שילוב AI בזמן אמת והדרכת מומחה פנים-אל-פנים בהכשרה בסימולציה של מיומנויות כירורגיות - מחקר אקראי מוצלב

המחקר מדגים שאינטגרציה של מערכות AI בזמן אמת בסימולטורים כתחליף חלקי או כמשלים להדרכה פרונטלית יכולה להוזיל זמן מעמיק של מדריכים, לשפר אבחון וציוני ביצוע מובנים, ולהוריד סיכוני תפעול (פגיעה ודימום) במהלך אימון. למנהלים חינוכיים בבתי חולים ומוסדות הכשרה: תוכניות הכשרה היברידיות שמשלבות מפגש מומחה בתחילת הדרך ולאחריו אימון מבוסס AI עשויות להאיץ העלאת מיומנות ולשמור על רמות ביצוע גבוהות עם פחות משאבי הדרכה מומחים; יש לתכנן ליישום הדרגתי ולבחון עומס קוגניטיבי, רגולציה ואינטגרציה טכנית לפני פריסה רחבה.

רקע ומטרות

המחקר בוחן האם שילוב הוראה בזמן אמת באמצעות מערכת AI (ICEMS) יחד עם הוראה פרונטלית על סימולטור נוירוכירורגי משפר רכישת מיומנויות טכניות. השאלה המרכזית היתה כיצד סדר קבלת המשובים (AI קודם ואז מומחה מול מומחה קודם ואז AI) משפיע על שיפור ביצועים, העברה למשימה סופית ושימור מיומנויות.

עיצוב הניסוי ואוכלוסייה

מדובר בניסוי רב-מרכזי, רנדומלי מסוג קרוסאובר, עם 25 סטודנטים לרפואה בקנדה (גיל ממוצע 21.6 ± 3.2, 12 נשים, 48%). המשתתפים חולקו לשתי קבוצות: AI2EXPERT (n=12) שקיבלו אימון בזמן אמת מאת ICEMS בתחילה ואז הוראה מומחית לאחר 6–8 שבועות; EXPERT2AI (n=13) בקבוצת הסדר ההפוך. בכל מפגש בוצעו 5 חזרות אימון (5 דקות כל אחת) ואחריה משימת בדיקה (13 דקות) ללא משוב.

התערבויות

AI: מערכת ICEMS מבוססת LSTM המעריכה ביצוע חמש פעמים בשנייה ומספקת אזהרות קולייות והדרכה בהתאם לחמישה יעדי לימוד (מניעת דימום ופגיעה, כוחות יד דומיננטית/לא-דומיננטית ותאום דו-ידני). בנוסף ניתנה משוב מותאם לאחר כל חזרה במקטעים וידאו קצרים. מומחה: מדריך בודק פרונטלי שסיפק משוב פרטני ודמונסטרציות בין חזרות בעזרת תסריט PEARLS מותאם.

מדדים ותוצאות סטטיסטיות

המדד הראשי היה ציון מורכב של ICEMS על חזרות האימון והמשימה הסופית. מדדי משנה: דירוגי OSATS ע"י מומחים עיוורים וחמישה מדדי ביצוע ספציפיים (סיכון לפגיעה, סיכון לדימום, כוח אספירציה, כוח ביפולרי, מרחק קצה מכשירים). נמדד גם עומס קוגניטיבי (intrinsic, extraneous, germane).

ניתוח ANOVA מעורב הראה אינטראקציה מובהקת בין קבוצה לניסיונות במפגש השני על ציון ה-ICEMS (F(2.72,62.47)=15.34, p<0.001, partial η2=0.40); לא נצפתה אינטראקציה משמעותית במפגש הראשון. EXPERT2AI השיג שיפור גדול יותר במשימת הבדיקה בסיום המפגש השני לעומת AI2EXPERT (הפרש ממוצע 0.06, 95%CI [0.01–0.11], p=0.013). בין הקבוצות במפגש השני היו הבדלים מובהקים ברבע/חמישית חזרות zug: EXPERT2AI היו גבוהים יותר ב-rep4 וב-rep5 בהפרשים ממוצעים 0.44 (95%CI [0.11–0.76], p=0.011) ו-0.67 (95%CI [0.43–0.91], p<0.001).

OSATS: בדירוג האנושי בתחילת המפגש הראשון AI2EXPERT קיבלה דירוג כולל גבוה יותר (חציון 5.25) לעומת EXPERT2AI (4.5), הבדל חציון 0.75, z=-2.56, p=0.01. הבדלים אלו נעלמו לאחר החלפת ההדרכות בסיום המפגש השני.

מדדי ביצוע ספציפיים: משוב AI הפחית סיכון לפגיעה (AI2EXPERT השיג ירידה משמעותית בעיות 4–5 בחזרות בהשוואה ל-EXPERT2AI; הפרשים עד −0.05, p<0.001). דימום נותר גבוה יותר ב-EXPERT2AI ב-rep5 במפגש הראשון (0.10, 95%CI [0.0–0.20], p=0.049). שימוש בכוח האספירציה והתאום הביפולרי הושפעו באופן שונה על ידי שני סוגי המשוב; לדוגמה, AI שיפר קרבה בין קצות הכלים (instrument tip separation) בהפרש עד −0.76 בממוצע ב-rep5, p=0.03.

עומס קוגניטיבי: אין הבדל במפגש הראשון; במפגש השני EXPERT2AI דיווחו על עומס חיצוני גבוה יותר לאחר המעבר ל-AI (ממוצע 1.67 vs 1, p<0.001) והפחתת עומס גרמני.

שימור מיומנות: לא נצפו שינויים מובהקים בציון ה-ICEMS בתחילת מפגש שני מול סוף מפגש ראשון, מה שמרמז על שימור בין המפגשים (6–8 שבועות).

פרשנות ומסקנות

התוצאות מצביעות כי אימון בזמן אמת באמצעות AI משיג שיפורים מהירים בכמה מרכיבי ביצוע טכניים (כמו מניעת פגיעה, תכלול תנועות ותאום דו-ידני), בעוד שהוראה אנושית בתחילת הדרך עשויה להגדיל את שיפור ההעברה למשימת הבדיקה כאשר משלבים אחר כך AI. נמצא שגם חשיפה ראשונית למומחה ואחריה AI הניבה תוצאים מיטביים בבחינה הסופית (EXPERT2AI), בעוד שהחלפה מהמחשב לאנשי מקצוע עשויה לגרום לירידה זמנית בביצועים המנוטרים ע"י AI. הממצאים תומכים בגישה היברידית: מומחה בתחילת הדרך\להנחיה עקרונית ובניית תשתית, ואימון AI להמשך ניטור שוטף ושיפור כמותי.

מגבלות

גודל מדגם קטן (n=25) וסטודנטים בתחילת דרכם מקטין הכללה לדיירים מנוסים; סביבה סימולציה אינה משחזרת לחץ אמיתי של חדר ניתוח; אינטר-רייטריות OSATS הייתה נמוכה (ICC=0.07) מה שמגביל אמינות הדירוג האנושי; קוד ותוצאות גולמיות זמינים לפי בקשה אך לא בפרסום.

השלכות מעשיות והמלצות

להטמעה בארגונים: לשקול מודל היברידי שבו מומחים מספקים קורסי פתיחה ותכנים פדגוגיים, ו-AI משמש לניטור רציף, משוב ממוקד ושימור מיומנות. דרושה הערכה רגולטורית, אינטגרציה טכנולוגית ולימודי המשך הכוללים דיווח ארוך טווח על תוצאות קליניות לפני פריסה ברמה תפעולית.