Denne siden ble automatisk oversatt og nøyaktigheten av oversettelsen er ikke garantert. Vennligst referer til engelsk versjon for en kildetekst.

AI-generert video-tilbakemelding for å forbedre tekniske ferdigheter i koronar bypass-operasjon

3. februar 2026 oppdatert av: Shengshou Hu, China National Center for Cardiovascular Diseases

AI-generert video-tilbakemelding for å forbedre tekniske ferdigheter i koronar bypass-kirurgi

Denne studien har som mål å evaluere om målrettet video-tilbakemelding generert av en kunstig intelligens (AI)-basert modell for vurdering av kirurgisk prestasjon kan støtte forbedring av tekniske ferdigheter blant hjertekirurger som utfører koronar bypass-kirurgi (CABG). Dette er en enkeltgruppestudie med selvkontroll, en intervensjonsstudie med før- og etter-målinger. Deltakende kirurger vil sende inn en baseline CABG-kirurgivideo, som vil bli vurdert både av en AI-modell og blindede menneskelige ekspertvurderere ved bruk av standardiserte skåringsstandarder. Basert på AI-vurderingen vil kirurger motta personlig tilpasset video-tilbakemelding som fremhever operative trinn assosiert med lavere teknisk prestasjon. Etter en ett måneds selvstyrt gjennomgangsperiode vil en oppfølgings-CABG-kirurgivideo bli sendt inn og evaluert ved bruk av samme prosess. Endringer i menneskevurderte tekniske ferdighetspoeng mellom baseline og oppfølging vil bli brukt til å vurdere den potensielle pedagogiske virkningen av AI-generert video-tilbakemelding.

Studieoversikt

Status

Har ikke rekruttert ennå

Forhold

Intervensjon / Behandling

Detaljert beskrivelse

Koronar bypass-kirurgi (CABG) er en kompleks kirurgisk prosedyre som krever et høyt nivå av teknisk dyktighet fra hjertekirurger. Variasjon i kirurgisk teknikk kan påvirke prosedyrekvalitet og pasientutfall. Nylige fremskritt innen kunstig intelligens (AI) har muliggjort automatisk vurdering av kirurgisk prestasjon ved bruk av operasjonsvideodata, noe som skaper nye muligheter for objektiv tilbakemelding og kirurgisk opplæring.

Denne studien har som mål å vurdere om målrettet videotilbakemelding generert av en AI-basert modell for vurdering av kirurgisk prestasjon kan hjelpe hjertekirurger med å forbedre sine tekniske ferdigheter i CABG-prosedyrer. Deltakende kirurger hvis grunnleggende tekniske prestasjon rangerte i den nedre halvdelen av AI-scoringssystemet vil motta personlig tilpasset videotilbakemelding som fremhever operative trinn og manøvrer assosiert med lavere prestasjonsscore.

I denne enkeltgruppestudien med selvkontroll vil hver deltakende kirurg sende inn en grunnleggende CABG-kirurgisk video, som vil bli uavhengig vurdert av både AI-modellen og et panel av erfarne hjertekirurger ved bruk av standardiserte scoringskriterier. Etter å ha mottatt AI-generert videotilbakemelding vil kirurgene få én måned til å gjennomgå og reflektere over tilbakemeldingen uten ytterligere formell opplæring eller veiledning. En oppfølgings-CABG-kirurgisk video vil deretter bli sendt inn og vurdert ved bruk av samme evalueringsprosess.

Studiens primære utfall er endringen i tekniske ferdighetsscore tildelt av menneskelige ekspertvurderere mellom grunnleggende og oppfølgingsvideoer. Sekundære utfall inkluderer kirurgers selv-vurdering av AI-identifiserte prestasjonsmangler, samsvar mellom AI-generert tilbakemelding og menneskelig eksperttilbakemelding, og utvalgte pasienters postoperative utfall under sykehusopphold. Funnene fra denne studien kan bidra til å belyse rollen til AI-assistert videotilbakemelding som et skalerbart pedagogisk verktøy for utvikling av kirurgiske ferdigheter.

Studietype

Intervensjonell

Registrering (Antatt)

100

Fase

  • Ikke aktuelt

Kontakter og plasseringer

Denne delen inneholder kontaktinformasjon for de som utfører studien, og informasjon om hvor denne studien blir utført.

Studiekontakt

Studiesteder

  • Kina
    • Beijing Municipality
      • Beijing, Beijing Municipality, Kina, 102300
        • Fuwai Hospital
        • Ta kontakt med:

Deltakelseskriterier

Forskere ser etter personer som passer til en bestemt beskrivelse, kalt kvalifikasjonskriterier. Noen eksempler på disse kriteriene er en persons generelle helsetilstand eller tidligere behandlinger.

Kvalifikasjonskriterier

Alder som er kvalifisert for studier

  • Barn
  • Voksen
  • Eldre voksen

Tar imot friske frivillige

Ja

Beskrivelse

Inklusjonskriterier:

  • Baseline AI-vurdert teknisk ytelse rangert i de nederste 50% innenfor poengsystemet i CAMERA-studien (NCT06739005)

Eksklusjonskriterier:

  • Uvillig til å delta

Studieplan

Denne delen gir detaljer om studieplanen, inkludert hvordan studien er utformet og hva studien måler.

Hvordan er studiet utformet?

Designdetaljer

  • Primært formål: Annen
  • Tildeling: N/A
  • Intervensjonsmodell: Enkeltgruppeoppdrag
  • Masking: Ingen (Open Label)

Våpen og intervensjoner

Deltakergruppe / Arm
Intervensjon / Behandling
Eksperimentell: AI-veiledet video-tilbakemeldingsintervensjon
Deltakerne i denne studien vil motta en tilpasset undervisningsintervensjon bestående av AI-generert videotilbakemelding basert på deres grunnleggende koronar bypass-kirurgiske videoer. AI-modellen analyserer kirurgisk ytelse og identifiserer spesifikke operative trinn med lavere tekniske ferdighetspoeng. Kuraterte videoklipp som fremhever disse områdene blir gitt til kirurgene for egenvurdering og refleksjon. Ingen ytterligere formell opplæring eller veiledning gis i løpet av den ene måned lange intervensjonsperioden, deretter blir en oppfølgingskirurgisk video sendt inn for revurdering.
Atferdsmessig: AI-veiledet videotilbakemeldingsintervensjon
Deltakere i denne studien vil motta en personlig tilpasset pedagogisk intervensjon som består av AI-generert videotilbakemelding basert på deres grunnlinje videoer av bypass-operasjon (CABG). AI-modellen analyserer kirurgisk ytelse og identifiserer spesifikke operative trinn med lavere tekniske ferdighetspoeng. Kuraterte videoklipp som fremhever disse områdene blir gitt til kirurgene for egenvurdering og refleksjon. Ingen ytterligere formell opplæring eller veiledning blir gitt i løpet av den ene måned lange intervensjonsperioden, etter hvilken en oppfølgingskirurgisk video blir innsendt for revurdering.

Hva måler studien?

Primære resultatmål

Resultatmål
Tiltaksbeskrivelse
Tidsramme
Endring i Human Expert-Rated Technical Skill Score mellom Baseline og Oppfølgings-CABG-videoer
Tidsramme: Baseline, 1 måned
Hovedutfallsmålet er endringen i tekniske ferdighetspoeng tildelt av et panel av blindede menneskelige ekspertvurderere, som uavhengig vurderer anonymiserte koronar bypass-operasjonsvideoer (CABG) innsendt ved baseline og en måned etter å ha mottatt AI-generert videotilbakemelding. Poengsettingen bruker en standardisert rubrikk for å vurdere den overordnede tekniske operasjonsprestasjonen. Jo høyere poengsum, jo bedre prestasjon: respekt for vev, tid og bevegelse, instrumenthåndtering, kunnskap om instrumenter, bruk av assistenter, operasjonsflyt og fremtidig planlegging, og kunnskap om den spesifikke prosedyren. Hvert domene ble poengsatt på en 5-punkts Likert-skala, der 1 indikerte dårlig prestasjon og 5 representerte fremragende prestasjon. I tillegg ga hver vurderer en overordnet inntrykkspoengsum (1-5) for å fange deres helhetlige vurdering av operasjonsprestasjonen. De to poengsummene ble skalert til 100 poeng, og den endelige poengsummen består av 70 % av summen av de 7 domenevurderingene og 30 % av den overordnede inntrykkspoengsummen.
Baseline, 1 måned

Sekundære resultatmål

Resultatmål
Tiltaksbeskrivelse
Tidsramme
Kirurgens selv-vurderinger av AI-tilbakemeldingen
Tidsramme: 1 måned
Kirurger vil gjennomgå de AI-genererte videoklippene som fremhever tekniske prestasjonsmangler og fylle ut et selv-evalueringsskjema for å vurdere deres tilfredshet med AI-tilbakemeldingene.
1 måned
Konsistens mellom AI-tilbakemeldinger og tilbakemeldinger fra menneskelige eksperter.
Tidsramme: Baseline, 1 måned
Denne utfallsmålingen vurderer konsistensen mellom den AI-genererte tilbakemeldingen på kirurgisk prestasjon og evalueringene gitt av menneskelige ekspertvurderere. AI-scoren ble generert av et to-trinns dyp læringsrammeverk og menneskelige ekspertvurdereres score ble generert av en validert 7-domene vurderingsskala som beskrevet i det primære utfallet. Intraklassekorrelasjonskoeffisienten (ICC) vil bli brukt til å vurdere konsistensen mellom kirurgisk teknikk-scorene vurdert av AI-modellen og de som er vurdert av menneskelige ekspertvurderere.
Baseline, 1 måned
Postoperative utskrivningsresultater: forekomsten av større komplikasjoner
Tidsramme: Utgangspunkt, 1 måned
Pasienters postoperative utfall under sykehusopphold vil bli samlet inn og analysert for å utforske eventuelle sammenhenger med endringer i kirurgens tekniske prestasjoner etter AI-tilbakemeldingsintervensjonen. Forekomsten av store komplikasjoner (et sammensatt utfall av død, akutt nyreskade, hjerteinfarkt og hjerneslag)
Utgangspunkt, 1 måned
Postoperative resultater under sykehusoppholdet: forekomsten av dødsfall
Tidsramme: Utgangspunkt, 1 måned
Sammenhengene med endringer i kirurgens tekniske prestasjoner etter AI-tilbakemeldingsintervensjonen og forekomsten av dødsfall.
Utgangspunkt, 1 måned
Postoperative innleggelsesutfall: forekomsten av akutt nyreskade
Tidsramme: Utgangspunkt, 1 måned
Sammenhengene med endringer i kirurgens tekniske prestasjoner etter AI-tilbakemeldingsintervensjonen og forekomsten av akutt nyreskade.
Utgangspunkt, 1 måned
Postoperative utskrivningsutfall: forekomsten av hjerteinfarkt
Tidsramme: Utgangspunkt, 1 måned
Sammenhengene med endringer i kirurgens tekniske ytelse etter AI-tilbakemeldingsintervensjonen og forekomsten av hjerteinfarkt.
Utgangspunkt, 1 måned
Postoperative sykehusutfall: forekomsten av slag
Tidsramme: Utgangspunkt, 1 måned
Forbindelsene mellom endringer i kirurgens tekniske prestasjon etter AI-tilbakemeldingsintervensjonen og forekomsten av slag.
Utgangspunkt, 1 måned
Postoperative utfall ved sykehusinnleggelse: forekomsten av sekundær torakotomi
Tidsramme: Utgangspunkt, 1 måned
Sammenhengene med endringer i kirurgens tekniske prestasjoner etter AI-tilbakemeldingsintervensjonen og forekomsten av sekundær torakotomi.
Utgangspunkt, 1 måned
Postoperative innleggelsesutfall: forekomsten av IABP-implantasjon
Tidsramme: Baseline, 1 måned
Sammenhengene med endringer i kirurgens tekniske ytelse etter AI-tilbakemeldingsintervensjonen og forekomsten av IABP-implantasjon.
Baseline, 1 måned
Postoperative innleggelsesutfall: forekomsten av ECMO-implantasjon
Tidsramme: Utgangspunkt, 1 måned
Sammenhengene med endringer i kirurgens tekniske ytelse etter AI-tilbakemeldingsintervensjonen og forekomsten av ECMO-implantasjon.
Utgangspunkt, 1 måned
Postoperative sykehusutfall: forekomsten av sengekant hemofiltrering
Tidsramme: Baseline, 1 måned
Sammenhengene med endringer i kirurgens tekniske prestasjoner etter AI-tilbakemeldingsintervensjonen og forekomsten av sengekant hemofiltrering.
Baseline, 1 måned
Postoperative utskrivningsutfall: forekomsten av peritoneal dialyse
Tidsramme: Utgangspunkt, 1 måned
Sammenhengene med endringer i kirurgens tekniske prestasjon etter AI-tilbakemeldingsintervensjonen og forekomsten av peritonealdialyse.
Utgangspunkt, 1 måned
Postoperative sykehusutfall: forekomsten av trakeotomi
Tidsramme: Utgangspunkt, 1 måned
Sammenhengene med endringer i kirurgens tekniske prestasjon etter AI-tilbakemeldingsintervensjonen og forekomsten av trakeotomi.
Utgangspunkt, 1 måned

Samarbeidspartnere og etterforskere

Det er her du vil finne personer og organisasjoner som er involvert i denne studien.

Sponsor

China National Center for Cardiovascular Diseases

Studierekorddatoer

Disse datoene sporer fremdriften for innsending av studieposter og sammendragsresultater til ClinicalTrials.gov. Studieposter og rapporterte resultater gjennomgås av National Library of Medicine (NLM) for å sikre at de oppfyller spesifikke kvalitetskontrollstandarder før de legges ut på det offentlige nettstedet.

Studer hoveddatoer

Studiestart (Antatt)

31. januar 2026

Primær fullføring (Antatt)

31. mars 2026

Studiet fullført (Antatt)

30. april 2026

Datoer for studieregistrering

Først innsendt

23. desember 2025

Først innsendt som oppfylte QC-kriteriene

3. februar 2026

Først lagt ut (Faktiske)

10. februar 2026

Oppdateringer av studieposter

Sist oppdatering lagt ut (Faktiske)

10. februar 2026

Siste oppdatering sendt inn som oppfylte QC-kriteriene

3. februar 2026

Sist bekreftet

1. februar 2026

Mer informasjon

Begreper knyttet til denne studien

Nøkkelord

Andre studie-ID-numre

  • FW-HSS

Plan for individuelle deltakerdata (IPD)

Planlegger du å dele individuelle deltakerdata (IPD)?

JA

IPD-planbeskrivelse

Data som samles inn for studien vil bli gjort tilgjengelig offentlig etter rimelig forespørsel (huss@fuwai.com) etter to år fra publisering.

IPD-delingstidsramme

Etter to år med publisering.

Tilgangskriterier for IPD-deling

Alle med et protokoll sendt til huss@fuwai.com og godkjent av prosjektlederen kan få tilgang til dataene. Dataene vil bli overført via Excel eller SAS.

IPD-deling Støtteinformasjonstype

  • STUDY_PROTOCOL
  • SEVJE

Legemiddel- og utstyrsinformasjon, studiedokumenter

Studerer et amerikansk FDA-regulert medikamentprodukt

Nei

Studerer et amerikansk FDA-regulert enhetsprodukt

Nei

Denne informasjonen ble hentet direkte fra nettstedet clinicaltrials.gov uten noen endringer. Hvis du har noen forespørsler om å endre, fjerne eller oppdatere studiedetaljene dine, vennligst kontakt register@clinicaltrials.gov. Så snart en endring er implementert på clinicaltrials.gov, vil denne også bli oppdatert automatisk på nettstedet vårt. .

Abonnere