Một Model thực sự học được gì từ các trường hợp của bạn?

Tuần trước, chúng tôi đã lập luận rằng một mô phỏng được đào tạo dựa trên dữ liệu tổng hợp sẽ dự đoán kết quả trung bình, và rằng không có bác sĩ phẫu thuật nào hoạt động ở mức trung bình. Câu hỏi tiếp theo tự nhiên là thực tiễn như thế nào. Nếu việc cá nhân hóa là câu trả lời, thì thực sự thì điều đó đòi hỏi gì và mô hình học tập như thế nào khi bác sĩ chia sẻ các ca bệnh của mình?

Bài viết này là lời giải thích về mặt kỹ thuật. Không nên dùng những ẩn dụ để dạy cho phần mềm theo phong cách của bạn, vì những cụm từ đó sẽ che giấu phần quan trọng nhất.

Ba lớp, không phải một mô hình

Điều này giúp phân biệt được những gì vẫn giữ nguyên vẹn với những gì thay đổi.

Lớp thứ nhất là vật lý. Các mô mềm bị biến dạng theo các đặc tính cơ học không đặc trưng cho bất kỳ bác sĩ phẫu thuật nào. Trụ sở mô phỏng của Arbrea xuất phát từ nghiên cứu tại Đại học ETH Zurich, nơi vấn đề được giải quyết là làm cho các vật thể có thể biến dạng hoạt động chính xác khi chịu tải trọng. Các đặc tính đàn hồi của mô, sự dịch chuyển khối lượng và phản ứng trọng lực đều nằm trong lĩnh vực này. Lớp này không cần phải được cá nhân hóa và cũng không nên được cá nhân hóa. Cơ học là cơ học.

Cơ chế thứ hai là mô hình chung. Đây là quá trình lập bản đồ được hình thành từ cấu trúc trước phẫu thuật cộng với mục tiêu phẫu thuật để tạo ra hình dáng sau phẫu thuật hợp lý, được xây dựng dựa trên số lượng lớn các ca bệnh cụ thể. Nó biết rằng một cấy ghép vừa phải có dung tích 350 cc có xu hướng hoạt động như thế nào trên một bệnh nhân có độ rộng cơ sở và chất lượng mô nhất định. Nó biết điều này ở mức trung bình.

Lớp thứ ba là sự thích nghi. Đây là lớp được xây dựng trong chương trình Đối tác Nghiên cứu. Nó điều chỉnh bản đồ tổng thể bằng cách sử dụng các trường hợp đối chiếu từ một thực hành, để khi mô hình không chắc chắn về một trong nhiều kết quả khả thi, nó sẽ chọn ra kết quả đó.

Sự khác biệt này rất quan trọng vì nó đặt ra một kỳ vọng thực tế. Việc cá nhân hóa không phải xây dựng lại mô phỏng từ đầu trên vài trăm trường hợp, điều đó không chỉ không khả thi mà còn không an toàn. Nó thay đổi một mô hình tổng quát hoạt động tốt sang khu vực của không gian kết quả mà bác sĩ phẫu thuật cụ thể đó hoạt động.

Những gì được coi là dữ liệu hữu ích

Các bác sĩ phẫu thuật thường cho rằng câu trả lời là khối lượng. Số ca phẫu thuật nhiều hơn, mô hình tốt hơn. Khối lượng có vai trò quan trọng, nhưng nó không phải là yếu tố quyết định duy nhất. Sự nhất quán mới là yếu tố quyết định.

Có bốn yếu tố làm cho một vụ kiện trở nên hữu ích.

Một pha bắt bóng đồng bộ. Một hình ảnh 3D trước phẫu thuật và một hình ảnh 3D sau phẫu thuật của cùng một bệnh nhân. Nếu không có hai hình ảnh này, sẽ không có gì để học hỏi được. Chỉ một bức ảnh sau phẫu thuật đã cho mô hình biết kết quả sẽ như thế nào nhưng không cho biết cấu trúc cơ bản ban đầu là như thế nào, và toàn bộ tín hiệu này được tạo ra từ mối quan hệ giữa hai hình ảnh này.

Khoảng thời gian hậu phẫu đều đặn. Các mô ở tuần thứ sáu và tuần thứ chín có cấu trúc khác nhau. Sưng phồng sẽ biến mất, miếng cấy sẽ ổn định, phần dưới của ống sinh dục sẽ giãn ra. Một tập dữ liệu trong đó khoảng thời gian thay đổi một cách không thể đoán trước sẽ dạy cho mô hình rằng cùng một ca phẫu thuật lại mang lại nhiều kết quả khác nhau, điều này hoàn toàn trái ngược với mục tiêu. Một cách thực hành có độ chính xác nhất quán trong khoảng thời gian đã định sẽ mang lại nhiều kết quả hơn so với cách thực hành chỉ ghi nhận được kết quả khi bệnh nhân quay lại.

Các quyết định liên quan đến vụ án. Nhà sản xuất cấy ghép, tham chiếu, khối lượng và cấu hình. Cấu trúc túi và mặt phẳng. Bất kỳ kỹ thuật nào cũng sẽ quyết định chất liệu của kết quả, chẳng hạn như mức độ thoát dịch bên dưới hoặc cách quản lý nếp gấp. Nếu không có các thông tin này, mô hình sẽ chỉ nhận được thông tin đầu vào và kết quả không được giải thích rõ ràng, và không thể phân biệt được tác động của cấy ghép với tác động của kỹ thuật.

Chụp những điều kiện không bị dịch chuyển. Cùng một thiết bị, vị trí bệnh nhân tương tự, vị trí tay tương tự. Điều này nghe có vẻ vụn vặt. Đó là sự khác biệt giữa việc học tập về phẫu thuật của một mô hình và việc học tập về những đặc thù riêng của cách sắp xếp một căn phòng cụ thể vào một ngày cụ thể.

Hàng trăm cặp hình ảnh được chụp một cách có hệ thống và rõ ràng từ một bác sĩ phẫu thuật duy nhất mang lại tín hiệu thích ứng nhiều hơn gấp nhiều lần so với số lượng hình ảnh được chụp một cách rời rạc. Đây là phần khiến hầu hết các bác sĩ phẫu thuật khác đều phải ngạc nhiên.

Những gì mô hình không học được

Cần phải nêu rõ ràng vì đây là một mối quan ngại phổ biến.

Mô hình này không được đào tạo để nhận diện bệnh nhân. Việc điều chỉnh hoạt động dựa trên hình học cơ thể và các thông số phẫu thuật, chứ không phải dựa trên tính nhận dạng. Dữ liệu bệnh nhân được ẩn danh trước khi đưa vào quá trình đào tạo, và sự đồng ý sử dụng nghiên cứu được thu thập thông qua quy trình đồng ý của bệnh nhân do đối tác tự thực hiện.

Những gì người đồng hành nhận được

Nguồn đầu ra của dự án là một phiên bản của Arbrea, trong đó các mô phỏng được điều chỉnh phù hợp với thực tiễn này. Nói một cách cụ thể, điều đó có nghĩa là mô hình giải quyết các vấn đề liên quan đến túi phẫu thuật thực tế mà bác sĩ sử dụng, cân nhắc các nhóm cấy ghép mà họ đang cung cấp và phản ánh hành vi của mô trong nhóm bệnh nhân mà họ thực sự điều trị.

Hai hiệu ứng phụ có xu hướng quan trọng ngang bằng với hiệu ứng chính.

Thứ nhất, việc xây dựng bộ dữ liệu buộc các bác sĩ phải chuẩn hóa cách thu thập kết quả của mình. Các bác sĩ thực hiện quy trình này thường cuối cùng sẽ có được hồ sơ theo dõi kéo dài có hệ thống đầu tiên về kết quả của bản thân, độc lập với mô hình. Một số đồng nghiệp đã mô tả điều này là kết quả hữu ích hơn ngay lập tức.

Thứ hai là việc hiệu chỉnh theo hướng ngược lại. Khi một bác sĩ phẫu thuật so sánh kết quả tổng hợp của mình với mô hình chung, sự khác biệt đó chỉ là một thước đo về kỹ thuật của họ chứ không phải là một đánh giá về kỹ thuật đó.

Phiên bản trung thực của nỗ lực này đã được thực hiện

Đây không phải là một chương trình thụ động. Việc đóng góp nghĩa là chụp quét theo một quy trình nhất định, ghi nhãn các trường hợp với chi tiết kỹ thuật và theo dõi bệnh nhân trong khoảng thời gian sau phẫu thuật đã được quy định. Đối với một cơ sở đã thực hiện quét thường xuyên, công việc gia tăng là không đáng kể. Đối với những cơ sở chưa thực hiện việc này, đó là sự thay đổi trong quy trình làm việc.

Việc trao đổi thông tin là rất rõ ràng. Các bác sĩ phẫu thuật đã nỗ lực xây dựng những cấu trúc đó sẽ nhận được một mô hình được thiết kế dựa trên công việc của riêng họ, và họ sẽ nhận được nó trước, trong khi lĩnh vực này vẫn đang sử dụng các mô hình được thiết kế dựa trên những kiến thức chung của mọi người.

Xem quy trình dữ liệu và hiểu rõ vai trò của việc tham gia.