¿Podría un escáner cerebral ser la mejor manera de decírselo a un cirujano de primer nivel? Bueno, algo así. Investigadores del Instituto Politécnico Rensselaer y la Universidad de Buffalo han desarrollado Brain-NET, un aprendizaje profundo A.I. herramienta que puede predecir con precisión los puntajes de certificación de un cirujano en función de sus datos de neuroimagen.
Este puntaje de certificación, conocido como programa de Fundamentos de Cirugía Laparoscópica (FLS), actualmente se calcula manualmente utilizando una fórmula que requiere mucho tiempo y trabajo. La idea detrás de esto es dar una evaluación objetiva de las habilidades quirúrgicas, demostrando así una formación eficaz.
Vídeos recomendados
“El programa Fundamentos de Cirugía Laparoscópica ha sido adoptado a nivel nacional para residentes, becarios y practicantes de cirugía. que los médicos aprendan y practiquen habilidades laparoscópicas para tener la oportunidad de medir y documentar definitivamente esas habilidades," Xavier Intés
, dijo a Digital Trends un profesor de ingeniería biomédica en Rensselaer. "Un aspecto clave de dicho programa es una métrica de puntuación que se calcula en función del tiempo de ejecución de la tarea quirúrgica, así como de la estimación del error".El equipo de investigadores de este proyecto quería ver si podían predecir la puntuación FLS de los cirujanos mediante el uso de imágenes ópticas del cerebro. Gracias a una red neuronal concurrente, demostraron que podían hacer esto con un alto nivel de precisión. Este trabajo se basa en investigaciones anteriores en las que se demostró que la espectroscopia funcional del infrarrojo cercano (fNIRS) es eficaz para clasificar diferentes tipos de tareas motoras, proporcionando así un medio potencial para el desempeño de habilidades manuales nivel. En este último proyecto, los investigadores utilizaron los mismos datos de fNIRS para predecir las puntuaciones de rendimiento finales utilizadas en la certificación quirúrgica.
"Estos resultados son un trampolín hacia el aprovechamiento de la neuroimagen y el aprendizaje profundo para neurofeedback para mejorar la adquisición, retención y proceso de certificación de habilidades quirúrgicas”. Intes continuó. “La ventaja de estos enfoques es que deberían permitir un régimen de entrenamiento más personalizado con retroalimentación junto a la cama para una adquisición óptima de habilidades. Los enfoques actuales se centran singularmente en la repetición de tareas sin potencial para una retroalimentación rápida y objetiva”.
Este trabajo es parte de un esfuerzo continuo para mejorar la forma en que se enseñan y evalúan las habilidades quirúrgicas. Por sí sola, esta última investigación no va a cambiar eso fundamentalmente. Sin embargo, en el futuro podría sentar las bases para nuevas formas de mejorar la ejecución de tareas quirúrgicas (y enfoques personalizados de entrenamiento) mediante el uso de la evaluación por neuroimagen.
"Actualmente estamos utilizando la puntuación FLS como medio para evaluar las habilidades quirúrgicas", dijo Intes. "Esperamos que, con más estudios, también podamos ir más allá de esta métrica y descubrir [a] nuevo conjunto de neurobiomarcadores que proporcionarán información más detallada sobre el aprendizaje de habilidades quirúrgicas y ejecución."
Un artículo que describe la investigación está disponible para leído en la revista IEEE Transactions on Biomedical Engineering.
Recomendaciones de los editores
- Por fin puedes pasar tus chats de WhatsApp de Android a iOS
- Tu iPhone ahora puede guiarte hasta tus AirPods Pro perdidos
- Cómo Nintendo podría usar A.I. para llevar los juegos 4K al Switch Pro
- Nueva e inteligente IA. El sistema promete entrenar a tu perro mientras estás fuera de casa.
- Los científicos le preguntaron a A.I. para analizar el registro fósil. Esto es lo que encontró
Mejora tu estilo de vidaDigital Trends ayuda a los lectores a mantenerse al tanto del vertiginoso mundo de la tecnología con las últimas noticias, reseñas divertidas de productos, editoriales interesantes y adelantos únicos.
