AI 도구, 수술 교육 향상을 위해 도입 예정

연구자들이 외과 수술 교육을 위한 AI 도구를 개발했습니다. 이 도구는 외과 의사들의 학습 과정을 향상시키기 위해 설계되었습니다. 이 도구는 외과 기술의 비디오 녹화를 분석하며, 실시간으로 피드백을 제공합니다.

Dean Suvranu De 팀장이 이끄는 팀은 VBA-Net이라는 플랫폼을 개발했습니다. 이 도구는 비디오 분석을 통해 전문 외과 의사와 초보 외과 의사를 구분하기 위해 딥러닝을 사용합니다. AI는 전체 점수 및 개선이 필요한 특정 영역을 포함한 종합적인 피드백을 제공합니다.

기본적인 평가를 넘어서, VBA-Net은 각 수술 전문의의 강점과 약점에 맞추어 개인화된 피드백을 제공합니다. 이 방법은 학습 과정을 최적화하고 기술 개발을 가속화하는 데 디자인되었습니다.

De는 설명했습니다, “수술 전문의들이 더 많은 훈련과 피드백을 받을수록 그들의 기술은 더욱 향상될 것입니다”

또한, 이 시스템은 설명 가능한 인공지능(XAI)을 통합하여 사용자들이 AI의 결정 과정을 이해할 수 있게 합니다. 이러한 투명성은 AI의 평가에 대한 신뢰를 구축하는 데 의도되었습니다. 더불어, VBA-Net은 최소한의 하드웨어 요구 사항으로, 표준 카메라 설정을 사용합니다.

De는 “우리의 목표는 수술 과정의 가장 중요한 부분에 초점을 맞추는 것을 훈련생들에게 안내함으로써 평가 과정을 간소화하는 것입니다.”라며 “최종적으로는 환자의 결과를 개선하고, 생명을 구하며, 미래에 더욱 잘 훈련된 외과 의사를 육성하는 것입니다.”라고 말했습니다.

AI가 수술 교육을 혁명적으로 변화시킬 거대한 가능성을 가지고 있지만, 이전 연구에서는 고려해야 할 몇 가지 중요한 제한점을 지적하고 있습니다.

한 가지 우려는 AI 기술이 수술 중 예상치 못한 상황에 직면할 수 있다는 것이며, 이는 AI가 훈련받지 않은 상황일 수 있습니다. 이것은 의사의 감독의 중요성을 강조합니다. 외과 의사들은 AI의 결정을 비판적으로 평가하고 필요한 경우 수정하는 조치를 취할 수 있어야 합니다.

게다가, 헬스케어 개발 전문가인 유진 크루그릭이 강조하듯이, 한정적이고 일관성 없는 데이터 세트는 또 다른 중요한 도전과제를 제기합니다. AI 모델을 훈련시키는 데 사용되는 데이터의 질과 양은 그들의 정확성과 신뢰성에 직접적인 영향을 미칩니다.

이러한 한계를 인식함으로써, 우리는 AI를 외과 훈련에 효과적이고 책임감있게 통합할 수 있도록 보장할 수 있습니다.