Bisakah pemindaian otak menjadi cara terbaik untuk memberi tahu ahli bedah terkemuka? Ya, semacam itu. Para peneliti di Institut Politeknik Rensselaer dan Universitas Buffalo telah mengembangkan Brain-NET, a pembelajaran mendalam A.I. alat yang dapat secara akurat memprediksi skor sertifikasi ahli bedah berdasarkan data neuroimaging mereka.
Nilai sertifikasi ini, yang dikenal dengan program Dasar-Dasar Bedah Laparoskopi (FLS), saat ini dihitung secara manual menggunakan rumus yang sangat memakan waktu dan tenaga. Ide di baliknya adalah untuk memberikan penilaian obyektif terhadap keterampilan bedah, sehingga menunjukkan pelatihan yang efektif.
Video yang Direkomendasikan
“Program Dasar Bedah Laparoskopi telah diadopsi secara nasional untuk residen bedah, fellow dan praktisi dokter untuk mempelajari dan mempraktikkan keterampilan laparoskopi agar mempunyai kesempatan untuk mengukur dan mendokumentasikannya secara pasti keterampilan,” Xavier Intes, seorang profesor teknik biomedis di Rensselaer, mengatakan kepada Digital Trends. “Salah satu aspek penting dari program tersebut adalah metrik penilaian yang dihitung berdasarkan waktu pelaksanaan tugas bedah, serta estimasi kesalahan.”
Tim peneliti dalam proyek ini ingin melihat apakah mereka dapat memprediksi skor FLS ahli bedah dengan menggunakan pencitraan otak optik. Berkat jaringan saraf bersamaan, mereka menunjukkan bahwa mereka mampu melakukan ini dengan tingkat akurasi yang tinggi. Pekerjaan ini didasarkan pada penelitian sebelumnya yang menunjukkan spektroskopi inframerah dekat fungsional (fNIRS). efektif dalam mengklasifikasikan jenis tugas motorik yang berbeda, sehingga memberikan sarana potensial untuk kinerja keterampilan manual tingkat. Dalam proyek terbaru ini, para peneliti menggunakan data fNIRS yang sama untuk memprediksi skor kinerja akhir yang digunakan dalam sertifikasi bedah.
“Hasil ini adalah batu loncatan menuju pemanfaatan neuroimaging dan pembelajaran mendalam neurofeedback untuk meningkatkan perolehan keterampilan bedah, retensi, dan proses sertifikasi,” Lanjut Intes. “Keuntungan dari pendekatan ini adalah pendekatan ini memungkinkan program pelatihan yang lebih personal dengan umpan balik di samping tempat tidur untuk perolehan keterampilan yang optimal. Pendekatan yang ada saat ini hanya berfokus pada pengulangan tugas tanpa potensi umpan balik yang cepat dan obyektif.”
Pekerjaan ini adalah bagian dari upaya berkelanjutan untuk meningkatkan cara pengajaran dan penilaian keterampilan bedah. Dengan sendirinya, penelitian terbaru ini tidak akan mengubah hal tersebut secara mendasar. Namun, ke depannya hal ini dapat menjadi landasan bagi cara-cara baru untuk meningkatkan pelaksanaan tugas bedah – dan pendekatan pelatihan yang dipersonalisasi – dengan menggunakan penilaian neuroimaging.
“Kami saat ini menggunakan skor FLS sebagai alat untuk menilai keterampilan bedah,” kata Intes. “Kami berharap, dengan penelitian lebih lanjut, kami juga dapat melampaui metrik ini dan menemukan [a] serangkaian neurobiomarker baru yang akan memberikan wawasan yang lebih baik tentang pembelajaran keterampilan bedah dan eksekusi."
Makalah yang menjelaskan penelitian tersedia untuk baca di jurnal IEEE Transactions on Biomedical Engineering.
Rekomendasi Editor
- Anda akhirnya bisa memindahkan obrolan WhatsApp Anda dari Android ke iOS
- IPhone Anda sekarang dapat memandu Anda ke AirPods Pro Anda yang hilang
- Bagaimana Nintendo dapat menggunakan A.I. untuk menghadirkan game 4K ke Switch Pro
- A.I. baru yang cerdas. sistem berjanji untuk melatih anjing Anda saat Anda jauh dari rumah
- Para ilmuwan bertanya kepada A.I. untuk menganalisis catatan fosil. Inilah yang ditemukannya
Tingkatkan gaya hidup AndaTren Digital membantu pembaca mengawasi dunia teknologi yang bergerak cepat dengan semua berita terkini, ulasan produk yang menyenangkan, editorial yang berwawasan luas, dan cuplikan unik.
