AI може да бъде мощен заместващ учител за следващото поколение студенти по медицина

AI може да бъде мощен заместващ учител за следващото поколение студенти по медицина

При все по-остър недостиг на хирурзи, изкуственият интелект може да помогне за запълването на тази празнина, като обучава студенти по медицина да практикуват хирургически техники.

Нов инструмент, базиран на видеоклипове на опитни хирурзи по време на работа, предлага на студентите персонализирани съвети в реално време, докато практикуват зашиване. Първоначалните експерименти предполагат, че AI може да бъде мощен заместващ учител за по-опитни ученици.

„Намираме се в решаващ момент. Недостигът на доставчици се задълбочава и трябва да намерим нови начини да предоставим повече и по-добри възможности за практика. В момента лекуващ хирург, който и без това няма време, трябва да влезе и да гледа как учениците тренират, да ги оцени и да им даде подробна обратна връзка – това просто не може да се мащабира“, каза водещият автор Матиас Унберат, експерт по AI-асистирана медицина, който се фокусира върху това как хората взаимодействат с AI. „Следващото най-добро нещо може да бъде нашият обясним AI, който показва на учениците как тяхната работа се различава от работата на опитни хирурзи.“

Новаторската технология, разработена в университета Джон Хопкинс, наскоро беше представена и призната на Международната конференция за компютърно изчисление на медицински изображения и компютърно подпомагана интервенция.

В момента много студенти по медицина гледат видеоклипове на експерти, извършващи операции, и се опитват да имитират това, което виждат. Има дори съществуващи AI модели, които оценяват учениците, но Unberath казва, че те не успяват, защото не казват на учениците какво правят правилно или не.

„Тези модели могат да ви кажат дали имате високи или ниски способности, но им е трудно да ви кажат защо“, каза той. „Ако искаме да позволим смислено самообучение, трябва да помогнем на учащите да разберат върху какво трябва да се съсредоточат и защо.“

Моделът на екипа включва така наречения „обясним AI“, подход на AI, който – в този пример – оценява колко добре ученик затваря рана и след това им казва как точно могат да се подобрят.

Екипът обучи своя модел, като проследи движенията на ръцете на опитни хирурзи, докато затваряха разрези. Когато учениците се опитат да изпълнят същата задача, AI незабавно им изпраща текстово съобщение, за да ги уведоми как са се справили в сравнение с експерт и как могат да усъвършенстват техниката си.

Обучаемите искат някой обективно да им каже как са го направили. Можем да изчислим ефективността им преди и след процедурата и да видим дали се доближават до експертната практика.“

Каталина Гомес, водещ автор, докторант по компютърни науки в университета Джон Хопкинс

Екипът проведе първо по рода си проучване, за да разбере дали учениците учат по-добре чрез AI или чрез гледане на видеоклипове. Те разпределиха на случаен принцип дванадесет студенти по медицина с опит в зашиването, използвайки един от двата метода.

Всички участници се упражняваха да затварят разрез с конци. Някои получиха незабавна обратна връзка с AI, докато други се опитаха да сравнят работата си с хирург във видеоклип. След това всички отново се опитаха да шият.

В сравнение с учениците, които са гледали видеоклипове, някои обучени с AI студенти учат много по-бързо с повече опит.

„За някои хора обратната връзка с ИИ има голям ефект“, каза Унберат. „Начинаещите все още имаха затруднения със задачата, но студентите със солидни хирургични познания, които са на етапа, в който могат да приложат съветите, оказаха голямо влияние.“

След това екипът планира да усъвършенства модела, за да го направи по-лесен за използване. Те се надяват в крайна сметка да създадат версия, която учениците да могат да използват у дома.

„Искаме да предоставим компютърна визия и AI технология, която позволява на някой да практикува от комфорта на собствения си дом с шивашки комплект и смартфон“, каза Унберат. „Това ще ни помогне да разширим образованието в областта на медицината. Всъщност става въпрос за това как можем да използваме тази технология за решаване на проблеми.“

Авторите включват Lalithkumar Seenivasan, Xinrui Zou; Jeewoo Yoon; Сируи Чу; Ариел Леон; Патрик Крамер; Ю Чун Ку; Хосе Л. Порас; и Масару Ишии, всички от Джон Хопкинс, и Алехандро Мартин-Гомес от Университета на Арканзас.

източници: