Sztuczna inteligencja może być potężnym nauczycielem zastępczym dla następnego pokolenia studentów medycyny

Sztuczna inteligencja może być potężnym nauczycielem zastępczym dla następnego pokolenia studentów medycyny

W obliczu coraz dotkliwszego niedoboru chirurgów sztuczna inteligencja mogłaby pomóc wypełnić tę lukę, szkoląc studentów medycyny w zakresie praktykowania technik chirurgicznych.

Nowe narzędzie oparte na filmach przedstawiających doświadczonych chirurgów przy pracy oferuje studentom spersonalizowane porady w czasie rzeczywistym podczas ćwiczeń szycia. Wstępne eksperymenty sugerują, że sztuczna inteligencja może być potężnym nauczycielem zastępczym dla bardziej doświadczonych uczniów.

„Znajdujemy się w kluczowym momencie. Niedobór dostawców pogłębia się i musimy znaleźć nowe sposoby na zapewnienie większej liczby lepszych możliwości wykonywania praktyki. W tej chwili chirurg prowadzący, któremu już brakuje czasu, musi przychodzić i obserwować, jak uczniowie ćwiczą, oceniać ich i przekazywać szczegółowe informacje zwrotne – tego po prostu nie da się skalować” – powiedział główny autor Mathias Unberath, ekspert w dziedzinie medycyny wspomaganej sztuczną inteligencją, który koncentruje się na interakcji człowieka z sztuczną inteligencją. „Następną najlepszą rzeczą może być nasza łatwa do wyjaśnienia sztuczna inteligencja, która pokazuje uczniom, czym różni się ich praca od pracy doświadczonych chirurgów”.

Przełomowa technologia opracowana na Uniwersytecie Johnsa Hopkinsa została niedawno zaprezentowana i doceniona podczas Międzynarodowej Konferencji na temat Obliczania Obrazów Medycznych i Interwencji Wspomaganej Komputerowo.

Obecnie wielu studentów medycyny ogląda filmy przedstawiające ekspertów przeprowadzających operacje i próbuje naśladować to, co widzą. Istnieją nawet modele sztucznej inteligencji, które oceniają uczniów, ale Unberath twierdzi, że są one niewystarczające, ponieważ nie mówią uczniom, co robią dobrze, a co źle.

„Te modele mogą powiedzieć, czy masz wysokie, czy niskie zdolności, ale trudno im powiedzieć, dlaczego” – powiedział. „Jeśli chcemy umożliwić znaczące samokształcenie, musimy pomóc uczniom zrozumieć, na czym muszą się skupić i dlaczego”.

Model zespołu obejmuje tak zwaną „wytłumaczalną sztuczną inteligencję”, czyli podejście oparte na sztucznej inteligencji, które – w tym przykładzie – ocenia, jak dobrze uczeń zamyka ranę, a następnie mówi mu dokładnie, co może poprawić.

Zespół przeszkolił swój model, śledząc ruchy rąk doświadczonych chirurgów podczas zamykania nacięć. Kiedy uczniowie próbują wykonać to samo zadanie, sztuczna inteligencja natychmiast wysyła do nich SMS-a, aby poinformować, jak im poszło w porównaniu z ekspertem i jak mogą udoskonalić swoją technikę.

Uczniowie chcą, żeby ktoś obiektywnie im powiedział, jak tego dokonali. Możemy obliczyć ich skuteczność przed i po zabiegu i sprawdzić, czy zbliżają się do praktyki eksperckiej”.

Catalina Gomez, główna autorka, doktorantka informatyki na Uniwersytecie Johnsa Hopkinsa

Zespół przeprowadził pierwsze w swoim rodzaju badanie, aby sprawdzić, czy uczniowie uczą się lepiej dzięki sztucznej inteligencji, czy oglądaniu filmów. Losowo przydzielono dwunastu studentów medycyny z doświadczeniem w szyciu jedną z dwóch metod.

Wszyscy uczestnicy ćwiczyli zamykanie nacięcia szwami. Niektórzy otrzymali natychmiastową informację zwrotną od sztucznej inteligencji, a inni próbowali porównać swoją pracę z pracą chirurga na filmie. Potem wszyscy ponownie próbowali szyć.

W porównaniu do uczniów, którzy oglądali filmy, niektórzy uczniowie przeszkoleni w zakresie sztucznej inteligencji uczyli się znacznie szybciej i mieli większe doświadczenie.

„W przypadku niektórych osób informacje zwrotne od sztucznej inteligencji mają duży wpływ” – powiedział Unberath. „Początkujący nadal mieli trudności z zadaniem, ale duży wpływ mieli studenci posiadający solidną wiedzę chirurgiczną, którzy są na etapie, w którym mogą zastosować się do rad”.

Następnie zespół planuje udoskonalić model, aby był łatwiejszy w użyciu. Mają nadzieję, że w końcu uda się stworzyć wersję, z której uczniowie będą mogli korzystać w domu.

„Chcemy zapewnić wizję komputerową i technologię sztucznej inteligencji, która pozwoli komuś ćwiczyć w zaciszu własnego domu, za pomocą zestawu do szycia i smartfona” – powiedział Unberath. „Pomoże nam to poszerzyć edukację w dziedzinie medycyny. Tak naprawdę chodzi o to, jak możemy wykorzystać tę technologię do rozwiązywania problemów”.

Autorzy to Lalithkumar Seenivasan, Xinrui Zou; Jeewoo Yoon; Sirui Chu; Ariel Leon; Patryk Kramer; Yu Chun Ku; Jose L. Porras; i Masaru Ishii, wszyscy z Johns Hopkins, oraz Alejandro Martin-Gomez z Uniwersytetu Arkansas.

Źródła: