用多任务机器学习分析各种开放手术视频中的手术技术
Emmett D Goodman1,2, Krishna K Patel1,2, Yilun Zhang3
1Department of Computer Science, Stanford University, Stanford, California.
JAMA surgery
|December 6, 2023
概括
这项研究开发了一个AI模型,使用最大的注释开放手术视频数据集来实时分析外科行为和外科医生的技能. 基于手动动力学,人工智能准确地区分了经验丰富的外科医生和学员.
科学领域:
- 手术方面的创新.
- 医学中的人工智能
- 进行外科手术教育.
背景情况:
- 开放式手术的局限性需要在外科培训和评估方面取得进展.
- 目前的人工智能 (AI) 模型由于有限的注释视频数据而缺乏通用性.
- 开发用于实时手术行为分析的AI需要大量,多样化的数据集.
研究的目的:
- 策划开放外科手术程序的最大的注释视频数据集.
- 开发一种可通用,多任务的AI模型,用于实时分析外科手术行为.
- 利用人工智能评估外科医生的技能和优化外科训练.
主要方法:
- 编程查询了YouTube的开放手术视频,手动注释它们以创建开放手术注释视频 (AVOS) 数据集.
- 在AVOS数据集上训练了一种多任务人工智能模型,包括1997个视频在23个程序中.
- 将训练有素的AI模型追溯应用到从第三级护理中心前性收集的手术视频上.
主要成果:
- 开发了一种能够实时了解手术行为和技能的多任务人工智能模型.
- 确定了一种复合动力手动特征,可以显著区分经验丰富的外科医生和实习生.
- 经验丰富的外科医生显示,与增加的复合特征值相识别的几率是3.6倍.
结论:
- 通过分析开放的手术视频,可以获得AI推导的对外科结构和技能的见解.
- 开发的AI模型显示了优化手术技能的潜力.
- 这种方法通过加强培训和评估,为改善外科护理提供了有价值的工具.
