Sistemas de Tutoría Inteligente para Rutas de Aprendizaje Adaptativo en la Formación Sanitaria

Área de la Ciencia:

• Educación Médica
• Inteligencia Artificial
• Cirugía Robótica

Sus antecedentes:

• La formación quirúrgica tradicional consume muchos recursos y es ineficiente.
• La cirugía asistida por robot (RAS) requiere métodos de formación especializados y eficaces.
• Se necesitan soluciones de formación personalizadas y escalables para la educación quirúrgica.

Objetivo del estudio:

• Desarrollar y evaluar un Sistema de Recomendación impulsado por IA para la formación personalizada en RAS.
• Mejorar la adquisición de habilidades quirúrgicas a través de la selección adaptativa de tareas.
• Crear un marco de formación escalable y eficiente para la cirugía robótica.

Principales métodos:

• Desarrolló un Sistema de Recomendación de dos pasos: una base de decisiones basada en datos y un algoritmo de decisión de aprendizaje por refuerzo (RL).
• Utilizó un conjunto de datos sintético basado en el Modelo de Rastreo de Conocimiento de la Teoría de Respuesta al Ítem para la simulación.
• Empleó un modelo de rastreo de conocimiento basado en grafos para identificar estructuras de tareas latentes.

Principales resultados:

• El modelo de rastreo de conocimiento basado en grafos apoyó eficazmente la base de decisiones al revelar las relaciones entre tareas.
• El aprendizaje por refuerzo dentro del algoritmo de decisión mejoró la selección de tareas de entrenamiento óptimas.
• El marco de IA demostró potencial para acelerar el aprendizaje en la simulación de entrenamiento de RAS.

Conclusiones:

• Los Sistemas de Recomendación impulsados por IA ofrecen un enfoque prometedor para la formación personalizada y escalable en RAS.
• La integración del rastreo de conocimiento y el aprendizaje por refuerzo mejora la selección adaptativa de tareas.
• Se necesita más investigación para la implementación en el mundo real y la optimización del marco de formación de IA.