Face à une pénurie de chirurgiens de plus en plus aiguë, l’intelligence artificielle pourrait aider à combler le manque, en coachant les étudiants en médecine lors de leur pratique des techniques chirurgicales.
Un nouvel outil, entraîné sur des vidéos de chirurgiens experts au travail, offre aux étudiants des conseils personnalisés en temps réel pendant qu’ils s’exercent à la suture. Les premiers essais suggèrent que l’IA peut être un puissant professeur remplaçant pour les étudiants plus expérimentés.
« Nous sommes à un moment charnière. La pénurie de praticiens ne cesse d’augmenter et nous devons trouver de nouvelles façons de fournir plus et de meilleures opportunités de pratique. Actuellement, un chirurgien senior, qui manque déjà de temps, doit venir observer les étudiants s’entraîner, les évaluer et leur donner un retour détaillé – cela n’est tout simplement pas extensible« , explique l’auteur principal Mathias Unberath, expert en médecine assistée par IA qui se concentre sur l’interaction entre les humains et l’IA. « La meilleure alternative pourrait être notre IA explicable qui montre aux étudiants en quoi leur travail s’écarte de celui des chirurgiens experts.«
Développée à l’Université Johns Hopkins, cette technologie pionnière a été présentée et récompensée lors de la récente Conférence internationale sur l’imagerie médicale et l’intervention assistée par ordinateur.
Actuellement, de nombreux étudiants en médecine regardent des vidéos d’experts réalisant une chirurgie et tentent d’imiter ce qu’ils voient. Il existe même des modèles d’IA existants qui évaluent les étudiants, mais selon Mathias Unberath, ils sont insuffisants car ils ne disent pas aux étudiants ce qu’ils font de bien ou de mal.
« Ces modèles peuvent vous dire si vous avez un niveau de compétence élevé ou faible, mais ils ont du mal à vous expliquer pourquoi« , précise-t-il. « Si nous voulons permettre un auto-apprentissage significatif, nous devons aider les apprenants à comprendre sur quoi se concentrer et pourquoi.«
Le modèle de l’équipe intègre ce qu’on appelle l’IA explicable, une approche de l’IA qui – dans cet exemple – évalue la qualité avec laquelle un étudiant ferme une plaie et lui indique ensuite précisément comment s’améliorer.
L’équipe a entraîné son modèle en suivant les mouvements des mains de chirurgiens experts pendant qu’ils fermaient des incisions. Lorsque les étudiants tentent la même tâche, l’IA leur envoie immédiatement un message pour leur dire comment ils se comparent à un expert et comment affiner leur technique.
« Les apprenants veulent que quelqu’un leur dise objectivement comment ils ont réussi, souligne la première auteure », Catalina Gomez, doctorante en informatique à Johns Hopkins. « Nous pouvons calculer leur performance avant et après l’intervention et voir s’ils se rapprochent de la pratique experte.«
Newsletter Enerzine
Recevez les meilleurs articles
Énergie, environnement, innovation, science : l’essentiel directement dans votre boîte mail.
L’équipe a réalisé une étude inédite pour voir si les étudiants apprenaient mieux avec l’IA ou en regardant des vidéos. Ils ont assigné au hasard 12 étudiants en médecine ayant une expérience de la suture à s’entraîner avec l’une des deux méthodes.
Tous les participants ont pratiqué la fermeture d’une incision avec des points de suture. Certains ont reçu un retour immédiat de l’IA tandis que d’autres essayaient de comparer ce qu’ils faisaient à un chirurgien dans une vidéo. Ensuite, tout le monde a essayé de suturer à nouveau.
Comparés aux étudiants qui regardaient des vidéos, certains étudiants coachés par l’IA, ceux ayant plus d’expérience, ont appris beaucoup plus vite.
« Chez certains individus, le retour de l’IA a un grand effet« , constate Mathias Unberath. « Les étudiants débutants ont encore eu du mal avec la tâche, mais pour les étudiants ayant une base solide en chirurgie, qui sont au stade où ils peuvent intégrer les conseils, cela a eu un impact considérable. »
Ensuite, l’équipe prévoit d’affiner le modèle pour le rendre plus facile à utiliser. Ils espèrent finalement créer une version que les étudiants pourraient utiliser à domicile.
« Nous aimerions proposer une technologie de vision par ordinateur et d’IA qui permette à quelqu’un de s’entraîner confortablement chez lui avec un kit de suture et un smartphone« , conclut l’expert en médecine. « Cela nous aidera à intensifier la formation dans les domaines médicaux. Il s’agit vraiment de savoir comment utiliser cette technologie pour résoudre des problèmes.«
Les auteurs incluent Lalithkumar Seenivasan, Xinrui Zou; Jeewoo Yoon; Sirui Chu; Ariel Leon; Patrick Kramer; Yu-Chun Ku; Jose L. Porras; et Masaru Ishii, tous de Johns Hopkins, et Alejandro Martin-Gomez de l’Université de l’Arkansas.
