En bref
- OpenSurgicalVision est un projet ouvert de recherche et d’éducation en vision par ordinateur chirurgicale.
- Nous rassemblons des données ouvertes, nous les annotons avec des chirurgiens, nous entraînons des modèles et nous publions les résultats honnêtement – y compris ceux qui n’ont pas fonctionné.
- Nous ne construisons pas de dispositif médical et ne donnons pas de conseils cliniques.
Ce qui suit, ce sont nos projets, pas une liste de fonctionnalités achevées. La feuille de route montre ce qui est réellement fait.
Ce que nous faisons
Rassembler des données ouvertes. Nous convertissons les jeux de données chirurgicaux ouverts existants vers un format unique, avec une seule façon de les charger. Lorsqu’une licence n’autorise pas la redistribution, nous publions des scripts de téléchargement et de conversion plutôt que les données.
Construire un benchmark reproductible. Les mêmes découpages de données (par patient, pas par image), les mêmes métriques et un tableau de résultats ouvert, afin que les modèles puissent être comparés équitablement.
Entraîner et publier des modèles de référence. Segmentation des instruments et de l’anatomie, reconnaissance des phases chirurgicales et suppression de la fumée chirurgicale. Chaque modèle est accompagné d’une description : sur quoi il a été entraîné, où il est peu performant et comment le reproduire.
Annoter des données avec des chirurgiens. Des chirurgiens bénévoles en exercice annotent des vidéos dans CVAT. Nous mesurons la qualité par l’accord entre les experts, et le responsable clinique du projet tranche les cas litigieux.
Partager nos outils. Les chaînes d’annotation, d’entraînement et d’accélération des modèles ainsi qu’un service de démonstration sont ouverts, afin que d’autres puissent répéter et améliorer notre travail.
Expérimenter en toute transparence. Nous modifions et comparons des architectures de modèles sur des données ouvertes. Chaque expérience est décrite, reproductible et comparée à une référence de base – résultats négatifs compris.
Automatiser le travail de routine. Des assistants logiciels préparent les données, lancent les expériences et rédigent les rapports ; les décisions restent aux personnes.
Écrire des articles et donner des conférences. Nous transformons les résultats en publications scientifiques et en communications de congrès.
Ce que nous ne faisons pas
Nous ne construisons pas de dispositif médical. Le projet ne cherche pas, et ne prévoit pas de chercher, à être enregistré comme dispositif médical. Tous les modèles et matériels sont destinés à la recherche uniquement : RESEARCH USE ONLY – NOT FOR CLINICAL USE.
Nous n’acceptons pas de données permettant d’identifier un patient. Seules des données désidentifiées, dont l’autorisation d’utilisation est confirmée, entrent dans le projet. Les vidéos et images brutes de patients ne nous sont jamais remises.
Nous ne concurrençons pas les fabricants de matériel médical. Nous travaillons au niveau de la science et de l’éducation : simulateurs, formation des internes et recherche reproductible.
Nous n’utilisons ni données ni travaux issus de projets commerciaux. Le travail des contributeurs pour leurs employeurs et les données de leurs clients restent en dehors du projet.
Nous ne faisons pas de recherche d’architecture entièrement automatique. Elle exige des ressources de calcul qu’un projet ouvert n’a pas. Nous essayons des variantes dans un espace défini à l’avance par une personne et dans un budget de calcul fixe.
Nous ne présentons pas un progrès technique comme un progrès clinique. Une meilleure métrique est un résultat d’ingénierie. Le projet ne prétend pas qu’un modèle soit « cliniquement meilleur ».
Pourquoi c’est important
- Données ouvertes ne veut pas dire données libres. Pouvoir télécharger un jeu de données ne donne pas le droit de le redistribuer. Nous vérifions la licence de chaque source.
- La mention « usage de recherche uniquement » ne remplace pas une évaluation juridique. Les questions juridiques sont traitées séparément, avec des juristes.
- Une bonne métrique ne prouve pas un bénéfice pour les patients. Seules des études cliniques peuvent établir une valeur clinique ; un benchmark ne le peut pas.