Video Experimental Relacionado
Updated: May 5, 2026

07:46
Author Spotlight: Revolutionizing Remote Surgery with Augmented Reality and Robotics for Enhanced Precision and Accessibility
Published on: August 9, 2024
847
El informante temporal quirúrgico interpretable: predicción de tiempo de finalización quirúrgica explicable
Roger D Soberanis-Mukul1, Rohit Shankar2, Lalithkumar Seenivasan2
1Johns Hopkins University, Baltimore, MD, 21211, USA. rsobera1@jhu.edu.
International journal of computer assisted radiology and surgery
|August 23, 2025
Resumen
Este estudio introduce un método de IA interpretable que utiliza videos quirúrgicos para predecir la duración de la cirugía, lo que potencialmente se correlaciona con la habilidad del cirujano y mejora la eficiencia de la sala de operaciones.
Área de la Ciencia:
- La inteligencia artificial en la medicina
- Optimización del flujo de trabajo quirúrgico
- Análisis de imágenes médicas
Sus antecedentes:
- La predicción precisa del tiempo quirúrgico mejora la utilización de la sala de operaciones y la eficiencia del hospital.
- La competencia técnica del cirujano es un factor clave que influye en el tiempo de finalización quirúrgica.
- Los videos de intervención ofrecen una gran cantidad de datos para analizar el rendimiento quirúrgico y predecir la duración.
Objetivo del estudio:
- Desarrollar un método interpretable para predecir la duración quirúrgica utilizando videos quirúrgicos egocéntricos.
- Para identificar las características visuales dentro de los videos quirúrgicos que se correlacionan con la precisión de la predicción del tiempo.
- Mejorar la comprensión de los factores que influyen en los tiempos de finalización quirúrgica.
Principales métodos:
- Introdujo un modelo de IA interpretable que identificaba patrones similares a los prototipos en los videos quirúrgicos.
- Explicaciones extraídas basadas en video vinculadas a patrones de desviación de tiempo, que van más allá de los parches de imagen convencionales.
- Utilizó un modelo informador para capturar dependencias de largo alcance para una predicción precisa de la duración.
Principales resultados:
- El modelo interpretable se aplicó a 42 videos de craneotomía.
- El método propuesto demostró un rendimiento superior en comparación con los modelos de referencia para predecir el tiempo de finalización quirúrgica.
- El modelo proporciona explicaciones visuales de tipo prototipo para sus predicciones.
Conclusiones:
- El enfoque mejora la interpretabilidad de las predicciones de tiempo quirúrgico.
- Aprovecha información detallada de los datos de video quirúrgico para una mayor precisión.
- Ofrece un nuevo método para analizar el video quirúrgico para predecir la duración y potencialmente evaluar la habilidad.
