新しいVR/AR脊椎シミュレーターにおける手術技術の解明：転移学習と接続重み分析を用いた多層アプローチ
カテゴリ：医学教育
公開日：2026年2月19日
タイトル：Unveiling surgical expertise through machine learning in a novel VR/AR spinal simulator: A multilayered approach using transfer learning and connection weights analysis.
雑誌名：Comput Biol Med. 2024 Sep; 179: 108809.
概 要：
本研究は、仮想および拡張現実の手術シミュレーターにおいて、人工ニューラルネットワークと転移学習アルゴリズムを用いて手術パフォーマンスを評価することを目的としています。特に、脊椎手術のシミュレーションにおける小規模なデータセットの課題に対処するため、276のパフォーマンス指標を生成し、転移学習を適用しました。これにより、手術技術の訓練と評価の精度を向上させることが期待されます。
方 法：
この研究は、27人の参加者を対象にした実験で、参加者はポストレジデント、シニアレジデント、ジュニアレジデントの3つのグループに分けられました。新しいシミュレーターに人工ニューラルネットワークアルゴリズムを統合し、9つの選択された手術指標に基づいてモデルを訓練しました。転移学習を用いたモデルは、データセットの制限を克服するために、類似の脊椎シミュレーターで訓練された事前学習モデルから学習しました。
結 果：
独自に訓練されたモデルと転移学習を利用したモデルの2つが開発され、テスト精度はそれぞれ75%と87.5%に達しました。これにより、手術パフォーマンスの分類精度が向上しました。
結 論：
本研究は、手術シミュレーションにおける限られたデータセットの課題に対処するための新しいアプローチを提示し、転移学習とデータ拡張の戦略的利用を強調しました。これにより、手術訓練プラットフォームの検証が進むことが期待されます。