目的 : ロボット支援下根治的腎摘除術 (RARN) と腹腔鏡下根治的腎摘除術 (LRN) の周術期成績を比較検討する.

対象と方法 : 2019年1月から2024年8月までに当院で施行したRARN 40例とLRN 39例を後方視的に解析した.

結果 : RARN群でLRN群と比較して手術時間 (126分 vs 183分, p＜0.01) と気腹時間 (98.5分 vs 155分, p＜0.01) が有意に短縮された. 患者背景, 周術期合併症, 出血量に有意差はなかった. 手術材料費 (n＝4) はRARN群で, 2万4千円ほど高かった.

結論 : RARNはLRNと比較して手術時間が短縮され, 安全性も同等であった. 人件費他も考慮すると, RARNは有用な選択肢となり得る.

【目的】本邦で, 2022年4月よりロボット支援下根治的腎摘除術 (RARN) およびロボット支援下腎尿管全摘除術 (RANU) が保険収載された. 当院で施行したRARN及びRANUの周術期成績と, 手術時の工夫を報告する.

【対象と方法】当院で行ったRARN 5例, RANU10例について検討した. RANUの下部尿管処理において, 側臍靭帯を2-0絹糸で外側に吊り上げる, KAIMEN^®を生理食塩水で膨潤させ周囲組織をKAIMEN^®越しに圧排するなどの工夫を用いた.

【結果】合計手術時間／コンソール時間の中央値はRARNで114/69分, RANUで190.5/131分であった. 全例で開腹移行例, 切除断端陽性例は無く, 術後に重篤な合併症は発生せず.

【結論】当院でのRARN及びRANUの初期経験について報告した.

これまでにラウンドアバウトが導入された箇所では，導入前の交差点と比較して車両の走行速度抑制や，事故件数減少などの効果が報告されている．しかし導入後一定期間が経過すると，ドライバーがラウンドアバウトの通行に慣れてくることも想定されるため，導入後の走行挙動の変化をモニタリングすることが重要である．本研究では，2014年に供用が開始した静岡県焼津市の山の手環状交差点において，導入から約22か月後の2015年，約28か月後の2016年，約55か月後の2018年にドローンで撮影された映像から，速度・加速度・走行位置などの走行挙動の経年的な変化を調査した．その結果，流入部手前では速度が上昇している一方，環道内や流出部の速度はそれほど変化しておらず，ラウンドアバウトの速度抑止効果が継続していることが明らかとなった．

Present study aims to develop a high-speed photoelasticity with a high-speed polarization camera for evaluating the stress loading on a pressure-sensitive gel by fingertip movements. Prior to this, normal stress loading and phase retardation field on the pressure-sensitive gel were measured with the calibration experiment system combining a stress loading device and the high-speed photoelasticity. The stress-optic coefficient indicating the performance of pressure-sensitive gels was calculated from the data. For the calculation of stress-optic coefficient, we performed the phase unwrapping process to remove the effect of phase wrapping on the visualization data of phase retardation field. It was experimentally confirmed that the trend in the stress-optic law was satisfied. In addition, the temporal evolution of shear stress loading by fingertip movement such as rubbing and tapping on the pressure-sensitive gel was also visualized by the high-speed photoelasticity. As a result, it was suggested that our method has a high degree of accuracy, enabling to measure slight time variation of shear stress at a level too small to be recognized by the subject performing the fingertip movements.

A computational framework that is extremely fast to learn without a labyrinth of coding is known as physical reservoir computing. This computation inputs some action into a real physical system and obtains an output from the observed nonlinear dynamics of the system. It has been suggested that this output can be applied to machine learning to achieve high accuracy in time series data prediction and pattern recognition. Therefore, verification of the materials and structural factors required for highly practical physical reservoir computing is underway from a materials engineering perspective. In particular, it is important to clarify how the different physical properties of materials affect the time series data extracted from the reservoir, which responds to physical actions, and how this positively impacts learning efficiency. In this study, we developed two piezoelectric sensing end-effectors, Gel Biter and Gel Toucher, which consist of two groups of 3D structured polymeric materials inspired by the human mouth and fingers. Then, we discuss the accuracy of physical reservoir computing and the necessary elemental verification in non-destructive tactile discrimination between biting and touching. As a result, we found that both achieved a tactile discrimination accuracy of over 80%, and that the integration of different nonlinear responses, in other words, a multidimensional capture, is useful for accurate object recognition by selecting and combining the reservoirs to be used to improve accuracy.