AI kan vara en kraftfull ersättningslärare för nästa generation läkarstudenter

AI kan vara en kraftfull ersättningslärare för nästa generation läkarstudenter

Med en alltmer akut brist på kirurger kan artificiell intelligens hjälpa till att fylla denna lucka genom att coacha läkarstudenter att träna kirurgiska tekniker.

Ett nytt verktyg baserat på videor av erfarna kirurger på jobbet ger eleverna personliga råd i realtid när de övar att suturera. Inledande experiment tyder på att AI kan vara en kraftfull ersättningslärare för mer erfarna elever.

"Vi befinner oss i en avgörande tidpunkt. Bristen på leverantörer blir värre och vi måste hitta nya sätt att ge fler och bättre möjligheter till praktik. Just nu måste en behandlande kirurg, som redan har ont om tid, komma in och se eleverna träna, utvärdera dem och ge dem detaljerad feedback - det är helt enkelt inte skalbart", säger huvudförfattaren Mathias Unberath, en expert på human medicin som arbetar med humanmedicin. AI. "Det näst bästa kan vara vår förklarliga AI som visar eleverna hur deras arbete skiljer sig från arbetet hos erfarna kirurger."

Den banbrytande teknologin som utvecklats vid Johns Hopkins University presenterades nyligen och uppmärksammades vid den internationella konferensen om medicinsk bildberäkning och datorstödd intervention.

För närvarande tittar många läkarstudenter på videor av experter som utför operationer och försöker imitera vad de ser. Det finns till och med befintliga AI-modeller som utvärderar elever, men Unberath säger att de kommer till korta eftersom de inte berättar för eleverna vad de gör rätt eller fel.

"Dessa modeller kan berätta om du har hög eller låg förmåga, men de har svårt att berätta varför," sa han. "Om vi ​​vill möjliggöra meningsfull självträning måste vi hjälpa eleverna att förstå vad de behöver fokusera på och varför."

Teamets modell involverar så kallad "förklarlig AI", en AI-metod som - i det här exemplet - bedömer hur väl en elev stänger ett sår och sedan berättar för dem exakt hur de kan förbättra sig.

Teamet tränade sin modell genom att spåra handrörelser hos erfarna kirurger när de stängde snitt. När eleverna försöker samma uppgift, skickar AI:en dem omedelbart för att låta dem veta hur de gjorde jämfört med en expert och hur de kan förfina sin teknik.

Eleverna vill att någon objektivt berättar för dem hur de gjorde det. Vi kan beräkna deras prestanda före och efter proceduren och se om de närmar sig expertpraktik.”

Catalina Gomez, huvudförfattare, doktorand i datavetenskap vid Johns Hopkins University

Teamet genomförde en första studie i sitt slag för att ta reda på om elever lär sig bättre genom AI eller genom att titta på videor. De slumpmässigt tilldelade tolv läkarstudenter med erfarenhet av suturering med någon av de två metoderna.

Alla deltagare tränade på att stänga ett snitt med suturer. Vissa fick omedelbar AI-feedback, medan andra försökte jämföra sitt arbete med en kirurg i en video. Sedan försökte alla sy igen.

Jämfört med elever som tittade på videor lärde sig vissa AI-utbildade elever mycket snabbare med mer erfarenhet.

"För vissa människor har AI-feedback en stor effekt", sa Unberath. "Nybörjare hade fortfarande svårt med uppgiften, men studenter med gedigen kirurgisk kunskap som är vid den punkt där de kan implementera råden hade stor inverkan."

Därefter planerar teamet att förfina modellen för att göra den lättare att använda. De hoppas kunna skapa en version som eleverna kan använda hemma.

"Vi vill tillhandahålla datorseende och AI-teknik som gör att någon kan träna från sitt eget hem med ett sykit och en smartphone," sa Unberath. "Detta kommer att hjälpa oss att utöka utbildningen inom det medicinska området. Det handlar egentligen om hur vi kan använda den här tekniken för att lösa problem."

Författare inkluderar Lalithkumar Seenivasan, Xinrui Zou; Jeewoo Yoon; Sirui Chu; Ariel Leon; Patrick Kramer; Yu Chun Ku; Jose L. Porras; och Masaru Ishii, alla från Johns Hopkins, och Alejandro Martin-Gomez från University of Arkansas.

Källor: