机器人辅助手术中外科医生心理工作负荷建模：一种基于神经生理指标的双向过载-恢复模型

《Proceedings of the Human Factors and Ergonomics Society Annual Meeting》：Modeling Surgeons’ Mental Workload in Robot-Assisted Surgery: A Bidirectional Overload-Recovery Model Using Neurophysiological Measures

　　

机器人辅助手术（RAS）提升了灵巧性、可视化与人体工效，并广泛应用于泌尿外科、妇科与消化科。然而，由于技术复杂性、新型接口及团队协作减少，RAS给外科医生带来较高心理工作负荷（MWL）。心理过载会耗竭认知资源、减慢反应并损害决策，可能导致操作表现下降并威胁患者安全。缓解这些风险需要通过任务再分配、认知支持与神经自适应干预进行有效MWL管理，而这均依赖于准确、实时的MWL评估。本研究目标是通过将MWL变化建模为过载与恢复之间的双向转移，开发可靠的实时MWL评估框架。研究人员提出以一对时间依赖的转移过程表征MWL演变，在任务执行中MWL并非瞬时变化，而是累积与调节性调整持续交互的结果。为描述这些演化转移，研究人员采用两个独立的带时间依存协变量的Cox比例风险模型，分别刻画进入高MWL状态（过载）与回归低MWL状态（恢复）的瞬时风险。研究分两阶段：第一阶段18名参与者完成多种诱发MWL系统变化的认知游戏任务，作为源域学习生理响应与MWL动态的一般关系；第二阶段在连续缝合、吻合与鸡翅解剖三项代表性RAS训练任务中评估所提方法，招募4名外科医生（2名主治医师、2名专科培训医师）与5名无RAS经验的新手（1名医学生、4名工科学生），全程以32通道g.Nautilus EEG系统（250 Hz）记录脑电，以Tobii Pro Glasses 3.0（60 Hz）记录眼动。连续EEG与眼动流按10 s窗长、5 s步长滑窗提取p维静态特征向量vjm∈?p，同网格定义主观MWL标签Yjm∈{0,1}（0低负荷，1高负荷）。将每名受试者在同一状态内的连续时段定义为episode，区分fatigue与recovery两类转移过程，以episode起始算gap time t，时间依存协变量xji(t)取对应窗特征作阶跃函数，各过程k的危险率hk(t|xji(t))=h0k(t)exp(βkTxji(t))，以受试者j为聚类修正重复样本相关，稳健方差估计下最大化偏似然获系数。双模型并行输出配对时间对齐危险估计，经阈值化得预测状态。结果显示，所提Dual-Cox模型在缝合（SUT）、吻合（ANA）、鸡翅解剖（CHK）任务准确率92.31%、87.52%、86.75%，精确率50.00%、68.79%、62.10%，均优于逻辑回归、支持向量机与随机森林基线，尤其高MWL类识别更可靠。结论指出，将MWL视为含独立过载与恢复转移的双向动态过程，比静态分类更显式捕捉时间演化，在三项RAS任务中检测一致，为复杂任务中操作者状态转移研究提供有用框架。

研究背景方面，机器人辅助手术（Robot-Assisted Surgery，RAS）虽在灵巧性、可视化与人体工效上优于传统术式，并广泛用于泌尿外科、妇科和消化科，但其技术复杂性、新型人机接口以及术中团队交互减少，使外科医生承受较高心理工作负荷（Mental Workload，MWL）。心理过载会耗竭认知资源、减慢反应并损害决策，进而引发操作表现下降和患者安全风险。既有研究多将MWL分为多类水平，忽略资源消耗与代偿自调节的非对称双向交互，难以敏感反映负荷动态。因此，依赖准确实时MWL评估的任务再分配、认知支持与神经自适应干预亟需新建模思路。研究人员由此提出将MWL演变显式建模为过载与恢复两个并发时间依赖转移过程，并在《Proceedings of the Human Factors and Ergonomics Society Annual Meeting》报告该框架。

关键方法上，研究分两阶段：源域阶段18名参与者完成诱发MWL系统变化的认知游戏；RAS验证阶段招募4名外科医生（含2名主治医师与2名专科培训医师）及5名无经验新手（1名医学生、4名工科学生），在连续缝合、吻合、鸡翅解剖三项训练任务中同步采集32通道g.Nautilus EEG（250 Hz）与Tobii Pro Glasses 3.0眼动（60 Hz）。生理流按10 s窗、5 s步长滑窗成p维特征v_jm∈?^p，同网格打标Y_jm∈{0,1}；以同状态连续时段为episode，分fatigue与recovery两过程，用带时间依存协变量的Cox比例风险模型分别估进入/离开高负荷瞬时危险h_k(t|x)=h_0k(t)exp(β_k^Tx(t))，受试者作聚类以稳健方差估系数，双模型并行输出配对危险估计并阈值化得状态。

研究结果按原文小节浓缩如下。

Abstract部分指出，RAS致高MWL且过载损及安全，实时评估是干预前提；研究人员以双向过载-恢复转移建框架，较静态分类更贴合动态。

Introduction重申RAS优势与MWL风险，明确本研究目的为双向转移实时评估。

Background回顾MWL非单调而具资源消耗与代偿自调节交互，传统多类分类掩蔽方向差异，催生分离转移过程建模。

Method下Protocol表明两阶段实验与EEG/眼动设备参数及参与者构成（18名游戏源域；RAS阶段4医生2主治2 Fellow、5新手1医学4工程）。Model Construction含三步：滑动窗特征构造（10 s/5 s步长，v_jm∈?^p，Y_jm∈{0,1}）；样本定义（episode化，fatigue自Y=0至转1或删失，recovery对称）；含时间依存协变量危险公式h_k(t|x_ji(t))=h_0k(t)exp(β_k^Tx_ji(t))，以j聚类稳健偏似然估计，双Cox并行得配对危险并阈值化。

Outcome显示Dual-Cox在SUT/ANA/CHK准确率92.31%/87.52%/86.75%、精确率50.00%/68.79%/62.10%，均高于LR/SVM/RF基线，高MWL类精确率提升明显，证双向转移历史助辨持续过载与短时生理波动。

Conclusion总结双模型显式分轨过载/恢复，比静态分类更捕时间演化，跨三RAS任务一致；样本小且含经验差异仍初显鲁棒，未来需在更大异质人群验框架、析MWL迟滞与恢复关系、接自适应辅助。

讨论与结论翻译：本工作提出RAS中实时MWL分类双模型框架，将进入与脱离过载显式建为两并发时间依赖过程；分离转移比常规静态分类更显式捕MWL时间演化，三RAS任务检测一致。结果表明双向状态变更表征为复杂任务中操作者过载-恢复转移研究提供有用框架。虽RAS样本较小且含不同手术经验者，跨任务一致表现初撑框架鲁棒。未来将在更大多样外科人群验证，深究其与MWL迟滞及恢复关系，并探与MWL感知训练及术中决策支持的自适应辅助集成。