基于人工智能的可视化对外科解剖教育的有效性:一个集群类随机控制试验

科学领域:

• 医学教育 医学教育
• 进行外科手术培训.
• 人工智能在医学中的应用

背景情况:

• 传统的外科教育方法不足以教授手术内解剖学.
• 新手学习者需要的不仅仅是被动的观察来进行解剖学识别.
• 开发了一个基于人工智能的可视化系统,以实时突出解剖学.

研究的目的:

• 在外科教育中评估基于人工智能的可视化系统的教育有效性.
• 评估人工智能可视化对医学学生对手术内解剖学识别的影响.
• 将人工智能增强教学与传统教学方法进行比较.

主要方法:

• 一个集群准随机对照试验与五年级医学学生进行.
• 学生被分为传统教学 (群体C) 和AI可视化 (群体A) 组.
• 在胰腺解剖图像上使用图像细分指标 (回忆,精度,Dice系数) 来测量性能.

主要成果:

• 两组都在训练后有所改善,但A队列在回忆中表现出显著更大的改善 (P=.020).
• 人工智能可视化增强了识别胰腺区域的灵敏度.
• 虽然Dice系数在A队列中显示出更大改善的趋势,但它在统计学上并不显著 (P=.097).

结论:

• 基于人工智能的可视化可以增强医学学生对手术内解剖学的认识.
• 这种技术对像胰腺这样的复杂结构特别有益.
• 人工智能工具显示出改善外科解剖学教育的前景.