这项前瞻性观察性研究证明，与传统教学相比，基于人工智能的个性化学习系统显著提高了长期手术室器械操作能力，减少了安全事件，并提升了培训效率。
需要JoVE订阅才能观看此内容。 请登录或开始免费试用
这项前瞻性观察性研究证明，与传统教学相比，基于人工智能的个性化学习系统显著提高了长期手术室器械操作能力，减少了安全事件，并提升了培训效率。
传统的手术室器械培训通常依赖于“一刀切”的教学方式，导致长期技能保持效果差，并增加了可预防的手术错误。本研究假设，一种由人工智能（AI）驱动的个性化学习系统可通过根据学习者个体特征定制训练内容，从而提高技术能力、患者安全性和培训效率。研究开发了一种AI驱动的个性化学习系统（APLS），该系统结合了数据驱动的学习者表型分类、基于深度学习的器械识别、能力发展轨迹的集成预测以及强化学习，以在基于模拟的培训过程中提供自适应的多模态反馈。在一家三级医院开展的一项前瞻性观察研究中，采用基于科室分组的分配方式（引入准实验元素），共有107名多学科手术室工作人员接受了AI驱动课程或标准的教师主导培训。主要结局指标为术后12个月器械操作能力的保持情况，通过围手术期器械熟练度量表（PIPS）进行评估；次要结局包括手术室安全事件、培训时间以及每名合格专业人员的培训成本。与传统培训相比，个性化系统显著提高了12个月后的能力评分（APLS组84.1 ± 9.2 vs. 对照组58.9 ± 18.7，p < 0.001），临床实践中与安全相关的事件更少，培训时间几乎缩短了一半，同时整体培训成本降低了38.3%。AI集成模型在预测学习者表现和选择反馈策略方面也优于其各个独立的机器学习组件。这些结果表明，将无监督的表型发现、有监督的预测和强化学习整合到一个统一平台中，可显著提升手术室器械培训效果，并可能为围手术期护理领域中基于数据的 workforce 发展提供一种可扩展的框架。
手术室环境是医疗保健领域中最复杂的场景之一，有效的多学科协作直接影响患者安全结果和手术质量1,2。仅在中国医院中，器械操作能力培训不足每年导致约15,000例可预防的手术错误，其中沟通失败和技术缺陷占围手术期不良事件的72%3。传统的培训方法依赖于标准化的教学模式，未能考虑个体学习差异、认知处理差异以及个性化的技能发展路径4,5。
从理论角度来看，多种教育框架阐明了在复杂的心理运动领域中，个性化方法为何可能优于标准化教学。认知负荷理论6指出，教学设计必须考虑工作记忆的有限容量，尤其是在学习者需要在高保真环境（如手术室）中同时处理新的程序性、概念性和感知性信息时7。通过根据个体的认知特征调整内容难度和呈现方式，个性化系统能够优化内在认知负荷与外在认知负荷之间的平衡。刻意练习框架进一步表明，当训练包含个性化的挑战水平、即时的纠正性反馈，并针对已识别的薄弱环节进行集中重复练习时，技能习得效果达到最大化；这些要素在传统的师徒制教学模式中难以持续实施，但可通过算法自适应的方式自然实现
访问受限。请登录或开始试用以查看此内容。
本研究遵循赫尔辛基宣言进行，并已获得浙江大学医学院附属邵逸夫医院伦理委员会的批准（批准编号：0480，批准日期：2025年8月10日）。所有参与者在参与前均签署了书面知情同意书。
研究设计与实施地点
本研究于2024年1月至2025年2月在中国杭州浙江大学医学院附属邵逸夫医院开展，采用基于科室分组的前瞻性观察性研究设计。基于科室的分配策略为此研究设计引入了类实验元素；因此，因果推断应谨慎解读16。研究采用平行组对照设计，依据科室分配分组，以防止组间信息交流。采用分层入组方式，以确保各组基线特征具有可比性。该医院设有专门的模拟实验室，配备标准化手术室环境、外科器械、监护设备及视频录制功能。
样本选择与参与者
2023年11月至2024年1月期间，通过分层随机抽样方法从中国邵逸夫医院所有符合条件的围手术期工作人员（n = 342）中招募了医疗专业人员。分层变量包括专业角色（护士、手术技术员和麻醉技术员）、工作经验（<5年、5–10年、10–15年以及>15年）、教育水平（大专、学士和硕士学位）以及临床科室（普通外科、骨科、心血管外科及其他专科）。在每个分层内使用计算机生成的随机数（R软件，set.seed....
访问受限。请登录或开始试用以查看此内容。
参与者特征
最终样本包括107名参与者，保留率极佳（图1）。对完成者（n = 107）与退出者（n = 13）进行的流失分析显示，基线特征方面无显著差异：年龄（t = 0.89，p = 0.38）、性别（χ2 = 0.21，p = 0.64）、职业角色（χ2 = 1.45，p = 0.48）、基线PIPS评分（t = 0.62，p = 0.54）或分组分配（χ2 = 0.03，p = 0.86），支持数据完全随机缺失的假设，该假设经Little的MCAR检验确认（χ2 = 43.2，df = 38，p = 0.26）。
基线特征显示各组之间达到了良好的平衡，在人口统计学变量、教育背景、既往经验或对技术的熟悉程度方面均无显著差异（表1）。在对18项基线比较进行Benjamini-Hochberg校正后（FDR q = 0.05），所有p值均仍> 0.25，证.......
访问受限。请登录或开始试用以查看此内容。
这项前瞻性观察性研究通过基于科室的集群分配引入了准实验设计元素，提供了证据表明，与传统的教学方法相比，整合多种机器学习算法的人工智能驱动个性化学习系统与手术室器械培训效果的显著提升相关。该研究结果对人工智能方法学和外科教育实践均具有重要意义；然而，若干重要局限性在一定程度上影响了推论的强度，如下文所述。
APLS 框架提出了一种统一的平台，将四种算法上不同的组件——无监督学习者表型分析、基于迁移学习的器械识别、集成能力预测以及基于强化学习的自适应反馈——整合为一个连贯的教育干预体系。据我们所知，这代表了在外科教育领域中为数不多的此类集成系统的实证展示之一，因为以往的平台通常采用单一算法方法，或孤立地处理各个独立组件8,10,11。该集成模型的预测准确率达到 96.7%，显著优于其各个独立组件，这与集成方法在复杂预测任务中的理论优势一致，表明单一算法无法充分捕捉外科技能习得的多维特性。强化学习组件与.......
访问受限。请登录或开始试用以查看此内容。
作者声明，他们不存在与本工作相关的任何竞争性财务或非财务利益。
作者感谢邵逸夫医院手术室工作人员和护理教育团队在培训项目实施和数据收集过程中提供的支持。本研究由浙江省医药卫生项目资助（资助编号：2025HY0440 和 2023KY781）。资助机构在研究设计、数据收集、数据分析、数据解释及论文撰写过程中均未参与。
....访问受限。请登录或开始试用以查看此内容。
| 姓名 | 公司 | 目录编号 | 评论 |
|---|---|---|---|
| 触觉反馈手术模拟器（Touch X） | 3D Systems（前身为 Sensable） | PHANToM Premium 3.0 | 六自由度触觉设备；在模拟组织操作和缝合任务期间，作为AI驱动力反馈传递的主要接口 |
| 模拟软件平台（SimSurgery™ AI 套件） | 定制/自主研发 | 不适用 | 专有的AI驱动培训软件，集成卷积神经网络（CNN）模块，用于实时性能分类和自适应反馈生成 |
| 力/扭矩传感器 | ATI 工业自动化公司 | Nano17 SI-12-0.12 | 在组织操作和缝合练习期间测量施加的器械力（分辨率：0.003 N）；数据输入至AI分类算法 |
| 运动追踪系统 | 北方数字公司（NDI） | Polaris Vega ST | 外科器械轨迹的光学追踪；体积精度RMS为0.12 mm；用于评估器械导航准确性 |
| 腹腔镜器械套装（培训用） | Karl Storz SE & Co. KG | 26003 AA / 33310 DB | 标准5 mm腹腔镜抓钳和持针器，用于AI驱动和传统培训组 |
| 高保真组织模拟体（软组织模型） | SynDaver 实验室 | 腹部手术模型（货号：SYN-ABD） | 经验证的合成组织替代物，用于缝合、解剖和组织操作练习；根据制造商建议每使用50次后更换 |
| GPU 工作站 | NVIDIA / Dell | Dell Precision 7920 搭载 NVIDIA A6000（48 GB 显存） | 用于运行实时AI推理（CNN分类延迟<15 ms）的计算硬件；专用服务器连接至触觉设备 |
| 神经网络框架 | 开源（Meta AI） | PyTorch v2.1.0 | 深度学习框架，用于自适应反馈算法的模型训练、验证和实时推理 |
| 统计分析软件 | IBM 公司 | IBM SPSS Statistics v29.0 | 用于所有主要和次要结局分析中的混合效应模型、独立样本t检验和重复测量方差分析 |
| 数据可视化与绘图软件 | GraphPad 软件公司 | GraphPad Prism v10.0 | 用于生成所有稿件图表，包括误差线（标准差和95%置信区间）、保留曲线和分组柱状图 |
| 视频录制系统 | Stryker 公司 | 1688 AIM 4K 平台 | 术中和模拟会话视频采集，用于盲法事后专家评估（OSATS评分） |
| 结构化评估工具（OSATS） | 不适用 — 已验证的已发表工具 | Martin 等，1997（Br J Surg） | 技术技能的客观结构化评估；七项全局评分量表（每项1–5分），用于盲法专家对缝合和组织操作的评估 |
| 随机化与数据管理软件 | 开源 | REDCap v13.7.2 | 用于参与者分配（基于部门的聚类）、人口统计学数据收集和纵向随访评分追踪的电子数据采集系统 |
| 音频反馈模块 | 定制/自主研发 | 不适用 | 提供实时纠正性听觉提示（音调编码警报）的软件模块，集成于多模态反馈系统中 |
| 机构问卷（学员满意度调查） | 定制/自主研发 | 不适用 | 18项李克特量表（1–5分）问卷，评估感知培训效果、系统可用性和学员信心；在培训后及24周随访时发放 |
访问受限。请登录或开始试用以查看此内容。