根据8月2日发表在《美国医学会网络开放》(JAMA Network Open)上的研究结果，机器学习算法根据50个人进行虚拟神经外科手术的技能，预测出他们的训练水平，准确率为90%。

        作为人工智能的一个子集，机器学习(ML)使用从“训练”情景和场景生成的数据来指导在其他情况下的预测和决策。它正在影响越来越多的领域，从预测金融崩溃，到指导流媒体服务开发新节目，再到揭示美术中的隐藏模式。麦里是Siri识别iPhone用户语音模式的幕后推手，他还在Facebook上发布了一些精准得令人讨厌的广告。

        在医学领域，ML正在改进诊断学，整个医学期刊都致力于研究这种方法。在新的研究中,亚历山大Winkler-Schwartz医学博士,神经外科模拟和人工智能的学习中心在蒙特利尔麦吉尔大学,加拿大,和他的同事采用了折衷策略,称为“手术数据科学,”匹配50名志愿者到标准的技术技能水平的专业知识与点相关联的途径向成为一名神经外科医生。

        ML在评估手术技能方面的潜在价值是双重的:揭示可能用于最小化错误的未识别的性能模式，并根据技术能力对参与者进行分组，这可以为培训实践和评估提供信息。

        前瞻性、观察性病例系列调查确定了虚拟现实手术过程中使用的特定指标，使算法能够根据专家(神经外科医生)、高级(神经外科研究员和高级住院医生)、初级(神经外科初级住院医生)和医科学生的专业水平准确地对参与者进行分类。

        在麦吉尔大学，从2015年3月到2016年5月，9名女性和41名男性(平均年龄33.6岁，标准偏差9.5岁)通过显微镜切除了5个虚拟的原发性皮质脑瘤，用超声吸引器取出组织。这个双手操作的过程需要剥去pia并烧灼血管。它模拟了切除癌变的脑肿瘤以及那些引起癫痫的肿瘤，目的是保护周围的结构。

        参与者被要求在3分钟内完成这一过程，并完成了5次。该小组由14名神经外科医生、4名研究员、10名高级住院医生、10名初级住院医生和12名医科学生组成。

        该研究评估的270项指标分为四个主要领域:与单一器械相关的运动、两种器械的运动、器械的作用力、组织移除或出血。评估包括一些细节，如抽搐动作、出血速度的变化、器械尖端的会聚和发散以及肿瘤体积的变化。

        四种算法的准确率分别为90%、84%、78%和76%。总体而言，该策略将两名神经外科医生、一名高级住院医生和一名初级住院医生错误分类，四种算法中的三种将一名医科学生错误分类为神经外科医生。

        研究者总结道,“我们发现,表现最好的机器学习算法成功只有6性能指标分类45 50参与者分成1的4组的专长…这些发现表明,算法可能能够分类外科专业知识与粒度和精度比以前在手术。”

        研究人员说，这种方法可以用于其他外科手术。来自爱尔兰科克大学医院麻醉科和重症医学系的医学博士乔治·肖滕在一篇评论文章中对此表示赞同。“作者的工作促使人们更广泛地思考如何将人工智能应用于医学中的人类行为，尤其是技术任务的表现……作者富有洞察力地指出了可解释的人工智能在训练人类技术技能方面的潜在价值。”

        Shorten补充说，ML方法的美妙之处在于，关联随着数据的积累而增强，从而构建了强大的预测工具。但限制是，即使270个指标“仍然代表所有可能代表专家或新手性能的运动或位置指标的一小部分”。

        肖滕指出，外科医生可能通过不同的途径获得相同的结果，而ML方法可能无法捕捉到这种策略和技能的单独组合。他补充说，增加对心理运动、视觉空间能力和利手性的评估，可能有助于解释手术编排中的个人步骤。

        Winkler-Schwartz和他的合作者Recai Yilmaz, Rolando Del Maestro, Nykan Mirchi和Nicole Ledwos正在申请一个手术培训平台的专利。肖滕特没有透露任何相关的财务关系。

        《美国医学会杂志》网络开放。2019年8月2日在网上发布。全文、编辑

        要了解更多新闻，请关注Facebook、Twitter、Instagram和YouTube上的Medscape

        来源：Medscape

         ‍此文系悬壶济世网原创整理，没‍有授权，请勿转载！