AI-driven Automation of End-to-end Assessment of Suturing Expertise
Created by
Haebom
Category
Empty
저자
Atharva Deo, Nicholas Matsumoto, Sun Kim, Peter Wager, Randy G. Tsai, Aaron Denmark, Cherine Yang, Xi Li, Jay Moran, Miguel Hernandez, Andrew J. Hung
개요
본 논문은 AI 기반 접근 방식을 사용하여 봉합 기술 평가 도구인 EASE(End-to-End Assessment of Suturing Expertise)의 자동화를 제시합니다. EASE는 봉합 관련 하위 기술에 대한 기준을 포괄적으로 정의하여 훈련생에게 객관적인 평가와 실행 가능한 통찰력을 제공하지만, 현재는 사람 평가자가 점수를 매기는 방식으로 시간과 자원이 많이 소모됩니다. 제시된 AI 기반 접근 방식은 모델 추론 중 최소한의 자원으로 실시간 점수 예측을 가능하게 하여 실시간 피드백을 제공하고, 봉합 작업에 대한 학습 과정을 가속화하며 수술 중 치명적인 오류를 줄여 환자 결과를 개선하는 것을 목표로 합니다. 본 연구에서는 바늘 다루기(바늘 재배치 횟수, 바늘 잡는 깊이, 바늘 잡는 비율, 바늘 잡는 각도), 바늘 조작(조작 부드러움, 손목 회전), 바늘 제거(손목 회전) 등 3가지 봉합 단계에 속하는 7개의 EASE 영역에 중점을 둡니다.
시사점, 한계점
•
시사점:
◦
EASE의 자동화를 통해 봉합 기술 평가의 효율성을 크게 향상시킬 수 있습니다.
◦
실시간 피드백 제공으로 봉합 기술 학습을 가속화하고 수술 중 오류를 줄일 수 있습니다.
◦
궁극적으로 환자의 치료 결과를 개선하는 데 기여할 수 있습니다.
◦
최소한의 자원으로 실시간 점수 예측이 가능합니다.
•
한계점:
◦
현재는 7개의 EASE 영역에만 초점을 맞추고 있으므로, 다른 관련 영역으로의 확장이 필요할 수 있습니다.
