Simuladores de realidad virtual ayudan a determinar la experiencia de los neurocirujanos

Un estudio nuevo afirma, que los simuladores de realidad virtual (RV) pronto podrán clasificar la experiencia quirúrgica con alta precisión.

Investigadores de la Universidad McGill (Montreal, Canadá) y la Universidad Tecnológica Amirkabir (Teherán, Irán), realizaron un estudio que incluyó a 50 participantes para identificar factores quirúrgicos y operativos - según lo seleccionado por un algoritmo de aprendizaje automático - que se podrían usar para cuantificar las habilidades psicomotoras y generar conjuntos de datos para clasificar los niveles de experiencia en un procedimiento quirúrgico de realidad virtual. Para el estudio, los participantes realizaron resecciones tumorales utilizando el NeuroVR, un simulador de realidad virtual que registra todos los movimientos de los instrumentos en intervalos de 20 milisegundos.


Los participantes del estudio fueron reclutados de cuatro etapas de entrenamiento neuroquirúrgico. Se clasificaron como expertos (personal de neurocirugía), seniors (becarios neuroquirúrgicos y residentes senior), juniors (residentes junior de neurocirugía) y estudiantes de medicina, que participaron todos en 250 resecciones simuladas. A través de un proceso iterativo, se seleccionaron las métricas de desempeño asociadas con el movimiento y la fuerza del instrumento, la resección de los tejidos y el sangrado generado a partir de la salida de datos sin procesar del simulador para determinar con mayor exactitud la pertenencia al grupo.

Los resultados mostraron que un algoritmo vecino K-más cercano tenía una exactitud del 90% (45 de 50), un algoritmo Bayes ingenuo, tenía una exactitud del 84%, un algoritmo de análisis discriminante tenía una exactitud del 78% y un algoritmo de máquina de vectores de soporte tenía una exactitud del 76%. El algoritmo vecino K-más cercano, utilizó seis métricas de desempeño para clasificar a los participantes, el algoritmo Bayes ingenuo utilizó 9 métricas de desempeño, el algoritmo de análisis discriminante utilizó 8 métricas de desempeño y el algoritmo de máquina de vectores de soporte utilizó 8 métricas de desempeño. El estudio fue publicado el 2 de agosto de 2019 en la revista Journal of the American Medical Association (JAMA).

“Los educadores médicos se enfrentan a una mayor presión de tiempo para equilibrar su compromiso con los pacientes y los alumnos”, dijo el autor senior, Rolando Del Maestro, PhD, del Centro de Aprendizaje de Simulación Neuroquirúrgica e Inteligencia Artificial de McGill (NEURO). “Nuestro estudio demuestra que podemos diseñar sistemas que ofrecen evaluaciones quirúrgicas a pedido según la conveniencia del alumno y con menos aportes de los instructores. El algoritmo también puede conducir a una mejor seguridad de los pacientes al reducir la posibilidad de error humano tanto al evaluar a los cirujanos, como en la sala de operaciones”.

La capacitación actual para los cirujanos se limita en gran medida a las lecciones en el aula y a la visualización de la enseñanza basada en cadáveres, con un tiempo práctico limitado que los propios estudiantes dedican realmente a los cadáveres.

Enlace relacionado:
Universidad McGill
Universidad Tecnológica Amirkabir