编辑推荐：
为解决客观评估医学生腹腔镜手术技能的问题，研究人员开展了基于 Transformer 神经网络模型开发计算机算法分类手术技能的研究。结果显示该模型分类新手和专家的视频准确率达 0.867，这为外科教育评估提供新途径。
在医学教育领域，基于能力的医学教育中，客观评估实习生手术技能对其成功意义重大。然而，计算机视觉技术虽在临床应用中展现前景，却尚未用于外科教育。于是，研究人员开展了一项单机构前瞻性研究。招募教员和实习外科医生，让他们使用台式模拟器完成腹腔镜手术基本操作中的 “精准切割” 任务。
研究人员基于 Transformer 神经网络模型开发了一种人工智能（AI）计算机算法，用于将腹腔镜任务视频分类为专家或新手外科医生操作的视频。研究按照个体预后或诊断多变量预测模型透明报告指南报告性能指标，采用五折交叉验证训练模型，并使用敏感性、特异性、阳性预测值、阴性预测值、准确率、F1 评分和曲线下面积（AUC）评估模型性能。将各折结果取平均值，并计算每个指标的 95% 置信区间，绘制受试者工作特征曲线（ROC 曲线）以直观展示模型性能。
研究的内部数据集包含 2022 年至 2023 年招募的 46 名参与者的 135 个视频。其中，30 名参与者（65.2%）为初级外科住院医师或医学生，16 名（34.8%）为有腹腔镜手术经验的认证外科医生。经交叉验证，AI 模型基于视频分析区分新手和专家组的准确率达到 0.867，且该结果与任务完成时间无关；对于单张图像分类，模型准确率为 0.57 。
这项概念验证研究是对 AI 在手术技能分类中应用的初步探索，证明了计算机视觉在自动、客观分类手术专业水平方面的实用性。尽管研究结果有前景，但还需进一步验证，以确定其在常规手术培训和认证中的作用。通过提供客观评估，这项技术有望辅助并强化人类评估者在外科教育中的作用。
