Для просмотра этого контента требуется подписка на JoVE. Войдите или начните свой бесплатный пробный период.
Исследовательская статья
Это перспективное наблюдательное исследование показало, что система персонализированного обучения на основе искусственного интеллекта значительно улучшила долгосрочную компетентность инструментов в операционной, сократила инциденты с безопасностью и повысила эффективность обучения по сравнению с традиционным обучением.
Традиционное обучение работе с инструментами в операционной часто основано на универсальном обучении, способствует низкому долгосрочному удержанию навыков и способствует предотвратимым хирургическим ошибкам. В данном исследовании выдвигалась гипотеза, что система персонализированного обучения на основе искусственного интеллекта (ИИ) может повысить техническую компетентность, безопасность пациентов и эффективность обучения, адаптируя практику под индивидуальные профили учащихся. Была разработана система персонализированного обучения (APLS) на базе ИИ, которая объединяет фенотипирование обучающихся на основе данных, распознавание инструментов на основе глубокого обучения, ансамблевое прогнозирование траекторий компетенций и обучение с подкреплением для обеспечения адаптивной мультимодальной обратной связи во время обучения на основе симуляции. В проспективном наблюдательном исследовании с кластерным распределением отделений (введение квазиэкспериментальных элементов) в третьей больнице 107 сотрудников многопрофильных операционных прошли либо учебную программу, основанную на ИИ, либо стандартное обучение под руководством инструктора. Основным результатом стало 12-месячное удержание компетентности в обращении с инструментами, измеряемое по периоперационной шкале владения инструментами (PIPS); Вторичные результаты включали инциденты с безопасностью операционных, время обучения и стоимость на одного компетентного специалиста. По сравнению с традиционным обучением, персонализированная система была связана с значительно более высокими показателями компетентности за 12 месяцев (APLS 84,1 ± 9,2 против Контроля 58,9 ± 18,7, p < 0,001), меньшим количеством мероприятий, связанных с безопасностью, в клинической практике, и почти вдвое сокращённым временем обучения при снижении общих затрат на обучение на 38,3%. Ансамбль ИИ также превзошёл свои отдельные компоненты машинного обучения при прогнозировании эффективности обучающихся и выборе стратегий обратной связи. Эти результаты свидетельствуют о том, что интеграция неконтролируемого обнаружения фенотипов, контролируемого прогнозирования и обучения с подкреплением в единую платформу может существенно улучшить обучение инструментов в операционной и предложить масштабируемую основу для развития рабочей силы на основе данных в периоперационном уходе.
Операционная представляет собой одну из самых сложных сред в здравоохранении, где эффективное междисциплинарное сотрудничество напрямую влияет на результаты безопасности пациентов и качествохирургии 1,2. Недостаточная подготовка по инструментальной компетентности способствует примерно 15 000 предотвратимых хирургических ошибок ежегодно только в китайских больницах, при этом сбои в связи и технические недостатки составляют 72% периоперационных побочныхэффектов 3. Традиционные подходы к обучению опираются на стандартизированные методологии, которые не учи....
Доступ ограничен. Войдите в систему или начните пробный период, чтобы просмотреть этот контент.
Это исследование было проведено в соответствии с Хельсинкской декларацией и одобрено Этическим комитетом больницы Sir Run Run Run Shaw Медицинской школы Чжэцзянского университета (номер одобрения: 0480, утверждён 10 августа 2025 года). Все участники предоставили письменное информированное согласие перед участием.
Дизайн и окружение исследования
Проспективное наблюдательное исследование с кластерным распределением отделений проводилось с января 2024 по февраль 2025 года в больнице Sir Run Run Shaw Медицинской школы Чжэцзянского университета, Ханчжоу, Китай. Стратегия распределения на осно....
Доступ ограничен. Войдите в систему или начните пробный период, чтобы просмотреть этот контент.
Характеристики участников
Финальная выборка включала 107 участников с отличным удержанием (рисунок 1). Анализ утраты, сравнивающий участников (n = 107) с отменами (n = 13), не выявил значимых различий в исходных характеристиках: возраст (t = 0,89, p = 0,38), пол (χ2 = 0,21, p = 0,64), профессиональная роль (χ2 = 1,45, p = 0,48), базовые баллы PIPS (t = 0,62, p = 0,54) или распределение групп (χ2 = 0,03, p .......
Доступ ограничен. Войдите в систему или начните пробный период, чтобы просмотреть этот контент.
Это проспективное наблюдательное исследование, включающее квазиэкспериментальные элементы посредством кластерного распределения кафедр, доказывает, что система персонализированного обучения на базе ИИ, интегрирующая несколько алгоритмов машинного обучения, связана с существенным улучшением результатов обучения с операционными приборами по сравнению с традиционными педагогическими подходами. Результаты имеют значение как для методологии искусственного интеллекта, так и для практики хирург.......
Доступ ограничен. Войдите в систему или начните пробный период, чтобы просмотреть этот контент.
Авторы заявляют, что у них нет конкурирующих финансовых или нефинансовых интересов, связанных с этой работой.
Авторы благодарят персонал операционной и команду по обучению сестринскому делу больницы Sir Run Run Shaw за поддержку в реализации программы обучения и сборе данных. Это исследование было поддержано Медицинским и медицинским проектом Чжэцзяна (номер гранта: 2025HY0440 и 2023KY781). Финансирующий орган не участвовал в проектировании исследований, сборе данных, анализе данных, интерпретации данных или написании рукописей.
....Доступ ограничен. Войдите в систему или начните пробный период, чтобы просмотреть этот контент.
| Имя | Компания | Каталожный номер | Комментарии |
|---|---|---|---|
| Хирургический симулятор тактильной обратной связи (Touch X) | 3D Systems (ранее Sensable) | PHANToM Premium 3.0 | Тактильный прибор с шестью степенями свободы; используется как основной интерфейс для передачи силовой обратной связи с помощью ИИ во время имитации операций по манипуляции тканями и накладки швов |
| Платформа программного обеспечения для моделирования (SimSurgery™ AI Suite) | Индивидуальная / внутренняя разработка | Н/Д | Проприетарное программное обеспечение на базе ИИ интегрирует модули сверточной нейронной сети (CNN) для классификации производительности в реальном времени и генерации адаптивной обратной связи |
| Датчик силы/крутящего момента | Промышленная автоматизация ATI | Nano17 SI-12-0.12 | Измеряет прикладываемые инструментальные силы (разрешение: 0,003 Н) во время работы с тканями и наложения швов; данные, поданные в алгоритм классификации ИИ |
| Система отслеживания движения | Northern Digital Inc. (NDI) | Polaris Vega ST | Оптическое отслеживание траекторий хирургических инструментов; Объемная точность 0,12 мм RMS; Используется для оценки точности навигации по приборам |
| Лапароскопический набор приборов (обучение) | Карл Шторц SE & Рота KG | 26003 AA / 33310 DB | Стандартный 5-мм лапароскопический захват и игольчатый драйвер, используемый как в обучении с ИИ, так и в обычных учебных руках |
| Высокоточный тканевой фантом (модель мягких тканей) | SynDaver Labs | Хирургическая абдоминальная модель (SKU: SYN-ABD) | Валидированный суррогат синтетических тканей для упражнений по наложению швов, вскрытия и обработки тканей; меняется каждые 50 применений в соответствии с инструкциями производителя |
| Рабочая станция GPU | NVIDIA / Dell | Dell Precision 7920 с NVIDIA A6000 (48 ГБ видеопамяти) | Вычислительное оборудование для запуска вывода ИИ в реальном времени (задержка классификации CNN < 15 мс); Выделенный сервер, подключённый к тактильному устройству |
| Фреймворк нейронных сетей | Открытый исходный код (Meta AI) | PyTorch v2.1.0 | Фреймворк глубокого обучения, используемый для обучения моделей, валидации и вывода в реальном времени алгоритма адаптивной обратной связи |
| Программное обеспечение для статистического анализа | IBM Corp. | Статистика IBM SPSS v29.0 | Используется для моделирования смешанных эффектов, независимых t-тестов на выборках и повторных измерений ANOVA во всех первичных и вторичных анализах результатов |
| Программное обеспечение для визуализации данных и построения графиков | Программное обеспечение GraphPad | GraphPad Prism v10.0 | Используется для генерации всех рукописных рисунков, включая полоски ошибок (SD и 95% CI), кривые запоимления и сгруппированные столбчатые диаграммы |
| Система видеозаписи | Stryker Corp. | Платформа AIM 4K 1688 года | Внутриоперационный и симуляционный видеозахват для слепой пост-хок экспертной оценки (оценка OSATS) |
| Инструмент структурированной оценки (OSATS) | N/A — Проверенный опубликованный инструмент | Martin и др., 1997 (Br J Surg) | объективная структурированная оценка технических навыков; Семипунктная глобальная рейтинговая шкала (1– 5 на каждый пункт) используется для слепой экспертной оценки наложения швов и обработки тканей |
| Программное обеспечение для рандомизации и управления данными | Открытый исходный код | REDCap v13.7.2 | Электронный сбор данных для распределения участников (на уровне кластеров), сбор демографических данных и отслеживание результатов по долгосрочному последующему появлению |
| Модуль аудиообратной связи | Индивидуальная / внутренняя разработка | Н/Д | Программный модуль, предоставляющий корректирующие слуховые сигналы в реальном времени (тонально-кодированные оповещения), интегрированные в мультимодальную систему обратной связи |
| Институциональный опросник (Опрос удовлетворённости учащихся) | Индивидуальная / внутренняя разработка | Н/Д | 18 пунктов по шкале Лайкерта (1– 5) анкета, оценивающая воспринимаемую эффективность обучения, удобство использования системы и уверенность учащихся; проводится после обучения и на 24-й неделе наблюдения |
Доступ ограничен. Войдите в систему или начните пробный период, чтобы просмотреть этот контент.