Cosa Impara Invece il Modello Dagli I Tuoi Casi

La settimana scorsa abbiamo sostenuto che una simulazione addestrata su dati aggregati preveda un risultato medio e che nessun chirurgo opera al livello medio. La domanda naturale da porre è una domanda pratica. Se la personalizzazione è la risposta, cosa richiede effettivamente e come funziona un modello quando un chirurgo condivide i propri casi?

Questo articolo fornisce la spiegazione meccanica. Non ci sono metafore sull'insegnamento del software secondo il proprio stile, perché questa formulazione nasconde la parte più importante.

Tre strati, non un solo modello

Ci aiuta a distinguere ciò che rimane fisso da ciò che si adatta.

Il primo livello riguarda la fisica. I tessuti molli si deformano in base a proprietà meccaniche che non sono specifiche per alcun chirurgo. Il nucleo di simulazione di Arbrea nasce dalla ricerca dell’ETH di Zurigo, dove il problema era rendere i corpi deformabili a comportarsi correttamente sotto carico. Qui entrano in gioco l’elasticità tissutale, il movimento volumetrico e la risposta gravitazionale. Questo livello non richiede personalizzazione e non dovrebbe essere personalizzato. La meccanica è meccanica.

Il secondo livello è il modello generale. Si tratta di una mappatura appresa basata sull’anatomia preoperatoria e sull’intento chirurgico per ottenere una forma plausibile postoperatoria, realizzata su una vasta popolazione di casi. Essa conosce ciò che un impianto da 350 cc di tipo moderato-alto tende a produrre in un paziente con una determinata larghezza della base e una qualità tissutale. Lo sa in media.

Il terzo livello è l'adattamento. Questo è il livello su cui si basa il Research Partner Program. Questo livello regola la mappatura generale utilizzando casi comparati provenienti da una singola pratica, in modo che quando il modello è incerto tra diversi risultati plausibili, si orienti verso quello che la pratica produce effettivamente.

Questa distinzione è importante perché stabilisce aspettative realistiche. La personalizzazione non ricostruisce la simulazione da zero su poche centinaia di casi; ciò sarebbe né possibile né sicuro. Si tratta piuttosto di spostare un modello generale ben funzionante nella regione dello spazio dei risultati in cui opera un determinato chirurgo.

Cosa si considera dati utili

I chirurghi tendono a ritenere che la risposta risieda nel volume. Più casi, migliore modello. Il volume aiuta, ma non è la limitazione vincolante. La coerenza lo è.

Quattro elementi rendono un caso utile.

Una cattura in coppia. Una scansione 3D preoperatoria e una postoperatoria dello stesso paziente. Senza questo insieme di dati non si può imparare nulla. Una sola fotografia postoperatoria dice al modello come sarebbe dovuto essere il risultato, ma non cosa fosse l’anatomia iniziale; tutto il segnale si basa sulla relazione tra i due elementi.

Un intervallo postoperatorio coerente. Il tessuto alla sesta settimana e quello al nono mese sono tessuti diversi. La gonfiore si risolve, l’impianto si stabilizza, il polo inferiore si rilassa. Un insieme di dati in cui l’intervallo varia in modo imprevedibile insegna al modello che la stessa chirurgia produce molti risultati diversi, il che è l’opposto dell’obiettivo. Una pratica che cattura costantemente in un intervallo definito dà molto più per caso rispetto a quella che cattura ogni volta che il paziente capita a tornare.

Le decisioni connesse al caso. Prodotto, riferimento, volume e profilo dell’impianto. Tasca e piano. Qualsiasi tecnica che il chirurgo ritenga importante per il risultato, come la quantità di rilascio inferiore o la gestione delle pieghe. Senza queste informazioni, il modello visualizza un input e un output senza che vengano eliminate le considerazioni relative al motivo della scelta dell’impianto, e non è in grado di distinguere l’effetto dell’impianto dall’effetto della tecnica.

Rileva le condizioni che non variano. Lo stesso dispositivo, la stessa posizione del paziente, la stessa posizione del braccio. Sembrava banale. È la differenza tra un modello che impara la chirurgia e un modello che impara le idiosincrasie di come una particolare stanza è stata organizzata in un determinato giorno.

Un centinaio di coppie ben etichettate e catturate in modo coerente da un singolo chirurgo forniscono un segnale più adattivo rispetto a quello ottenuto con il metodo più flessibile, che richiede più tempo e richiede più attenzione da parte del chirurgo. Questo è il punto che sorprende la maggior parte dei chirurghi.

Cosa non impara il modello

Vale la pena sottolinearlo esplicitamente, poiché si tratta di una preoccupazione comune.

Il modello non impara a identificare i pazienti. L’adattamento si basa sulla geometria anatomica e sui parametri chirurgici, non sull’identità. I dati dei pazienti vengono anonimizzati prima di essere inseriti in qualsiasi processo di formazione, e il consenso per l’utilizzo della ricerca viene ottenuto tramite il flusso di lavoro di consenso dei pazienti del partner stesso.

Cosa riceve un partner

La produzione della partecipazione è una versione di Arbrea le cui simulazioni sono calibrate in base a questa pratica. In concreto, ciò significa che il modello risolve verso il punto in cui il chirurgo effettivamente utilizza l’impianto, pondera le famiglie di impianti effettivamente disponibili e riflette il comportamento tissutale della popolazione che effettivamente tratta.

Due effetti secondari tendono a essere tanto importanti quanto l’effetto principale.

Il primo è che la creazione del dataset impone a una struttura di standardizzare la propria modalità di rilevamento dei risultati. I chirurghi che completano il processo di solito finiscono per avere il primo registro longitudinale sistematico dei propri risultati mai ottenuti, indipendentemente dal modello utilizzato. Diversi partner hanno descritto questo come il risultato più immediatamente utile.

Il secondo è la calibrazione nella direzione opposta. Quando un chirurgo confronta i propri risultati aggregati con il modello generale, la differenza è una misura della propria tecnica piuttosto che un’impressione di essa.

La versione onesta dell'iniziativa coinvolse

Non si tratta di un programma passivo. Contribuire significa acquisire le scansioni secondo un protocollo, etichettare i casi con dettagli tecnici e seguire i pazienti fino a un intervallo definito post-operatorio. Per una pratica che già esegue le scansioni in modo routinario, il lavoro supplementare è modesto. Per una che non lo fa, si tratta di un cambiamento nel flusso di lavoro.

Il commercio è esplicito. I chirurghi che mettono in campo questo sforzo strutturato ottengono un modello costruito sulla base del proprio lavoro, e lo ottengono prima, mentre il campo stesso ancora utilizza modelli costruiti sulla base di quelli di tutti gli altri.

Consulta il protocollo dei dati e scopri cosa comporta la partecipazione.