在 laparoscopic 手术模拟中对人工智能评估的概括性

科学领域:

• 医疗模拟 医疗模拟
• 进行外科手术教育.
• 医疗保健中的人工智能

背景情况:

• 人工智能 (AI) 在使用全球评级表 (GRS) 在模拟平台上评估程序技能方面表现有前途.
• 开发了一个开源的低成本模拟平台,用于低资源环境中的腹腔镜技能,利用基于视频的同行评审和AI进行评估.
• 在一个单一的培训系统中,在一个程序上训练人工智能以评估一般程序技能的通用性仍然是未知的.

研究的目的:

• 在一个单一的培训系统中,检查基于人工智能的评估在不同的腹腔镜手术中概括的可行性.
• 用模拟平台评估人工智能在评估腹腔镜技能的有效性.
• 将基于人工智能的技能评估与传统的人类视频评估进行比较.

主要方法:

• 人工智能被训练在111个腹腔镜表演视频上,使用时间和距离计算进行四种手术 (尾切除术,尾切除术,肠切除术,腹膜修复).
• 在5类 (1-5) 和2类 (通过/失败) 评分系统中,使用五倍交叉验证和K-最近邻居生成预测得分.
• 视频还通过使用GRS能力的人类审稿人传统上进行了评分.

主要成果:

• 人工智能评估在5类系统中与人类评价达到了42%-100%的一致性,在2类系统中达到68%-100%的一致性 (P = 0.005).
• 在5类系统中,当人工智能训练了多个程序时,达到100%的准确性评估了尾切除术.
• 两类系统在GRS能力的三个程序中实现了100%的准确性.

结论:

• 在各种程序中训练有素的AI评估可以在基于模拟的培训系统中对不同程序中的腹腔镜技能进行评估.
• 将分数分类为通过/失败系统提高了AI评估准确度.
• 这种方法支持人工智能的潜力,用于评估手术培训中的程序能力.