Bedeutung und Potenzial des Simulationstrainings in der interventionellen Radiologie

Zusammenfassung

Hintergrund Simulationstraining ist heute in vielen medizinischen Disziplinen verfügbar und dient der Vermittlung von inhaltlichen Kenntnissen, manuellen Fertigkeiten und Teamfähigkeiten ohne potenzielle Patientengefährdung.

Methode Es wird erläutert, welche Simulationsmodelle und -methoden in der interventionellen Radiologie zur Verfügung stehen. Es werden Stärken und Schwächen sowohl von Simulatoren für nichtvaskuläre als auch vaskuläre radiologische Interventionen aufgezeigt und auf nötige zukünftige Entwicklungen eingegangen.

Ergebnisse Für nichtvaskuläre Eingriffe stehen sowohl individuell angefertigte als auch kommerziell erhältliche Phantome zur Verfügung. Die Interventionen laufen entweder unter Ultraschallkontrolle, computertomografisch gestützt oder im Rahmen von Mixed-reality-Methoden ab. Dem Verschleiß physischer Phantome kann mit der Eigenproduktion von 3D-gedruckten Modellen begegnet werden. Vaskuläre Interventionen können an Silikonmodellen oder Hightech-Simulatoren trainiert werden. Immer häufiger werden dabei auch reale Patientenfälle nachgebildet und präinterventionell simuliert. Der Evidenzgrad ist allerdings bei allen genannten Methoden niedrig.

Schlussfolgerung In der interventionellen Radiologie stehen zahlreiche Simulationsmethoden zur Verfügung. Training an Silikonmodellen und Hightech-Simulatoren für vaskuläre Interventionen hat das Potenzial, die prozedurale Dauer zu verringern. Dies ist mit einer verringerten Strahlendosis für Arzt und Patient assoziiert und trägt zumindest in der endovaskulären Schlaganfallbehandlung auch zu einem verbesserten Patientenoutcome bei. Auch wenn ein höherer Evidenzgrad erreicht werden muss, sollte Simulationstraining bereits heute in die Leitlinien der Fachgesellschaften und entsprechend in die Curricula der radiologischen Abteilungen integriert werden.

Kernaussagen: 

• Es existieren zahlreiche Simulationsmethoden für nichtvaskuläre und vaskuläre radiologische Interventionen.

• Punktionsmodelle können kommerziell erworben oder mittels 3D-Druck angefertigt werden.

• Silikonmodelle und Hightech-Simulatoren erlauben patientenspezifisches Training.

• Simulationstraining senkt die Interventionsdauer, wovon Patient und Arzt profitieren.

• Eine Steigerung der Evidenz ist über den Nachweis reduzierter prozeduraler Zeiten möglich.

Zitierweise

• Kreiser K, Sollmann N, Renz M. Importance and potential of simulation training in interventional radiology. Fortschr Röntgenstr 2023; 195: 883 – 889

Key words

education - treatment planning - patient-specific rehearsal - hightech simulation - 3D prints

Publication History

Received: 01 December 2022

Accepted: 22 March 2023

Article published online:
03 May 2023

• References

• 1 Badash I, Burtt K, Solorzano CA. et al. Innovationen in der Operationssimulation: ein Überblick über vergangene, aktuelle und zukünftige Techniken. Ann Transl Med 2016; 4: 453 DOI: 10.21037/atm.2016.12.24.
• 2 Bienstock J, Heuer A. A review on the evolution of simulation-based training to help build a safer future. Medicine 2022; 101: e29503 DOI: 10.1097/MD.0000000000029503.
• 3 Rothkrug A, Mahboobi SK. Simulation Training and Skill Assessment in Anesthesiology. 2022 bookchapter in: StatPearls [Internet]. https://www.ncbi.nlm.nih.gov/books/NBK557711/
• 4 Satin AJ. Simulation in Obstetrics. Obstet Gynecol 2018; 132 (01) 199-209 DOI: 10.1097/AOG.0000000000002682.
• 5 Pietersen PI, Bjerrum F, Tolsgaard MG. et al. Standard Setting in Simulation-based Training of Surgical Procedures: A Systematic Review. Ann Surg 2022; 275 (05) 872-882 DOI: 10.1097/SLA.0000000000005209.
• 6 Bube SH, Kingo PS, Madsen MG. et al. National Implementation of Simulator Training Improves Transurethral Resection of Bladder Tumours in Patients. Eur Urol Open Sci 2022; 39: 29-35 DOI: 10.1016/j.euros.2022.03.003.
• 7 https://register.awmf.org/assets/guidelines/015-083l_S3_Vaginale-Geburt-am-Termin_2021-03.pdf abgerufen am 29.11.2022
• 8 https://register.awmf.org/de/leitlinien/detail/021-014 , abgerufen am 29.11.2022
• 9 Nayahangan LJ, Nielsen KR, Albrecht-Beste E. et al. Determining procedures for simulation-based training in radiology: a nationwide needs assessment. Eur Radiol 2018; 28 (06) 2319-2327 DOI: 10.1007/s00330-017-5244-7.
• 10 https://www.nephro-xperts.de/gelatine-ultraschall-phantome/ , abgerufen am 12.11.22
• 11 https://medicalskillstrainers.cae.com/ abgerufen am 13.11.22,
• 12 https://www.anatomie-modelle.de/Ultraschall-Modelle , abgerufen am 13.11.22
• 13 Kahr Rasmussen N, Andersen TT, Carlsen J. et al. Simulation-Based Training of Ultrasound-Guided Procedures in Radiology – A Systematic Review. Ultraschall in Med 2019; 40 (05) 584-602 DOI: 10.1055/a-0896-2714.
• 14 http://perk.cs.queensu.ca/contents/perktutor abgerufen am 13.11.22;
• 15 Freschi C, Parrini S, Dinelli N. et al.  Hybrid simulation using mixed reality for interventional ultrasound imaging training.  Int J CARS 2015; 10: 1109-1115 DOI: 10.1007/s11548-014-1113-x.
• 16 Villard PF, Vidal FP, ap Cenydd L. et al. Interventional radiology virtual simulator for liver biopsy. Int J Comput Assist Radiol Surg 2014; 9 (02) 255-267 DOI: 10.1007/s11548-013-0929-0.
• 17 Picard M, Nelson R, Roebel J. et al. Use of Low-Fidelity simulation laboratory training for teaching radiology residents CT-guided procedures.  J Am Coll Radiol 2016; 13 (11) 1363-1368 DOI: 10.1016/j.jacr.2016.05.025.
• 18 Baadh A, Fadl A, Georgiou N. et al. A pilot program for use of a homemade phantom for CT biopsy simulation training. [Abstract No. 376]. J Vasc Interv Radiol 2015; 26 (Suppl. 02) S167
• 19 Nakatani M, Kariya S, Ono Y. et al. Radiation Exposure and Protection in Computed Tomography Fluoroscopy. Interv Radiol 2022; 7 (02) 49-53 DOI: 10.22575/interventionalradiology.2022-0010.
• 20 Cahalane AM, Habibollahi S, Staffa SJ. et al Helical CT versus intermittent CT fluoroscopic guidance for musculoskeletal needle biopsies: impact on radiation exposure, procedure time, diagnostic yield, and adverse events. Skeletal Radiology 2022; . Epub ahead of print. DOI: 10.1007/s00256-022-04226-y.
• 21 Van den Bosch V, Salim HS, Chen NZ. et al. Augmented Reality-Assisted CT-Guided Puncture: A Phantom Study. Cardiovasc Intervent Radiol 2022; 45 (08) 1173-1177 DOI: 10.1007/s00270-022-03195-y.
• 22 Trace AP, Ortiz D, Deal A. et al. Radiology’s Emerging Role in 3D Printing Applications in Health Care. J Am Coll Radiol 2016; 13: 856-862.e4 DOI: 10.1016/j.jacr.2016.03.025.
• 23 Goudie C, Kinnin J, Bartellas M. et al. The Use of 3D Printed Vasculature for Simulation-based Medical Education Within Interventional Radiology. Cureus 2019; 11 (04) e4381 DOI: 10.7759/cureus.4381.
• 24 Wu TC, Weng JY, Lin CJ. et al. Patient-Specific 3D-Print Extracranial Vascular Simulators and Infrared Imaging Platform for Diagnostic Cerebral Angiography Training. Healthcare 2022; 10 (11) 2277 DOI: 10.3390/healthcare10112277.
• 25 Aramburu J, Antón R, Fukamizu J. et al. In Vitro Model for Simulating Drug Delivery during Balloon-Occluded Transarterial Chemoembolization. Biology 2021; 10 (12) 1341 DOI: 10.3390/biology10121341.
• 26 Miranpuri AS, Nickele CM, Akture E. et al. Neuroangiography simulation using a silicone model in the angiography suite improves trainee skills. J Neurointerv Surg 2014; 6 (07) 561-564 DOI: 10.1136/neurintsurg-2013-010826.
• 27 Morita R, Abo D, Soyama T. et al. Usefulness of preoperative simulation with patient-specific hollow vascular models for high-flow renal arteriovenous fistula embolization using a preloading coil-in-plug technique. Radiol Case Rep 2022; 17 (10) 3578-3586 DOI: 10.1016/j.radcr.2022.07.028.
• 28 Itagaki MW. Using 3D printed models for planning and guidance during endovascular intervention: a technical advance. Diagn Interv Radiol 2015; 21 (04) 338-341 DOI: 10.5152/dir.2015.14469.
• 29 Stana J, Grab M, Kargl R. et al. 3D printing in the planning and teaching of endovascular procedures. Radiologie 2022; DOI: 10.1007/s00117-022-01047-x.
• 30 https://cathi.de/en/hardware-products#hardware-systems , abgerufen am 30.11.2022
• 31 Kreiser K, Gehling K, Zimmer C. Simulation in Angiography – Experiences from 5 Years Teaching, Training, and Research. Fortschr Röntgenstr 2019; 191 (06) 547-552 DOI: 10.1055/a-0759-2248.
• 32 Nielsen CA, Lönn L, Konge L. et al. Simulation-Based Virtual-Reality Patient-Specific Rehearsal Prior to Endovascular Procedures: A Systematic Review. Diagnostics 2020; 10 (07) 500 DOI: 10.3390/diagnostics10070500.
• 33 Chuah KC, Stuckey SL, Berman IG. Silent embolism in diagnostic cerebral angiography: detection with diffusion-weighted imaging.  Australas Radiol 2004; 48 (02) 133-138 DOI: 10.1111/j.1440-1673.2004.01273.x.
• 34 Bendszus M, Koltzenburg M, Burger R. et al. Silent embolism in diagnostic cerebral angiography and neurointerventional procedures: a prospective study. Lancet 1999; 354: 1594-1597 DOI: 10.1016/S0140-6736(99)07083-X.
• 35 Kreiser K, Gehling KG, Ströber L. et al. Simulation Training in Neuroangiography: Transfer to Reality. Cardiovasc Intervent Radiol 2020; 43 (08) 1184-1191 DOI: 10.1007/s00270-020-02479-5.
• 36 Schneider MS, Sandve KO, Kurz KD. et al. Metric based virtual simulation training for endovascular thrombectomy improves interventional neuroradiologists’ simulator performance. Interventional Neuroradiology 2022; DOI: 10.1177/15910199221113902.
• 37 Spiotta AM, Turner RD, Turk AS. et al. The case for a milestone-based simulation curriculum in modern neuroendovascular training. J Neurointerv Surg 2016; 8 (04) 429-433 DOI: 10.1136/neurintsurg-2014-011546.