Los investigadores reclutaron a cincuenta participantes de cuatro etapas de formación en neurocirugía: neurocirujanos, becarios y residentes sénior, residentes júnior y estudiantes de medicina. Los participantes realizaron 250 resecciones complejas de tumores con NeuroVR, un simulador quirúrgico de realidad virtual. El Consejo Nacional de Investigación de Canadá desarrolló el sistema; CAE registró todos los movimientos de los instrumentos en intervalos de 20 milisegundos.
A partir de los datos sin procesar, el algoritmo de aprendizaje automático desarrolló medidas de desempeño, como la posición de los instrumentos y la fuerza aplicada, así como resultados, como la cantidad de tumor extirpado y la pérdida de sangre, que podían predecir el nivel de experiencia de cada participante con un 90% de precisión.
El algoritmo de mejor desempeño podía clasificar a los participantes utilizando solo seis medidas de desempeño.
Según se informó en Journal of the American Medical Association, los hallazgos muestran que la combinación de inteligencia artificial y simuladores de neurocirugía con realidad virtual puede evaluar con precisión y eficiencia el desempeño de los cirujanos en formación.
Esto significa que los científicos pueden desarrollar sistemas de mentoría asistidos por IA que se centren en mejorar la seguridad de los pacientes y guíen a los aprendices en procedimientos quirúrgicos complejos. Estos sistemas pueden determinar qué aspectos deben mejorar y cómo pueden desarrollar los aprendices estas importantes habilidades antes de operar a pacientes reales.
«Los educadores médicos se enfrentan a una presión cada vez mayor por falta de tiempo para equilibrar su compromiso con los pacientes y con quienes están aprendiendo», afirma el autor principal, Rolando Del Maestro, de la Universidad McGill.
«Nuestro estudio demuestra que podemos diseñar sistemas que ofrezcan evaluaciones quirúrgicas bajo demanda, cuando le resulte conveniente al aprendiz y con menos participación de los instructores. También podrían mejorar la seguridad de los pacientes al reducir la posibilidad de errores humanos, tanto durante la evaluación de los cirujanos como en el quirófano».
El trabajo contó con el apoyo de la Fundación Franco Di Giovanni, la Junta Escolar de Inglés de Montreal, el Departamento de Ortopedia de McGill, el Fonds de recherche du Québec-Santé (FRQS) y una beca Robert Maudsley para estudios en educación médica del Royal College of Physicians and Surgeons de Canadá.
