ロボット肝胆膵手術の難易度評価：Tampaスコアが術後予後予測に優れる
解説対象論文: Towards standardized assessment of surgical difficulty in robotic hepatobiliary surgery: a comparative validation study
Journal of Robotic Surgery｜被引用数: 0（2026年7月27日時点）
ロボット支援手術は、肝胆膵外科において低侵襲アプローチの範囲を拡大しています。しかし、手術の難易度を正確に評価することは、特に専門家の学習曲線において重要な課題です。本研究は、ロボット肝胆膵手術における既存の難易度スコアリングシステム（DSS）の予測性能を比較検証し、ロボット手術に特化したTampa DSSの優位性を示しました。
ロボット肝胆膵手術における難易度評価の重要性
どうも、Beyond the Pixelです。近年、ロボット支援手術の導入により、肝胆膵外科における低侵襲手術の適用範囲が拡大しています。ロボットプラットフォームは、強化された3Dの没入感のある視野、多関節器具、手振れ補正、動作スケーリングといった機能を提供し、肝臓および胆道手術の可能性を広げています。低侵襲肝臓手術（MILS）は、その技術的な複雑さと、習熟に時間を要する学習曲線が特徴であり、この状況下で正確な術前評価と適切な症例選択は極めて重要です。これにより、対象者の安全性を最適化し、トレーニングプログラムを構築し、施設のパフォーマンスを評価することが可能になります。これまでに、いくつかの難易度スコアリングシステム（DSS）が提案されてきましたが、そのほとんどは腹腔鏡下肝臓手術用に開発されたものです。そのため、ロボット手術シリーズにおいてどの程度の予測性能を持つかは不確実でした。特に、ロボット肝臓手術が、従来は非常に難易度が高いとされてきた複雑な切除術を含むようになってきているため、プラットフォーム固有の検証の欠如は重要な課題です。本研究では、主要なDSS（Halls、Kawaguchi、IWATE、Hasegawa、Tampa）をロボット支援肝胆膵手術の対象者コホートで比較評価し、技術的な複雑さと術後成績を評価するための最適なモデルを特定することを目指しました。
研究方法と対象者特性
本研究では、イタリアのヴェローナ大学肝胆膵外科部門において、2014年から2025年の間にロボット支援肝臓切除術を受けた対象者187名を、前向きに維持されたデータベースから特定しました。18歳未満の対象者、および難易度スコアの計算や周術期転帰の評価に必要なデータが不完全な対象者は除外されました。対象者の人口統計学的および臨床的特性には、年齢、性別、BMI（ボディマス指数）、ASA（米国麻酔科学会）分類、調整済みチャールソン併存疾患指数、基礎となる肝疾患、臨床的門脈圧亢進症の有無、全身療法歴、そして病変の大きさや数、主要血管への近接性といった腫瘍特性が含まれました。術中の技術的複雑性は、推定出血量（EBL）、手術時間、および術中有害事象に基づいて評価されました。周術期転帰には、術中有害事象、予定外の開腹移行、術後合併症、90日死亡率、30日再入院、再手術が含まれました。術後合併症はClavien-Dindo分類に従って分類され、グレード3以上は「重症」と定義されました。包括的な外科的パフォーマンスは、TOLLS（Textbook Outcome in Liver Laparoscopic Surgery）複合指標を用いて評価されました。
異なる難易度スコアの比較とTampa DSSの優位性
評価された難易度スコアリングシステム（DSS）は、Tampa、IWATE、Halls、Hasegawa、Kawaguchiの5つです。Tampaスコアリングシステムは、BMI、術前化学療法歴、腫瘍特性、リンパ節郭清の必要性、胆管切除および/または再建の必要性などの術前変数および手技変数を統合した、ロボット肝臓および胆道手術のために特別に設計されたものです。これにより、手術は「負担が少ない」「中程度」「より負担が大きい」「最も負担が大きい」の4つの技術的複雑さのグループに分類されます。一方、IWATE、Halls、Hasegawa、Kawaguchiの各DSSは主に腹腔鏡下肝臓切除術用に開発され、多くが腫瘍関連および解剖学的パラメータに焦点を当てています。対象者の手術難易度カテゴリーへの分類は、DSS間で大きく異なりました。
KawaguchiおよびTampa DSSは中央に傾向を示しましたが、Halls、IWATE、Hasegawaスコアはより高難度のレベルに偏っていました。Tampa DSSは「中程度」の対象者が最も多く（67.4%、126名）、最も高難度の「最も負担が大きい」グループに分類されたのはわずか6.4%（12名）と、高複雑度症例の識別能力に優れていました。全てのDSSは、予測される難易度と術中外科的複雑性（手術時間やEBLの段階的な増加など）との間に有意な関連性を示しました。術後転帰の予測に関しては、Tampa DSSが他のDSSを上回る性能を示しました。具体的には、予定外の開腹移行（AUC = 0.735）、重症合併症（AUC = 0.743）、90日死亡率（AUC = 0.722）、およびTOLLS達成（AUC = 0.702）の予測において、最高の判別能力（AUC）を達成しました。
多変量ロジスティック回帰分析においても、Tampa DSSに基づくモデルが、全体および重症合併症、90日死亡率、予定外の開腹移行、30日再介入、TOLLS達成の最も優れた予測因子であることが示されました。Tampa DSSは、重症術後合併症との関連性において、最も高いオッズ比（OR 6.00, 95%CI 2.72-15.0）を示しました。
ロボット手術における標準化された難易度評価の展望
本研究の結果は、従来のDSSが術中技術的複雑性を推定する上で依然として有用である一方で、Tampaスコアが臨床的に意義のある周術期転帰に関して優れた判別性能とモデルの適合性を持つことを示唆しています。これは、ロボット支援肝臓切除術におけるリスク層別化と計画において、ロボット手術に特化したDSSを優先的に、そして標準的に使用することを支持するものです。Tampa DSSと従来のDSSの根本的な違いは、その適用範囲にあります。従来の腹腔鏡下手術に基づくDSS（IWATE、Kawaguchi、Halls、Hasegawa）は実質肝切除に限定され、主に腫瘍関連および解剖学的パラメータに依存します。対照的に、Tampa DSSは胆道切除および再建、リンパ節郭清といった複雑な手技も含むため、ロボット支援手術でますます行われる広範な手技を反映しています。本研究の限界としては、単一施設の後向き研究デザインであるため、選択バイアスが導入される可能性が挙げられます。ただし、前向きに維持されたデータベースと比較的大きなサンプルサイズは、内部妥当性を強化します。また、本研究には10年以上にわたる期間の手術を受けた対象者が含まれていますが、症例の75.9%（142名）は2023年から2025年の間に収集されたものであり、最近のデータが主です。さらに、全ての外科手技は、da Vinci®システムでの正式なトレーニングを修了した、HPB外科における豊富な経験を持つ専門家によって行われたため、学習曲線による影響は一部軽減されています。これらの結果は、同様に訓練された専門家と確立されたロボットプログラムを持つ他の高容量施設でも再現される可能性がありますが、異なる設定での結果の信頼性を確保するためには、より大規模な多施設集団でのさらなる検証が不可欠です。
まとめ
ロボット支援肝胆膵手術において、術中の難易度評価は対象者の適切な選択、信頼性の高いベンチマーキング、そして学習曲線の個別化された実施に不可欠です。本研究は、従来のDSSの限界を浮き彫りにし、ロボット支援手術においてTampa DSSがより優れた汎用性と正確性を持つことを示しました。従来のDSSは術中の難易度予測において高い精度を維持する一方で、Tampa DSSはロボット手術の多次元的な複雑性をより正確かつ効率的に捉え、周術期の経過とより良く関連しています。ロボット支援肝臓切除術におけるより包括的なスコアリングシステムの採用は、堅牢なベンチマーキング、成果の比較、および対象者の標準化されたリスク層別化に不可欠です。
用語集
- DSS (Difficulty Scoring System): 手術の技術的難易度を定量的に評価するための採点システム。
- ROC-AUC (Receiver Operating Characteristic – Area Under the Curve): 診断モデルの判別能力を示す指標で、曲線下面積が大きいほど性能が良い。
- TOLLS (Textbook Outcome in Liver Laparoscopic Surgery): 術中合併症なし、重症術後合併症なし、90日死亡なし、30日再入院なし、R0切除達成という理想的な術後結果の複合指標。
- MILS (Minimally Invasive Liver Surgery): 低侵襲肝臓手術。腹腔鏡下手術やロボット支援手術を含む。
- Tampa DSS: ロボット肝臓および胆道手術のために特別に設計された難易度スコアリングシステム。
- 腹腔鏡下肝臓手術: 小さな切開孔から挿入したカメラと器具を用いて行う肝臓手術。
- ロボット支援肝臓手術: ロボットシステムを介して行う低侵襲肝臓手術で、精密な操作が可能。
- AUC: ROC曲線の下の面積で、予測モデルの判別能力を示す指標。
- C-index (Concordance Index): 予測モデルの予測性能（適合度）を示す統計指標。
- AIC (Akaike Information Criterion): モデルの適合度と複雑さのバランスを評価する統計指標。値が小さいほど良いモデル。
- DCA (Decision Curve Analysis): 異なる予測モデルの臨床的有用性を比較する分析方法。
- 推定出血量 (EBL): 手術中に失われた血液量の推定値。
- 開腹移行: 低侵襲手術中に、より大きな切開を必要とする従来の開腹手術に切り替えること。
Leave a Reply