CatSkill:基于人工智能的指标,用于评估从手术内白内障手术视频录制的外科技能水平

科学领域:

• 眼科医生 眼科 眼科
• 人工智能的人工智能
• 外科教育的外科教育

背景情况:

• 白内障手术需要精确的眼睛中性,集中和显微镜焦点的外科医生控制.
• 对外科医生的专业能力的客观评估对于有效的培训和患者安全至关重要.

研究的目的:

• 开发和验证一个人工智能驱动的视频分析系统 (CatSkill),用于评估外科医生在白内障手术中的熟练程度.
• 评估与眼睛中立性,集中和显微镜焦点相关的外科医生性能指标.
• 为了将这些指标与外科医生和眼科医生之间进行比较.

主要方法:

• 追溯分析620个白内障手术视频.
• 开发用于视频预处理,基于深度学习的细分和计算白内障手术评估指标 (CSAM) 的AI系统.
• 在外科医生和住院医生之间比较CSAM,并开发一个机器学习模型来预测培训水平.

主要成果:

• 人工智能系统在细分关键的解剖结构方面实现了高精度 (94.03%的子系数).
• 与住院医生相比,在所有手术阶段的CSAM中,临床外科医生得分始终更高.
• 住院人员在特定的手术阶段表现出稳定,集中和保持显微镜焦点的困难.
• 使用CSAM的机器学习模型在区分主治和住院外科医生时获得了0.865的AUC.

结论:

• 人工智能衍生的CSAM可靠地评估外科医生在白内障手术期间保持眼睛中立性,集中和专注的能力.
• 在CSAM提供了重要的预测价值,以确定外科医生的整体培训水平.
• CatSkill系统为客观评估和增强眼科外科培训提供了宝贵的工具.