人类人工智能合作,对手术现场反进行无监督分类

科学领域:

• 医学教育 医学教育
• 在外科手术中使用人工智能
• 获得外科技能的学习.

背景情况:

• 形成性口头反对于外科培训和技能发展至关重要.
• 由于数据的复杂性,分析大量的手术反是具有挑战性的.
• 目前用于反分类的方法通常是手动的和低效的.

研究的目的:

• 开发和验证人类-人工智能协作改进过程,以发现外科手术反类别.
• 从手术成绩单中确定临床相关和可操作的反主题.
• 评估人工智能产生的反类别对预测学员行为变化的影响.

主要方法:

• 在手术成绩单上使用无监督机器学习 (话题建模).
• 整合了人类的精细化,以分类发现的反主题.
• 与训练员行为变化相关的AI生成的反类别.

主要成果:

• 发现了具有高临床清晰度的反类别,例如" (组织) 的处理和定位"和" (组织) 层深度评估和纠正 (在组织剖析期间)".
• 与手动分类相比,人工智能生成的主题显著改善了与实习生行为变化的预测.
• 具体的反,比如"处理出血",被证明与训练员行为改善有关.

结论:

• 人-人工智能协作改进过程有效地在规模上识别了关键的外科反类别.
• 人工智能对手术反的分析提供了超越传统方法的见解,增强了手术培训.
• 这种方法为现场手术环境中的自动反和提示系统铺平了道路.