstand des Instituts für Molekulare und Klinische Ophthalmologie Basel (IOB) im Einklang mit ihren Richtlinien zu Interessenkonflikten geprüft und genehmigt. Die Vergütung wird von USB ausgehandelt und in Form von Zuschüssen verwaltet, die sie auf seinen eigenen Konten erhält. Dr. Scholl ist Co-Direktor des Instituts für Molekulare und Klinische Ophthalmologie Basel (IOB), das als gemeinnützige Stiftung gegründet ist und von der Universität Basel, dem Universitätsspital Basel, Novartis und der Regierung von Basel finanziert wird. Stadt. Alphabetische Liste: Alnylam Pharmaceuticals Inc., Belite Bio, Boehringer Ingelheim Pharma GmbH & Co, Claris Biotherapeutics Inc., Eluminex Biosciences, F. Hoffmann-La Roche Ltd, Gerson Lehrman Group Inc., Guidepoint Global, LLC, Gyroscope Therapeutics Ltd, Intergalactic Therapeutics Inc., Janssen Research & Development, LLC (Johnson & Johnson), Novartis Pharma AG (CORE), Novo Nordisk, Okuvision GmbH, ReVision Therapeutics Inc., Saliogen Therapeutics Inc. AT erhielten Fördermittel von Novartis und einen finanziellen Zuschuss vom National Biomedizinisches Forschungszentrum des Institute for Health Research (NIHR) mit Sitz im Moorfields Eye Hospital sowie vom NHS Foundation Trust und dem UCL Institute of Ophthalmology. AT ist Berater für Heidelberg Engineering und Optovue und hat Forschungsstipendien von Novartis und Bayer erhalten.

Springer Nature bleibt neutral hinsichtlich der Zuständigkeitsansprüche in veröffentlichten Karten und institutionellen Zugehörigkeiten.

Zusatzvideo 1.

Open Access Dieser Artikel ist unter einer Creative Commons Attribution 4.0 International License lizenziert, die die Nutzung, Weitergabe, Anpassung, Verbreitung und Reproduktion in jedem Medium oder Format erlaubt, sofern Sie den/die ursprünglichen Autor(en) und die Quelle angemessen angeben. Geben Sie einen Link zur Creative Commons-Lizenz an und geben Sie an, ob Änderungen vorgenommen wurden. Die Bilder oder anderes Material Dritter in diesem Artikel sind in der Creative-Commons-Lizenz des Artikels enthalten, sofern in der Quellenangabe für das Material nichts anderes angegeben ist. Wenn Material nicht in der Creative-Commons-Lizenz des Artikels enthalten ist und Ihre beabsichtigte Nutzung nicht durch gesetzliche Vorschriften zulässig ist oder über die zulässige Nutzung hinausgeht, müssen Sie die Genehmigung direkt vom Urheberrechtsinhaber einholen. Um eine Kopie dieser Lizenz anzuzeigen, besuchen Sie http://creativecommons.org/licenses/by/4.0/.

Nachdrucke und Genehmigungen

Maloca, PM, Zarranz-Ventura, J., Valmaggia, P. et al. Validierung der kollaborativen Cyberspace-Virtual-Reality-Okulometrie, erweitert durch räumliches Audio nahezu in Echtzeit. Sci Rep 13, 10076 (2023). https://doi.org/10.1038/s41598-023-37267-x

Zitat herunterladen

Eingegangen: 18. Februar 2023

Angenommen: 19. Juni 2023

Veröffentlicht: 21. Juni 2023

DOI: https://doi.org/10.1038/s41598-023-37267-x

Jeder, mit dem Sie den folgenden Link teilen, kann diesen Inhalt lesen:

Leider ist für diesen Artikel derzeit kein Link zum Teilen verfügbar.

Bereitgestellt von der Content-Sharing-Initiative Springer Nature SharedIt

Durch das Absenden eines Kommentars erklären Sie sich damit einverstanden, unsere Nutzungsbedingungen und Community-Richtlinien einzuhalten. Wenn Sie etwas als missbräuchlich empfinden oder etwas nicht unseren Bedingungen oder Richtlinien entspricht, kennzeichnen Sie es bitte als unangemessen.