Poderia uma tomografia cerebral ser a melhor maneira de contar a um cirurgião de primeira linha? Bem, tipo isso. Pesquisadores do Rensselaer Polytechnic Institute e da Universidade de Buffalo desenvolveram o Brain-NET, um aprendizagem profunda IA ferramenta que pode prever com precisão as pontuações de certificação de um cirurgião com base em seus dados de neuroimagem.
Essa pontuação de certificação, conhecida como programa Fundamentos da Cirurgia Laparoscópica (FLS), é atualmente calculada manualmente usando uma fórmula que consome muito tempo e mão de obra. A ideia por trás disso é fornecer uma avaliação objetiva das habilidades cirúrgicas, demonstrando assim um treinamento eficaz.
Vídeos recomendados
“O programa Fundamental da Cirurgia Laparoscópica foi adotado nacionalmente para residentes cirúrgicos, bolsistas e praticantes médicos aprendam e pratiquem habilidades laparoscópicas para terem a oportunidade de medir e documentar definitivamente essas habilidades," Xavier Intes, professor de engenharia biomédica da Rensselaer, disse à Digital Trends. “Um aspecto fundamental desse programa é uma métrica de pontuação que é calculada com base no tempo de execução da tarefa cirúrgica, bem como na estimativa de erros.”
A equipe de pesquisadores deste projeto queria ver se conseguiriam prever a pontuação FLS dos cirurgiões usando imagens ópticas do cérebro. Graças a uma rede neural simultânea, eles demonstraram que eram capazes de fazer isso com alto nível de precisão. Este trabalho é baseado em pesquisas anteriores nas quais a espectroscopia funcional no infravermelho próximo (fNIRS) mostrou ser eficaz na classificação de diferentes tipos de tarefas motoras, proporcionando assim um meio potencial de desempenho de habilidades manuais nível. Neste último projeto, os pesquisadores usaram os mesmos dados do fNIRS para prever as pontuações finais de desempenho usadas na certificação cirúrgica.
“Esses resultados são um trampolim para alavancar a neuroimagem e o aprendizado profundo para neurofeedback para melhorar a aquisição de habilidades cirúrgicas, retenção e o processo de certificação”, Intes continuou. “A vantagem dessas abordagens é que elas devem permitir um regime de treinamento mais personalizado, com feedback à beira do leito, para a aquisição ideal de habilidades. As abordagens atuais concentram-se singularmente na repetição de tarefas sem potencial para feedback rápido e objetivo.”
Este trabalho faz parte de um esforço contínuo para melhorar a forma como as habilidades cirúrgicas são ensinadas e avaliadas. Por si só, esta última pesquisa não vai mudar isso fundamentalmente. No entanto, no futuro, poderá lançar as bases para novas formas de melhorar a execução de tarefas cirúrgicas – e abordagens personalizadas ao treino – através da utilização de avaliação de neuroimagem.
“Atualmente estamos usando a pontuação FLS como meio de avaliar as habilidades cirúrgicas”, disse Intes. “Esperamos que, com mais estudos, possamos também ir além desta métrica e descobrir [a] novo conjunto de neurobiomarcadores que fornecerão informações mais detalhadas sobre o aprendizado de habilidades cirúrgicas e execução."
Um artigo descrevendo a pesquisa está disponível para leia na revista IEEE Transactions on Biomedical Engineering.
Recomendações dos Editores
- Você pode finalmente mover seus bate-papos do WhatsApp do Android para o iOS
- Seu iPhone agora pode guiá-lo até o AirPods Pro perdido
- Como a Nintendo poderia usar IA para trazer jogos em 4K para o Switch Pro
- Nova IA inteligente sistema promete treinar seu cachorro enquanto você estiver fora de casa
- Os cientistas perguntaram à A.I. para analisar o registro fóssil. Isto é o que encontrou
Atualize seu estilo de vidaDigital Trends ajuda os leitores a manter o controle sobre o mundo acelerado da tecnologia com as últimas notícias, análises divertidas de produtos, editoriais criteriosos e prévias únicas.
