828 Real-Time Artificial Intelligence Instruction in Comparison to Human Expert Instruction in Surgical Technical Skills Teaching – a Randomized Controlled Trial
Notice bibliographique
Résumé
Abstract Aim Surgical simulators equipped with artificial intelligence (AI) systems provide risk-free training on realistically simulated complex patient cases, objective performance assessment, and tailored error avoidance feedback. This study compared the efficacy of real-time AI instruction with human instructor-mediated training in surgical technical skills teaching. Method Medical students (n = 98) were randomly allocated into three feedback groups. Everyone repeated a virtual brain tumour resection five times. The first repetition was done without receiving feedback to assess their baseline performance. Students in Group 1 did not receive real-time feedback, and they were shown visual feedback only after each procedure based on expert benchmarks. Students in Group 2 were instructed in real-time by the AI system. After each task, the students were shown their error-video clips generated by this system alongside the expert-level demonstrations relating to each error. Students in Group 3 were instructed by human instructors during the tasks. After each task, instructors summarized the areas of improvement and demonstrated correction techniques. All participant data was scored using a composite-score. Statistical analysis was conducted to compare learning from the first to the last task repetition. Results Students in Group 2 and Group 3 significantly improved in the performance score by the third and second repetition, respectively (p<0.01, p = 0.01) compared to their baseline performance. Students in Group 2 achieved significantly higher scores than those in Group 3 in the fifth repetition (p<0.01). Conclusions Artificial intelligence systems may provide competency-based curricula in surgical training with efficient surgical technical skills teaching methodologies.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,004 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,005 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,003 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,013 | 0,002 |
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 source (Gemma direct ou Codex distillé), 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 ».