O51: ARTIFICIAL INTELLIGENCE UTILIZING RECURRENT NEURAL NETWORKS TO CONTINUOUSLY MONITOR COMPOSITES OF SURGICAL EXPERTISE
Notice bibliographique
Résumé
Abstract Introduction Many surgical adverse events occur secondary to technical errors related to poor bimanual skills, fatigue and lack of the required expertise. We developed AI algorithms to continuously assess surgical bimanual technical performance during virtual reality simulated surgical tasks. To our knowledge, this is the first attempt in surgery to train AI algorithms to continuously monitor and evaluate bimanual skills comprehensively. Method Fifty individuals from four expertise levels (14 experts/neurosurgeons, 14 senior residents, 10 junior residents, 12 medical students) performed two virtual reality simulated surgical tasks with haptic feedback: a subpial tumor resection 5 times and a complex, realistically simulated brain tumor operation once. Each task required complete tumor removal while minimizing bleeding and damage to surrounding tissues using a simulated ultrasonic aspirator and a bipolar. A recurrent neural network continually tracked individual bimanual performance utilizing 16 performance metrics generated every 0.2 seconds. Result The recurrent neural network algorithm was successfully trained using neurosurgeons and medical students' data, learning the composites of expertise comparing high and lower skill levels. The trained algorithm outlined and monitored technical skills every 0.2 second continuously organizing performance of each surgical task into three levels: ‘excellent’, ‘average’ and ‘poor’. The percentage time spent on each level was calculated and significant differences found between all four groups for ‘excellent’ and ‘poor’ levels. Conclusion AI-powered surgical simulators provide an advanced assessment and training tool. AI's ability to continuous assess bimanual technical skills during surgery may further define the composites necessary to train surgical expertise. Abbrev AI: artificial intelligence Take-home message By advanced artificial intelligence algorithms surgeon's bi-manual technical skills can be assessed continuously, time periods of poor performance which increase the possibility of errors in performance can be identified.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».