ヘルスケアトレーニングにおけるアダプティブラーニングパスウェイのためのインテリジェントチュータリングシステム

科学分野:

• 医学教育
• 人工知能
• ロボット手術

背景:

• 従来の外科トレーニングは、リソース集約的で非効率的です。
• ロボット支援手術（RAS）には、特殊で効果的なトレーニング方法が必要です。
• 外科教育には、パーソナライズされたスケーラブルなトレーニングソリューションが必要です。

研究 の 目的:

• パーソナライズされたRASトレーニングのためのAI搭載レコメンダーシステムを開発および評価すること。
• アダプティブタスク選択を通じて外科的スキル獲得を強化すること。
• ロボット手術のためのスケーラブルで効率的なトレーニングフレームワークを作成すること。

主な方法:

• 2段階のレコメンダーシステムを開発しました。データ駆動型の意思決定基盤と強化学習（RL）意思決定アルゴリズムです。
• 項目応答理論ナレッジトレーシングモデルに基づく合成データセットを使用してシミュレーションを行いました。
• グラフベースのナレッジトレーシングモデルを使用して、潜在的なタスク構造を特定しました。

主要な成果:

• グラフベースのナレッジトレーシングモデルは、タスク間の関係を明らかにし、意思決定基盤を効果的にサポートしました。
• 意思決定アルゴリズム内の強化学習は、最適なトレーニングタスクの選択を強化しました。
• AIフレームワークは、シミュレートされたRASトレーニングにおける学習の加速の可能性を示しました。

結論:

• AI搭載レコメンダーシステムは、パーソナライズされたスケーラブルなRASトレーニングのための有望なアプローチを提供します。
• ナレッジトレーシングと強化学習を統合することで、アダプティブタスク選択が改善されます。
• 実際の導入とAIトレーニングフレームワークの最適化には、さらなる研究が必要です。