自動FLS認証のための人工知能:現在の制限を強調し,対処する

科学分野:

• 医学教育
• 手術 に 関する 人工知能
• 外科 技 の 評価

背景:

• 人工知能 (AI) は,外科研修における技術的スキルの評価を自動化する可能性を秘めています.
• laparoscopic surgery (FLS) の基本をAIで認証することで,一貫性が向上し,監査費用が削減されます.
• 既存のAI研究は,検証とモデリングが限られているため,高リスク評価の信頼性が欠けている.

研究 の 目的:

• ビデオ録音を用いたFLSペグ転送タスクの評価のための新しいAIベースのシステムを開発し,検証する.
• 手術スキルの評価のためのAIモデルの信頼性と正確性を,高度なポスト処理技術によって向上させる.
• 人工知能システムの専門家による評価を複製する能力を測定するための新しいメトリックを確立する.

主な方法:

• 新しいAIアプローチは,ビデオフレームを分析して,オブジェクト状態を追跡し,FLSのペグ転送タスク中に手術行動を分類します.
• 複数のAIモデルが予測を生成し,時間的な一貫性とタスクの精度のために2つのポスト処理技術によって精製されます.
• AIによるプロクターレベルの評価の複製を評価するための"転送精度"と"転送リコール"のメトリックを導入しました.

主要な成果:

• 個々のAIモデルは,ペグ状態の予測において高精度 (> 99%) を達成し,アクション認識において良好な性能 (f1スコア> 78%) を達成した.
• 後処理を除くと,転送精度とリコールが低い (22. 86%と55. 56%).
• 提案された後処理により,転送精度とリコールがそれぞれ80.44%と96.51%に大幅に改善されました.

結論:

• 作業特有の検証とモデリングは,自動化された認証のための信頼できるAIシステムの開発に不可欠です.
• 提案されたAIフレームワークとメトリックは,外科研修における信頼できるAIベースの評価ツールのための一般化ガイドラインを提供します.
• このAIシステムは シミュレーションされた環境と実際の外科環境の両方で 強力な評価の可能性を示しています