手術映像生成：拡散モデルからワールドモデルへの調査

本論文は、手術ビデオ生成に関する2024年から2026年の文献を体系的に整理したサーベイである。手術ビデオデータは術中知覚、手術ワークフロー理解、ロボット意思決定のモデルにとって主要な訓練リソースであるが、臨床データの取得はプライバシー、コスト、クラス不均衡によって制約される。手術ビデオ生成はデータ不足への対処と、手術シミュレーション、トレーニング、ロボットポリシー学習の基盤として注目されている。本サーベイは、文献を無条件生成、条件付き生成、ワールドモデル生成の3カテゴリに分類し、視覚的に妥当なフレームの合成から手術シーンの因果ダイナミクスのモデル化へのタスク定義の根本的シフトを明らかにする。

先行研究には手術ビデオ生成の明確な概念的枠組みが存在せず、分野が急速に発展しているにもかかわらず整理が不足していた。本サーベイは、2024年から2026年の文献を3つのカテゴリに分類することで、タスク定義の変遷を明確にし、ピクセルレベルの忠実度と臨床的妥当性の間の永続的なギャップを指摘する。さらに、一般化、物理的リアリズム、制御可能性、解釈可能性をボトルネックとして特定し、代表的手法の公開データセットでの実験結果をまとめて定量的参照を提供する点が新しい。

手法の肝は、文献を無条件生成、条件付き生成、ワールドモデル生成の3カテゴリに分類する枠組みである。無条件生成は視覚的に妥当なフレームの合成に焦点を当て、条件付き生成は特定の入力（例：テキスト、ラベル）に基づいて生成を行い、ワールドモデル生成は手術シーンの因果ダイナミクスをモデル化する。この分類により、タスク定義の進化を捉え、各カテゴリの代表的手法とその特性を整理する。また、公開データセットでの実験結果をまとめ、定量的比較を提供する。

要旨からは、本サーベイが公開データセット上での代表的手法の実験結果をまとめ、定量的参照を提供すると述べられているが、具体的なデータセット名や評価指標、検証手順の詳細は不明である。したがって、検証方法の具体的な内容は要旨からは不明である。

議論として、ピクセルレベルの忠実度と臨床的妥当性の間の永続的なギャップが指摘されている。また、一般化、物理的リアリズム、制御可能性、解釈可能性がボトルネックとして特定されている。これらの課題は、手術ビデオ生成の実用化に向けた重要な障壁であり、今後の研究の焦点となる。

要旨で参照されている関連研究は明示されていないが、同分野の定番として、手術ビデオ生成の基礎となる拡散モデル（Diffusion Models）やワールドモデル（World Models）に関する論文が挙げられる。具体的には、拡散モデルの基礎論文（例：Denoising Diffusion Probabilistic Models）や、手術ワークフロー理解に関するサーベイが関連する。