L’IA peut être un puissant enseignant de remplacement pour la prochaine génération d’étudiants en médecine

L’IA peut être un puissant enseignant de remplacement pour la prochaine génération d’étudiants en médecine

Face à une pénurie de plus en plus aiguë de chirurgiens, l’intelligence artificielle pourrait contribuer à combler cette lacune en apprenant aux étudiants en médecine à pratiquer les techniques chirurgicales.

Un nouvel outil basé sur des vidéos de chirurgiens expérimentés au travail offre aux étudiants des conseils personnalisés en temps réel pendant qu'ils pratiquent la suture. Les premières expériences suggèrent que l’IA peut être un puissant enseignant de remplacement pour les étudiants plus expérimentés.

"Nous sommes à un moment crucial. La pénurie de prestataires s'aggrave et nous devons trouver de nouvelles façons d'offrir davantage et de meilleures opportunités de pratique. À l'heure actuelle, un chirurgien traitant, qui manque déjà de temps, doit venir observer les étudiants pratiquer, les évaluer et leur donner un feedback détaillé - ce qui n'est tout simplement pas évolutif", a déclaré l'auteur principal Mathias Unberath, un expert en médecine assistée par l'IA qui se concentre sur la façon dont les humains interagissent avec l'IA. "La meilleure solution pourrait être notre IA explicable qui montre aux étudiants en quoi leur travail diffère de celui des chirurgiens expérimentés."

La technologie révolutionnaire développée à l'Université Johns Hopkins a été récemment présentée et reconnue lors de la Conférence internationale sur le calcul d'images médicales et l'intervention assistée par ordinateur.

Actuellement, de nombreux étudiants en médecine regardent des vidéos d’experts effectuant des opérations chirurgicales et tentent d’imiter ce qu’ils voient. Il existe même des modèles d'IA qui évaluent les étudiants, mais Unberath affirme qu'ils ne sont pas à la hauteur car ils ne disent pas aux étudiants ce qu'ils font de bien ou de mal.

« Ces modèles peuvent vous dire si vous avez des capacités élevées ou faibles, mais ils ont du mal à vous expliquer pourquoi », a-t-il déclaré. « Si nous voulons permettre une auto-formation significative, nous devons aider les apprenants à comprendre sur quoi ils doivent se concentrer et pourquoi. »

Le modèle de l'équipe fait appel à ce que l'on appelle « l'IA explicable », une approche d'IA qui – dans cet exemple – évalue dans quelle mesure un étudiant referme une plaie et lui indique ensuite exactement comment il peut s'améliorer.

L’équipe a entraîné son modèle en suivant les mouvements des mains de chirurgiens expérimentés lors de la fermeture des incisions. Lorsque les étudiants tentent la même tâche, l’IA leur envoie immédiatement un SMS pour leur faire savoir comment ils ont réussi par rapport à un expert et comment ils peuvent affiner leur technique.

Les apprenants veulent que quelqu’un leur dise objectivement comment ils ont fait. Nous pouvons calculer leurs performances avant et après l’intervention et voir s’ils se rapprochent de la pratique d’un expert.

Catalina Gomez, auteur principal, doctorante en informatique à l'Université Johns Hopkins

L’équipe a mené une étude unique en son genre pour déterminer si les étudiants apprennent mieux grâce à l’IA ou en regardant des vidéos. Ils ont assigné au hasard douze étudiants en médecine ayant une expérience en matière de suture en utilisant l'une des deux méthodes.

Tous les participants se sont entraînés à fermer une incision avec des sutures. Certains ont reçu un retour instantané de l’IA, tandis que d’autres ont essayé de comparer leur travail à celui d’un chirurgien dans une vidéo. Ensuite, tout le monde a essayé de coudre à nouveau.

Par rapport aux étudiants qui regardaient des vidéos, certains étudiants formés à l’IA apprenaient beaucoup plus rapidement et disposaient de plus d’expérience.

"Pour certaines personnes, les retours de l'IA ont un effet important", a déclaré Unberath. « Les débutants avaient encore des difficultés à accomplir cette tâche, mais les étudiants possédant de solides connaissances chirurgicales et qui sont au point où ils peuvent mettre en œuvre les conseils ont eu un grand impact. »

Ensuite, l’équipe prévoit d’affiner le modèle pour le rendre plus facile à utiliser. Ils espèrent éventuellement créer une version que les étudiants pourront utiliser à la maison.

"Nous voulons fournir une technologie de vision par ordinateur et d'IA qui permette à quelqu'un de s'entraîner dans le confort de sa propre maison avec un kit de couture et un smartphone", a déclaré Unberath. "Cela nous aidera à développer l'éducation dans le domaine médical. Il s'agit vraiment de savoir comment utiliser cette technologie pour résoudre des problèmes."

Les auteurs incluent Lalithkumar Seenivasan, Xinrui Zou ; Jeewoo Yoon ; Sirui Chu ; Ariel Léon ; Patrick Kramer ; Yu Chun Ku ; José L. Porras ; et Masaru Ishii, tous de Johns Hopkins, et Alejandro Martin-Gomez de l'Université de l'Arkansas.

Sources :