時間的な人工知能モデルを使用して,シミュレーション環境でスキルの微小評価を可能にします

科学分野:

• 医学的シミュレーション
• 医療教育における人工知能
• 超音波 訓練

背景:

• シミュレーション環境でのスキルの評価は費用がかかり,検証されたメトリックがありません.
• 人工知能 (AI) は 自動化された能力評価の機会をもたらします
• 医療訓練における客観的な技能評価のための新しいアプローチが必要である.

研究 の 目的:

• シミュレーションベースの甲状腺超音波 (米国) 訓練における自動化された能力評価のための機械学習AIモデルを開発し,検証する.
• 専門家と初心者のパフォーマンスを区別するAIモデルの能力を評価する.
• 人工知能によるスキル評価のリアルタイムのパフォーマンスと解釈性を評価する.

主な方法:

• 専門家や初心者がシミュレータで行った甲状腺手術のビデオ分析
• ResNet-50と長い短期記憶 (LSTM) 層を組み合わせたコンボリューションニューラルネットワーク (CNN) を利用してシーケンス分析を行う.
• モデルの検証のために四重クロス検証とパフォーマンスメトリック (精度,リコール,F1,精度) を使用します.

主要な成果:

• AIモデルでは 専門家と初心者の性能を 区別することができました
• 最適なパフォーマンスは50秒のビデオシーケンスを用いて達成され,70%の精度と0.76のF1スコアが得られました.
• 専門家は,初心者 (9.31s) と比べて,能力の限界を超えた期間を大幅に長く示しました.

結論:

• LSTMベースのAIモデルは,米国のトレーニングのためのほぼリアルタイムで自動化された能力評価を提供します.
• 時間のビデオデータを使用することで,複雑な手続きスキルの詳細な微小評価が可能になります.
• このAIアプローチは,さまざまな手続き訓練領域における解釈性と適用性を向上させる可能性を秘めています.