¿Qué aprende realmente un modelo a partir de tus casos?

La semana pasada argumentamos que una simulación entrenada con datos agregados predice un resultado promedio, y que ningún cirujano opera al nivel promedio. La pregunta natural siguiente es una pregunta práctica. Si la personalización es la respuesta, ¿qué requiere realmente y qué modelo aprende cuando un cirujano comparte sus casos?

Este artículo es la explicación mecánica. No hay metáforas sobre cómo enseñar el software a tu estilo, porque esa formulación oculta la parte que importa.

Tres capas, no un solo modelo

Ayuda a separar lo que permanece fijo de lo que se adapta.

La primera capa es la física. El tejido blando se deforma según propiedades mecánicas que no son específicas de ningún cirujano. El núcleo de simulación de Arbrea proviene de la investigación en la ETH de Zúrich, donde el problema consistía en hacer que los cuerpos deformables se comportaran correctamente bajo carga. La elasticidad del tejido, el desplazamiento de volumen y la respuesta gravitacional pertenecen a este ámbito. Esta capa no requiere personalización y tampoco debería serlo. La mecánica es la mecánica.

La segunda capa es el modelo general. Se trata de un mapeo aprendido a partir de la anatomía previa a la cirugía y de la intención quirúrgica hasta llegar a una forma postoperatoria plausible, basada en una amplia población de casos. Este sistema sabe qué suele hacer un implante de 350 cc de grado moderado o superior en un paciente con una determinada anchura de base y calidad tisular. Esto se deduce de la media de los casos.

La tercera capa es la adaptación. Este es el nivel en el que se basa el programa de colaboración de investigación. Ajusta el mapeo general utilizando casos pareados de una práctica, de modo que cuando el modelo tenga incertidumbre entre varios resultados plausibles, resuelva en favor del que en realidad produce esa práctica.

Esta distinción es importante porque establece una expectativa realista. La personalización no reconstruye la simulación desde cero en unos pocos cientos de casos; esto no sería ni posible ni seguro. En cambio, desplaza un modelo general bien diseñado hacia la región del espacio de resultados en la que trabaja un cirujano específico.

¿Qué se considera datos útiles?

Los cirujanos suelen asumir que la respuesta es el volumen. Más casos, mejor modelo. El volumen ayuda, pero no es la limitación fundamental. La consistencia sí lo es.

Hay cuatro cosas que hacen que un caso sea útil.

Una captura en par. Una exploración 3D previa al procedimiento y una exploración 3D posterior al mismo en el mismo paciente. Sin estos datos, no se puede aprender nada. Una fotografía posterior al procedimiento solo indica al modelo cómo debería haber resultado el resultado, pero no qué era la anatomía inicial, y todo el mensaje se encuentra en la relación entre ambos.

Un intervalo postoperatorio coherente. El tejido a las seis semanas y el tejido a los nueve meses son tejidos distintos. La hinchazón desaparece, el implante se estabiliza y el polo inferior se relaja. Un conjunto de datos en el que el intervalo varía de forma impredecible enseña al modelo que la misma cirugía produce muchos resultados diferentes, lo que es lo opuesto al objetivo. Una práctica que capte de forma consistente en un intervalo definido aporta mucho más por caso que una que capte siempre que el paciente acuda a la consulta.

Las decisiones que se adjuntan al caso. Fabricante de implantes, referencia, volumen y perfil. Cierre y plano. Cualquier técnica que el cirujano considere importante para el resultado, como la extensión de la liberación inferior o la gestión de los pliegues. Sin estas etiquetas, el modelo ve una entrada y una salida sin tener en cuenta el razonamiento, y no puede separar el efecto del implante del efecto de la técnica.

Capturar condiciones que no se desvíen. El mismo dispositivo, la misma posición del paciente, la misma posición del brazo. Esto puede parecer algo pedante. Se trata de la diferencia entre un modelo que aprende sobre cirugía y un modelo que aprende las idiosincrasias de cómo estaba configurada una determinada habitación en un determinado día.

Cien parejas bien etiquetadas y captadas de forma consistente de un solo cirujano transmiten una señal más adaptativa que varias veces ese número de parejas captadas de forma aleatoria. Esta es la parte que sorprende a la mayoría de los socios.

Lo que el modelo no aprende

Es importante mencionarlo explícitamente, ya que es una preocupación común.

El modelo no está aprendiendo a identificar a los pacientes. La adaptación se basa en la geometría anatómica y los parámetros quirúrgicos, no en la identidad. Los datos de los pacientes se desidentifican antes de incorporarse a cualquier proceso de entrenamiento, y el consentimiento para su uso en investigación se obtiene a través del propio flujo de trabajo de consentimiento informado de los pacientes del socio.

Qué recibe un socio

La salida de la participación es una versión de Arbrea cuyas simulaciones están calibradas para esa práctica. En concreto, eso significa que el modelo resuelve hacia el bolsillo el que el cirujano realmente utiliza, pondera las familias de implantes que realmente tiene en stock y refleja el comportamiento tisular de la población a la que realmente se dedica.

Dos efectos secundarios suelen ser tan importantes como el principal.

La primera es que la creación del conjunto de datos obliga a la práctica a estandarizar la propia captura de los resultados. Los cirujanos que completan el proceso suelen terminar con el primer registro longitudinal sistemático de sus propios resultados hasta la fecha, independientemente del modelo utilizado. Varias entidades han descrito este resultado como el más útil a la vista.

El segundo es la calibración en la otra dirección. Cuando un cirujano compara sus propios resultados agregados con el modelo general, la diferencia es una medida de su técnica en lugar de una impresión de ella.

La versión honesta del esfuerzo implicó

Esto no es un programa pasivo. Contribuir significa capturar las exploraciones según un protocolo, etiquetar los casos con detalles técnicos y seguir a los pacientes hasta un intervalo postoperatorio definido. Para una práctica que ya realiza exploraciones rutinarias, el trabajo adicional es modesto. Para otra que no lo hace, se trata de un cambio en el flujo de trabajo.

El intercambio es explícito. Los cirujanos que dedican ese esfuerzo estructurado obtienen un modelo diseñado a medida de su propia labor, y lo obtienen primero, mientras el campo aún utiliza modelos diseñados a medida de los de todos.

Consulte el protocolo de datos y qué implica la participación.