2026年2月12日学術誌:IEEE Sensors Journal
ロボット支援前立腺全摘術における神経血管束（NVB）温存予測を目的に、自己教師あり学習と多タスク学習を統合したHybrid Teacher–Studentモデルを提案した。
Diego Andrés delAguilaMoraga1
· Huitao Wang1 ·Satoshi Ando2 ·Hayato Hoshina2 ·Hiroshi Kawahira3 ·
Yukihiro Nomura4 ·Toshiya Nakaguchi4
Received: 9 April 2025 / Accepted: 30 October 2025
©TheAuthor(s) 2026
Abstract
Purpose Preserving neurovascular bundles (NVB) during robot-assisted radical prostatectomy (RARP) is vital for reducing
postoperativecomplicationssuchasurinaryincontinenceanderectiledysfunction.Buildingonourpreviousworkinensemble
based NVB classification, we propose the hybrid self-supervised teacher–student model (Hybrid T–S model) that leverages
multi-task learning to predict NVB preservation in prostatectomy videos.
Methods Our approach integrates a self-supervised framework (DINO) as an online self-distillation objective on multi-crop
views to learn robust embeddings in a limited data setting, rather than as a stand-alone large-scale pretraining. A teacher
encoder, which is an exponential moving average (EMA) of the student encoder, and a reconstruction decoder are trained
jointly with a classification head in a single end-to-end framework. This model is evaluated on single frames from patients
who underwent RARP surgery.
Results Our experimental evaluation shows that the Hybrid T–S model outperforms previous NVB classification methods.
This highlights the benefits of integrating self-supervised learning and multi-task objectives in this surgical context. We
achieved an average accuracy of 86.55%, precision of 83.93%, recall of 90.73%, F1-score of 87%, and AUROC of 88.35%,
based on fivefold cross-validation.
Conclusion Incorporating representation learning through self-distillation, classification, and reconstruction provides com
plementary signals that enhance the prediction of NVB preservation. Our Hybrid T–S model can assist surgeons in real
decision-making and improve patient recovery.
Keywords Self-supervised learning · Multi-task learning · Image classification · RARP · NVB
Introduction
BDiegoAndrés del Aguila Moraga
[email protected]
Huitao Wang
[email protected]
Satoshi Ando
[email protected]
Hayato Hoshina
[email protected]
Hiroshi Kawahira
[email protected]
Yukihiro Nomura
[email protected]
Toshiya Nakaguchi
[email protected]
ロボット支援前立腺全摘術（robot-assisted radical prostatectomy：RARP）において、術後の尿失禁や勃起障害といった合併症を軽減するために神経血管束（neurovascular bundle：NVB）の温存が重要である。手術動画から高精度に予測可能な自己教師あり学習と多タスク学習を統合した新たなHybrid Teacher–Student（Hybrid T–S）モデルを提案した。本手法の特徴は、自己教師あり学習フレームワークであるDINOを、大規模事前学習としてではなく、限られた医療データ環境下におけるオンライン自己蒸留(self-distillation)として活用している点にある。学生モデルと、その指数移動平均により更新される教師モデルを用い、分類タスクに加えて再構成タスクを同時に学習するエンドツーエンド構成とすることで、より頑健で汎化性能の高い特徴表現の獲得を可能にした。RARPを受けた患者の手術動画から抽出した単一フレームを用いた評価の結果、本モデルは従来のNVB分類手法を上回る性能を示し、5分割交差検証において平均正解率86.55%、F1スコア87%、AUROC88.35%を達成した。これらの結果から、自己蒸留、分類、再構成という複数の学習信号を組み合わせることがNVB温存予測に有効であることが示された。本研究で提案するHybrid T–Sモデルは、術中の意思決定支援や外科医の判断補助に貢献し、患者の術後機能回復の向上につながる可能性がある。
キーワード：ロボット支援下手術、前立腺、神経温存、機械学習、手術動画解析