1247 Expert Surgeon-Level OSATS Rating Using Machine Learning for Surgical Performance Assessment
Notice bibliographique
Résumé
INTRODUCTION: Real-time feedback can improve surgical skills, but current gold-standard approaches based on expert-provided Objective Structured Assessment of Technical Skills (OSATS) ratings are time-consuming, impractical, and unavailable to most surgeons and trainees. An artificial intelligence (AI) system can provide real-time, automated OSATS ratings which could bridge this gap. METHODS: Data from 532 tasks were recorded during medical students’ brain tumor surgery simulation training at the Neurosurgical Simulation and Artificial Intelligence Learning Centre, McGill University. These videos were rated by two blinded experts using OSATS. This data was split into three: training, validation, and testing datasets, for the development and independent verification in training the algorithm. A long short-term memory network was trained. RESULTS: Despite variations between expert ratings (cohen’s weighted kappa = .09), our machine learning algorithm achieved 78% accuracy overall and 79% accuracy in independent testing in differentiating between good and poor performance. The algorithm achieved 73% accuracy in predicting the OSATS ratings within a one-point range. CONCLUSIONS: Our work presents an automated real-time AI system that replicates expert decisions in surgical performance assessment. Provided with enough examples of good and poor surgical performance, machine learning systems may learn and emulate experts’ opinions. These systems may provide real-time expert-level feedback during procedures to inform the trainees about poor performance, help mitigate risks, and improve operative outcomes.
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 | 0,007 | 0,028 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,001 |
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 ».