Przełomowy system AI analizuje komunikację zespołów chirurgicznych w czasie rzeczywistym

System przewiduje efektywność procedur poprzez obliczanie odchyleń od oczekiwanego czasu trwania operacji, a także identyfikuje minimalne zmiany w strukturze komunikacji, które mogłyby poprawić wyniki zabiegów.

Kluczowe wnioski

• Nowy system AI modeluje interakcje zespołów chirurgicznych jako grafy czasowe, gdzie członkowie zespołu to węzły, a wymiana informacji — krawędzie skierowane.
• Model przewiduje wydajność proceduralną poprzez analizę odchyleń od oczekiwanego czasu trwania operacji.
• Eksperymenty na nagraniach rzeczywistych zabiegów chirurgicznych wykazały poprawę wczesnej identyfikacji przedłużających się interwencji.
• System przeprowadza analizę kontrfaktyczną, identyfikując konkretne zmiany w komunikacji zespołu, które mogłyby poprawić przewidywane wyniki.
• Badanie zostało zaakceptowane na konferencję Hybrid Human Artificial Intelligence (HHAI) 2026.

Innowacyjne podejście do modelowania zespołów medycznych

Autorzy badania — Vincenzo Marco De Luca, Antonio Longa, Giovanna Varni i Andrea Passerini — wskazują na kluczową lukę w obecnych systemach AI dla chirurgii. Dotychczasowe rozwiązania koncentrowały się głównie na modelowaniu wizualnych sygnałów przepływu pracy, ignorując strukturalne reprezentacje interakcji zespołowych w czasie operacji.

Wydajność zespołów chirurgicznych wynika ze złożonych interakcji między wykonaniem technicznym a umiejętnościami nietechnicznymi, takimi jak komunikacja i dynamika koordynacji. Nowe podejście wykorzystuje przestrzenno-czasową ekspansję grafów, która umożliwia dynamiczne modelowanie interakcji przy zachowaniu efektywnego wnioskowania za pomocą statycznej sieci neuronowej grafowej.

Praktyczne zastosowania i wyniki eksperymentów

System oferuje możliwość wdrożenia w czasie rzeczywistym, co stanowi znaczący postęp w kierunku wsparcia decyzyjnego w salach operacyjnych. Eksperymenty przeprowadzone na nagraniach rzeczywistych procedur chirurgicznych potwierdziły skuteczność strukturalnego modelowania interakcji zespołowych w poprawie wczesnej identyfikacji przedłużających się interwencji.

Szczególnie wartościowa jest funkcja analizy kontrfaktycznej, która identyfikuje minimalne zmiany w strukturze komunikacji oraz interpretowalnych zmiennych behawioralnych związanych z poprawą przewidywanych wyników. To pozwala na dostarczenie spójnych i wykonalnych wyjaśnień dla personelu medycznego.

Badanie reprezentuje znaczący krok w rozwoju chirurgicznej sztucznej inteligencji w kierunku systemów działających w czasie rzeczywistym, uwzględniających zespół i oferujących praktyczne wsparcie decyzyjne w salach operacyjnych.