Video Experimental Relacionado
Updated: Sep 8, 2025
07:31
A Computerized Functional Skills Assessment and Training Program Targeting Technology Based Everyday Functional Skills
Published on: February 13, 2020
7.0K
Permitir microevaluaciones de habilidades en el entorno simulado utilizando modelos de inteligencia artificial
Iben Bang Andersen1,2, Morten Bo Søndergaard Svendsen3, Anne Line Risgaard1,2
1NordSim, Center for Skills Training and Simulation, Aalborg University Hospital, Aalborg, Denmark.
Medical teacher
|September 7, 2025
Resumen
Este estudio desarrolló un modelo de IA para la evaluación automatizada de la competencia de ultrasonido. El modelo de IA diferencia con precisión las habilidades de expertos y novatos en tiempo real, mejorando la evaluación de la capacitación.
Área de la Ciencia:
- Simulación médica
- La inteligencia artificial en la educación médica
- Entrenamiento con ultrasonidos
Sus antecedentes:
- La evaluación de habilidades en entornos simulados es costosa y carece de métricas validadas.
- La inteligencia artificial (IA) presenta una oportunidad para la evaluación automatizada de las competencias.
- Las limitaciones actuales requieren nuevos enfoques para la evaluación objetiva de las habilidades en la formación médica.
Objetivo del estudio:
- Desarrollar y validar un modelo de IA de aprendizaje automático para la evaluación automatizada de la competencia en el entrenamiento de ultrasonido tiroideo basado en simulación (EE.UU.).
- Evaluar la capacidad del modelo de IA para diferenciar entre el rendimiento experto y el novato.
- Evaluar el rendimiento en tiempo real y la interpretabilidad de la evaluación de habilidades impulsada por la IA.
Principales métodos:
- Análisis de video de procedimientos de tiroides realizados por expertos y novatos en un simulador.
- Utilizando una red neuronal convolucional (CNN) con ResNet-50 y una capa de memoria larga a corto plazo (LSTM) para el análisis de secuencias.
- Utilizando la validación cruzada cuádruple y las métricas de rendimiento (precisión, recuerdo, precisión F1) para la validación del modelo.
Principales resultados:
- El modelo de IA distinguió con éxito entre el rendimiento experto y el novato de los Estados Unidos.
- El rendimiento óptimo se logró utilizando secuencias de video de 50 segundos, obteniendo una precisión del 70% y una puntuación de 0,76 F1.
- Los expertos demostraron una duración significativamente mayor por encima del umbral de competencia (15,71 s) en comparación con los novatos (9,31 s).
Conclusiones:
- Un modelo de IA basado en LSTM ofrece una evaluación de competencia automatizada en tiempo casi real para la capacitación en los Estados Unidos.
- El uso de datos de video temporales permite microevaluaciones detalladas de habilidades de procedimiento complejas.
- Este enfoque de IA tiene el potencial de mejorar la interpretabilidad y aplicabilidad en diversos dominios de capacitación procedimental.
