Les chirurgiens de formation ont traditionnellement appris à regarder un mentor expert dans la salle d’opération, puis à prendre progressivement des parties de la procédure par eux-mêmes. Mais ce modèle “voir un, faire un, enseigne un” dépend de la présence d’un instructeur qualifié, ce qui n’est pas toujours possible. La variabilité de ceux qui sont disponibles, les différences dans les styles d’enseignement et la pression d’un hôpital frénétique peuvent laisser les stagiaires avec des expériences irrégulières et des lacunes dans leurs capacités.
Pour surmonter ces défis, des chercheurs du University of Rochester Medical Center (URMC) ont développé un système éducatif autonome qui combine des organes 3D réalistes et imprimés avec une résistance accrue et une intelligence artificielle (IA) pour créer un environnement de formation en circuit fermé. Le système, Système éducatif pour la formation chirurgicale sans instructeur (par exemple), est décrit dans une étude dans Journal of Medical Extended Reality.
“Ce test avant le principe montre que l’apprentissage en profondeur, combiné à une réalité étendue, peut enseigner et évaluer de manière autonome une manœuvre chirurgicale critique avec une précision presque parfaite et une grande satisfaction des utilisateurs”, a déclaré Jonathan Stone, MD, avec des départements de neurochirurgie, de neurologie, de neurologie, de neurologie biomédicale et de génie biomédical. “À mesure que les architectures matures et matérielles deviennent plus ergonomiques, ces systèmes sont prêts à transformer à la fois la façon dont les surfaces apprennent et la façon dont les chirurgiens augmentent en temps réel.”
Combinant des organes avec l’impression 3D, la réalité augmentée et l’IA
ESIST a évalué les chirurgiens lorsqu’ils effectuaient l’un des passages dans une néphotectomie partielle, lorsqu’une pince chirurgicale est positionnée sur l’artère rénale. La simulation impliquait des organes réalistes créés par une combinaison d’images médicales, d’impression 3D et d’hydrogels réglables, un processus développé par Stone en collaboration avec le département d’urologie de l’ERMC.
Alors qu’un stagiaire est exercé pour positionner la pince chirurgicale, le casque transmet un guide étape par étape dans leur champ visuel. Les chercheurs ont créé un réseau neuronal de co -face d’autonomie, un type d’IA adapté au traitement des données avec une structure grillée, tels que des images et des vidéos. Le réseau observe à travers le flux laparoscopique de la caméra, reconnaissant instantanément si la pince se trouve sur le bon vaisseau sanguin, une veine, l’uretère ou non. Si la pince est déplacée, le système s’arrête et offre une correction; S’il se trouve sur l’objectif, il encourage l’utilisateur à aller de l’avant. Tout cela se passe sans procureur humain dans la salle.
Lorsque dix-sept participants ont essayé ESIST, l’IA a correctement identifié le positionnement de la pince de l’artère 99,9% du temps. Les stagiaires ont indiqué que les commentaires en temps réel semblaient précieux et que 84% des réponses de l’enquête ont évalué favorablement le système pour enseigner cette étape critique. En enregistrant chaque action et temps pour la durée de la durée, ESIST fournit également des données sur les performances objectives: erreurs élevées et améliorations de surveillance.
“L’objectif est de déplacer la toute première partie de la courbe d’apprentissage à l’extérieur de la salle d’opération”, a déclaré Stone. “Ce système ne remplace pas le mentor; mieux prépare l’étudiant avant de travailler avec ce mentor sur les patients.”
The Future: Guide chirurgical évolutif et en temps réel
Dans l’attente, alors que des systèmes tels que ESIST pouvaient rénover l’éducation chirurgicale, la même technologie pourrait se développer pour couvrir des procédures entières, offrant des instructions cohérentes et basées sur des données à grande échelle. À l’avenir, les chirurgiens peuvent même utiliser des chevauchements de chevauchement basés sur l’intelligence artificielle pendant les opérations réelles, recevant des avertissements sur l’anatomie ou la technique en temps réel. Étant donné que le matériel et les algorithmes continuent de s’améliorer, les plates-formes autonomes ont le potentiel de standardiser la formation et de devenir des assistants indispensables à la table d’exploitation.
“Cette première étape concernait la formation, mais à l’avenir, ce sera une augmentation des performances”, a déclaré Stone. “La vision à long terme est que les modèles d’intelligence artificielle seront effectués en arrière-plan, traitent les données chirurgicales et fournissant une analyse prédictive en temps réel qui améliore l’efficacité et réduisent les complications.”
Les autres auteurs incluent Nelson Stone avec l’École de médecine Iicahn à Mount Sinai, Steven Griffith, Kyle Zeller et Michael Wilson avec Viomerse, Inc. Stone est le fondateur et principal propriétaire de la capitale de Viomerse, et Griffith et Wilson tiennent les capitaux propres dans la société. La recherche a été financée par l’Institut national d’imagerie biomédicale et de biomation et la National Science Foundation.
Pour aller plus loin
