Kan en hjerneskanning være den beste måten å fortelle en førsteklasses kirurg på? Vel, på en måte. Forskere ved Rensselaer Polytechnic Institute og University at Buffalo har utviklet Brain-NET, et dyp læring A.I. verktøy som nøyaktig kan forutsi en kirurgs sertifiseringspoeng basert på deres nevrobildedata.
Denne sertifiseringspoengsummen, kjent som Fundamentals of Laparoscopic Surgery-programmet (FLS), beregnes for øyeblikket manuelt ved hjelp av en formel som er ekstremt tid- og arbeidskrevende. Tanken bak det er å gi en objektiv vurdering av kirurgiske ferdigheter, og dermed demonstrere effektiv trening.
Anbefalte videoer
"The Fundamental of Laparoscopic Surgery-programmet har blitt vedtatt nasjonalt for kirurgiske beboere, stipendiater og praktiserende leger å lære og praktisere laparoskopiske ferdigheter for å ha muligheten til å definitivt måle og dokumentere disse ferdigheter," Xavier Intes, professor i biomedisinsk ingeniørfag ved Rensselaer, fortalte Digital Trends. "Et nøkkelaspekt ved et slikt [et] program er en skåringsmåling som beregnes basert på tidspunktet for utførelsen av den kirurgiske oppgaven, så vel som feilestimering."
Forskerteamet på dette prosjektet ønsket å se om de kunne forutsi FLS-poengsummen til kirurger ved å bruke optisk hjerneavbildning. Takket være et samtidig nevralt nettverk demonstrerte de at de var i stand til å gjøre dette med et høyt nivå av nøyaktighet. Dette arbeidet er basert på tidligere forskning der funksjonell nær-infrarød spektroskopi (fNIRS) ble vist å være effektiv til å klassifisere forskjellige motoriske oppgavetyper, og gir derved et potensielt middel for manuell ferdighetsutførelse nivå. I dette siste prosjektet brukte forskerne de samme fNIRS-dataene for å forutsi ultimate ytelsesscore brukt i kirurgisk sertifisering.
"Disse resultatene er et springbrett mot å utnytte nevroimaging og dyp læring for neurofeedback for å forbedre tilegnelse av kirurgiske ferdigheter, oppbevaring og sertifiseringsprosessen. Intes fortsatte. "Fordelen med disse tilnærmingene er at de bør muliggjøre et mer personlig treningsopplegg med tilbakemeldinger ved nattbord for optimal tilegnelse av ferdigheter. Nåværende tilnærminger fokuserer enkeltvis på gjentakelse av oppgaver uten potensial for rask og objektiv tilbakemelding."
Dette arbeidet er en del av en kontinuerlig innsats for å forbedre måten kirurgiske ferdigheter læres og vurderes på. På egen hånd vil ikke denne siste forskningen endre det fundamentalt. Fremover kan det imidlertid legge grunnlaget for nye måter å forbedre utførelse av kirurgiske oppgaver - og personlige tilnærminger til trening - ved å bruke nevroimaging vurdering.
"Vi bruker for øyeblikket FLS-score som middel til å vurdere kirurgiske ferdigheter," sa Intes. "Vi håper at vi, med videre studier, også vil være i stand til å gå utover denne metrikken og oppdage [a] nytt sett med nevrobiomarkører som vil gi finere innsikt i kirurgisk ferdighetslæring og henrettelse."
Et papir som beskriver forskningen er tilgjengelig for lest i tidsskriftet IEEE Transactions on Biomedical Engineering.
Redaktørenes anbefalinger
- Du kan endelig flytte WhatsApp-chattene dine fra Android til iOS
- iPhone kan nå veilede deg til den tapte AirPods Pro
- Hvordan Nintendo kunne bruke A.I. for å bringe 4K-spill til Switch Pro
- Smart ny A.I. systemet lover å trene hunden din mens du er borte fra hjemmet
- Forskere spurte A.I. å analysere fossilregisteret. Dette er hva den fant
Oppgrader livsstilen dinDigitale trender hjelper leserne å følge med på den fartsfylte teknologiverdenen med alle de siste nyhetene, morsomme produktanmeldelser, innsiktsfulle redaksjoner og unike sniktitter.
