חוקרי הר סיני הראו את היעילות של הוראת המתאמנים הכירורגיים נוהל קשה באמצעות אלגוריתמים של בינה מלאכותית (AI) ואוזניות ממוצעות מורחבות ללא נוכחות של מדריך. כל 17 המתאמנים במחקר השיגו הצלחה כירורגית.
מחקר הרומן, שפורסם ב כתב העת למציאות מורחבת רפואיתמשך ביקורות חיוביות מאוד של משתתפי התלמידים שבדקו את מודל הלמידה העמוקה. התוצאות נושאות השלכות משמעותיות על הכשרה עתידית של תושבים ומנתחים, כמו גם על התחום הרחב עוד יותר של למידה אוטונומית ברפואה.
לראשונה יצרנו מודל AI המקושר לאוזניות ממוצעות מורחבות כדי להוכיח כי ניתן לעשות צעד קריטי בהליך סרטן כליות ברמת דיוק של 99.9 אחוזים. אנו מאמינים כי המחקר שלנו מציע הוכחה מוקדמת כי תוכניות AI המחליפות פרוקטורים, המלמדים רופאים תושבים, יכולות להפחית את עלויות ההדרכה ובסופו של דבר לשפר את האיכות, היעילות והתקינה של אותה הוראה. "
נלסון סטון, מרפאה, פרופסור קליני לאורולוגיה, אונקולוגיה קרינה ומדעים אונקולוגיים בבית הספר לרפואה איקאהן בהר סיני, ומחבר המחקר המקביל
הכשרה כירורגית של תושבים נדרשה באופן מסורתי נוכחות של פרוקטור הוראה לצד רופא הסטודנטים בחדר הניתוח, מה שעלול לגרום לרכישת מיומנויות לא עקביות. ד"ר סטון וצוותו, שכללו חוקרים מהמחלקה לניתוח נוירוכירורגיה במרכז הרפואי אוניברסיטת רוצ'סטר במעלה ניו יורק, בחנו מערכת הכשרה אלטרנטיבית באמצעות תוכניות AI שפיתחו, כולל ESIST (מערכת חינוכית להכשרה כירורגית ללא הדרכה). מודל זה חבר את מתודולוגיית הלמידה העמוקה עם אוזניות ממוצעות מורחבות בהתאמה אישית שלובשת 17 המשתתפים כדי להזרים הוראות כירורגיות ותוכן וידאו לנגד עיניהם, תוך שהוא מאפשר לידיהם להישאר חופשיים לתרגל את ההליך המורכב.
הניתוח הדמה נוהל כריתת כריתת נפרד חלקית שנועד להסיר חלק סרטני של כליה, כולל הנחת מהדק על עורק הכליה. לצורך שכפול זה, החוקרים יצרו כליה "פנטום" מתוך יציקות מודפסות תלת -ממדיות של סריקות טומוגרפיה ממוחשבת של מטופל (CT). הגבס היו מלאים בפולימרים על בסיס מים והורכבו ליצירת מודל נפרת כריתת כריתת כריתת כריתת כריתת כליות. בזמן שהתלמידים התאמנו, המצלמה המתוחכמת של המערכת בגוף ראשון פיקחה ברציפות את הכשרתם, והעניקה משוב בזמן אמת והקרינה הנחיות מתקנות כחלק מיכולת הערכת הכישורים שלה.
ד"ר סטון ציין כי "מעל לכל, המחקר שלנו הוכיח כי נוהל מורכב כמו כריתת נפרד חלקית ניתן ללמד ביעילות למתאמנים כירורגיים באמצעות מודל מדומה, ללא נוכחות של מדריך". "ממצא זה עוסק בצורך דחוף הנובע ממחסור במאמנים ומפקחים לחינוך רופאים על מכשירים וטכניקות רפואיות חדשות, ומאילוצי הזמן הקשים של השתתפות ברופאים להכשיר תושבים רודפים בקריירה כירורגית."
יתרון מרכזי נוסף של טכנולוגיית הוראה מתקדמת, הוסיף ד"ר סטון, הוא בכך שהוא מאפשר למנתחים עתידיים להיות בקיאים בהליכים מחוץ לחדר הניתוח, ובכך לסייע בהפחתת הסיכון לטעויות כירורגיות. ד"ר סטון אמר כי "מבחינת המטופל, אנו מקווים שמחקר זה יספק ביטחון כי ניתן למנף את הטכנולוגיה כדי לשפר מאוד את מיומנות הכירורגיה, תוך הפחתת טעויות כירורגיות.
השלב הבא עבור חוקרי הר סיני הוא להשתמש בטכנולוגיית אלגוריתם AI שפיתחו כדי לבנות מודלים של גאבד סינטטי מורכב יותר כדי להכשיר סטודנטים בהליכים שלמים, ולא רק מרכיב אחד, כפי שדווח במחקר. הצוות עודד על ידי סקר שערך לאחר ההכשרה, שגילה כי 100 אחוז מהמשתתפים האמינו כי לתוכנית יש ערך חינוכי רב.
"החקירה שלנו עולה כי מערכות AI יכולות אכן למלא תפקיד משלים חשוב בעיצוב עתיד החינוך הכירורגי במדינה זו", טוען ד"ר סטון. "יש להרגיע את הציבור כי המסלול ללמידה אוטונומית שחקרנו במחקר קטן זה עשוי בסופו של דבר להוביל לחיסכון משמעותי בעלות ולשיפור תוצאות המטופלים, וחשוב מכך, לגידול דור חדש ומיומן מאוד של מנתחים."
מחברי המחקר, כמפורט בכתב העת, הם ג'ונתן ג'יי סטון, נלסון נ. סטון, סטיבן ה. גריפית ', קייל צלר ומייקל פ. ווילסון.
כל המחברים, למעט קייל זלר, מחזיקים בהון עצמי בויומרס.
המחקר מומן על ידי המכון הלאומי להדמיה ביו-רפואית והנדסה ביולוגית (מענק 1R41EB026358-01A1) והקרן הלאומית למדע (גרנט 1913911).
