KI kann ein leistungsstarker Ersatzlehrer für die nächste Generation von Medizinstudenten sein

KI kann ein leistungsstarker Ersatzlehrer für die nächste Generation von Medizinstudenten sein

Angesichts des zunehmend akuten Chirurgenmangels könnte künstliche Intelligenz helfen, diese Lücke zu schließen, indem sie Medizinstudenten beim Üben chirurgischer Techniken coacht.

Ein neues Tool, das auf Videos von erfahrenen Chirurgen bei der Arbeit basiert, bietet Studenten in Echtzeit personalisierte Ratschläge, während sie das Nähen üben. Erste Versuche deuten darauf hin, dass KI ein leistungsfähiger Ersatzlehrer für erfahrenere Schüler sein kann.

„Wir befinden uns in einer entscheidenden Zeit. Der Mangel an Anbietern wird immer größer und wir müssen neue Wege finden, um mehr und bessere Möglichkeiten für die Praxis zu bieten. Im Moment muss ein behandelnder Chirurg, der ohnehin schon wenig Zeit hat, vorbeikommen und den Studenten beim Üben zuschauen, sie bewerten und ihnen detailliertes Feedback geben – das ist einfach nicht skalierbar“, sagte der leitende Autor Mathias Unberath, ein Experte für KI-gestützte Medizin, der sich auf die Interaktion von Menschen mit KI konzentriert. „Das Nächstbeste könnte unsere erklärbare KI sein, die Studenten zeigt, wie sich ihre Arbeit von der Arbeit erfahrener Chirurgen unterscheidet.“

Die an der Johns Hopkins University entwickelte bahnbrechende Technologie wurde kürzlich auf der International Conference on Medical Image Computing and Computer Assisted Intervention vorgestellt und gewürdigt.

Derzeit schauen sich viele Medizinstudenten Videos von Experten an, die Operationen durchführen, und versuchen, das Gesehene nachzuahmen. Es gibt sogar bestehende KI-Modelle, die Schüler bewerten, aber laut Unberath sind sie unzureichend, weil sie den Schülern nicht sagen, was sie richtig oder falsch machen.

„Diese Modelle können Ihnen sagen, ob Sie über hohe oder niedrige Fähigkeiten verfügen, aber sie haben Schwierigkeiten, Ihnen zu sagen, warum“, sagte er. „Wenn wir sinnvolles Selbsttraining ermöglichen wollen, müssen wir den Lernenden helfen zu verstehen, worauf sie sich konzentrieren müssen und warum.“

Das Modell des Teams beinhaltet die sogenannte „erklärbare KI“, einen KI-Ansatz, der – in diesem Beispiel – bewertet, wie gut ein Schüler eine Wunde schließt, und ihm dann auch genau sagt, wie er sich verbessern kann.

Das Team trainierte sein Modell, indem es die Handbewegungen erfahrener Chirurgen beim Schließen von Schnitten verfolgte. Wenn Schüler die gleiche Aufgabe versuchen, sendet ihnen die KI sofort eine SMS, um ihnen mitzuteilen, wie sie im Vergleich zu einem Experten abgeschnitten haben und wie sie ihre Technik verfeinern können.

Die Lernenden möchten, dass ihnen jemand objektiv erzählt, wie sie es gemacht haben. Wir können ihre Leistung vor und nach dem Eingriff berechnen und sehen, ob sie sich der Expertenpraxis annähern.“

Catalina Gomez, Erstautorin, Doktorandin der Informatik an der Johns Hopkins University

Das Team führte eine einzigartige Studie durch, um herauszufinden, ob Schüler durch die KI oder durch das Ansehen von Videos besser lernen. Sie beauftragten nach dem Zufallsprinzip zwölf Medizinstudenten mit Erfahrung im Nähen mit einer der beiden Methoden.

Alle Teilnehmer übten das Schließen eines Schnittes mit Nähten. Einige erhielten sofortiges KI-Feedback, während andere versuchten, ihre Arbeit in einem Video mit einem Chirurgen zu vergleichen. Dann haben alle noch einmal versucht zu nähen.

Im Vergleich zu Schülern, die sich Videos angesehen haben, lernten einige von KI trainierte Schüler mit mehr Erfahrung viel schneller.

„Bei manchen Menschen hat das KI-Feedback einen großen Effekt“, sagte Unberath. „Anfänger hatten immer noch Schwierigkeiten mit der Aufgabe, aber Studierende mit soliden Kenntnissen in der Chirurgie, die an dem Punkt sind, an dem sie die Ratschläge umsetzen können, hatten große Auswirkungen.“

Als nächstes plant das Team, das Modell zu verfeinern, um es einfacher zu verwenden. Sie hoffen, irgendwann eine Version zu erstellen, die die Schüler zu Hause verwenden können.

„Wir möchten Computer Vision und KI-Technologie anbieten, die es jemandem ermöglicht, bequem von zu Hause aus mit einem Nähset und einem Smartphone zu üben“, sagte Unberath. „Dies wird uns helfen, die Ausbildung im medizinischen Bereich auszubauen. Es geht wirklich darum, wie wir diese Technologie nutzen können, um Probleme zu lösen.“

Zu den Autoren gehören Lalithkumar Seenivasan, Xinrui Zou; Jeewoo Yoon; Sirui Chu; Ariel Leon; Patrick Kramer; Yu-Chun Ku; Jose L. Porras; und Masaru Ishii, alle von Johns Hopkins, und Alejandro Martin-Gomez von der University of Arkansas.

Quellen: