Denna sida har översatts automatiskt och översättningens korrekthet kan inte garanteras. Vänligen se engelsk version för en källtext.

AI-genererad videofeedback för att förbättra tekniska färdigheter i kranskärlsbypassoperation

3 februari 2026 uppdaterad av: Shengshou Hu, China National Center for Cardiovascular Diseases

AI-genererad videofeedback för att förbättra tekniska färdigheter vid koronar kranskärlsbypassoperation

Denna studie syftar till att utvärdera om riktad videoåterkoppling genererad av en artificiell intelligens (AI)-baserad modell för bedömning av kirurgisk prestation kan stödja förbättring av tekniska färdigheter hos hjärtkirurger som utför kranskärlsoperation (CABG). Detta är en enkelgrupps-, självkontrollerad, före-efter interventionsstudie. Deltagande kirurger kommer att lämna in en baslinjevideo från en CABG-operation, som kommer att bedömas av både en AI-modell och bländade humana expertbedömare med hjälp av standardiserade bedömningskriterier. Baserat på AI-bedömningen kommer kirurgerna att få personanpassad videoåterkoppling som belyser operativa steg associerade med lägre teknisk prestation. Efter en enmånaders självstyrd granskningsperiod kommer en uppföljningsvideo från en CABG-operation att lämnas in och utvärderas med samma process. Förändringar i humana bedömningar av tekniska färdighetspoäng mellan baslinje och uppföljning kommer att användas för att bedöma den potentiella pedagogiska påverkan av AI-genererad videoåterkoppling.

Studieöversikt

Status

Har inte rekryterat ännu

Betingelser

Intervention / Behandling

Detaljerad beskrivning

Kranskärlsbypassoperation (CABG) är en komplex kirurgisk procedur som kräver en hög teknisk skicklighet från hjärtkirurger. Variationer i kirurgisk teknik kan påverka procedurkvalitet och patientutfall. Nyligen framsteg inom artificiell intelligens (AI) har möjliggjort automatiserad bedömning av kirurgisk prestation med hjälp av operationsvideodata, vilket skapar nya möjligheter för objektiv feedback och kirurgisk utbildning.

Denna studie syftar till att utvärdera om riktad videofeedback genererad av en AI-baserad modell för bedömning av kirurgisk prestation kan hjälpa hjärtkirurger att förbättra sina tekniska färdigheter i CABG-procedurer. Deltagande kirurger vars grundläggande tekniska prestation rankades i den nedre halvan av AI-poängsystemet kommer att få personlig videofeedback som lyfter fram operationssteg och manövrer associerade med lägre prestationspoäng.

I denna enskilda grupps självkontrollerade studie kommer varje deltagande kirurg att lämna in en grundläggande CABG-kirurgisk video, som kommer att utvärderas oberoende av både AI-modellen och en panel av erfarna hjärtkirurger med standardiserade bedömningskriterier. Efter att ha fått AI-genererad videofeedback kommer kirurger att ges en månad att granska och reflektera över feedbacken utan ytterligare formell utbildning eller handledning. En uppföljningsvideo från CABG-kirurgi kommer sedan att lämnas in och bedömas med samma utvärderingsprocess.

Studiens primära utfall är förändringen i tekniska färdighetspoäng tilldelade av mänskliga expertutvärderare mellan grundläggande och uppföljningsvideor. Sekundära utfall inkluderar kirurgers självbedömningar av AI-identifierade prestationsbrister, överensstämmelse mellan AI-genererad feedback och mänsklig expertfeedback, samt utvalda patienters postoperativa sjukhusutfall. Resultaten av denna studie kan informera om AI-assisterad videofeedbacks roll som ett skalbart utbildningsverktyg för utveckling av kirurgiska färdigheter.

Studietyp

Interventionell

Inskrivning (Beräknad)

100

Fas

  • Inte tillämpbar

Kontakter och platser

Det här avsnittet innehåller kontaktuppgifter för dem som genomför studien och information om var denna studie genomförs.

Studiekontakt

Studieorter

  • Kina
    • Beijing Municipality
      • Beijing, Beijing Municipality, Kina, 102300
        • Fuwai Hospital
        • Kontakt:

Deltagandekriterier

Forskare letar efter personer som passar en viss beskrivning, så kallade behörighetskriterier. Några exempel på dessa kriterier är en persons allmänna hälsotillstånd eller tidigare behandlingar.

Urvalskriterier

Åldrar som är berättigade till studier

  • Barn
  • Vuxen
  • Äldre vuxen

Tar emot friska volontärer

Ja

Beskrivning

Inklusionskriterier:

  • Baslinjens AI-bedömda tekniska prestanda rankad i den lägre 50 % inom poängsystemet i CAMERA-studien (NCT06739005)

Exklusionskriterier:

  • Ovillig att delta

Studieplan

Det här avsnittet ger detaljer om studieplanen, inklusive hur studien är utformad och vad studien mäter.

Hur är studien utformad?

Designdetaljer

  • Primärt syfte: Övrig
  • Tilldelning: N/A
  • Interventionsmodell: Enskild gruppuppgift
  • Maskning: Ingen (Open Label)

Vapen och interventioner

Deltagargrupp / Arm
Intervention / Behandling
Experimentell: AI-styrd videoåterkopplingsintervention
Deltagarna i denna studie kommer att få en personanpassad utbildningsintervention som består av AI-genererad videofeedback baserad på deras baslinjevideor av koronar bypass-kirurgi (CABG). AI-modellen analyserar kirurgisk prestation och identifierar specifika operativa steg med lägre tekniska färdighetspoäng. Kurerade videoklipp som belyser dessa områden tillhandahålls till kirurgerna för självgranskning och reflektion. Ingen ytterligare formell utbildning eller coaching ges under den enmånaderslånga interventionsperioden, varefter en uppföljningskirurgivideo lämnas in för omvärdering.
Beteende: AI-styrd videoåterkopplingsintervention
Deltagarna i denna studie kommer att få en personlig utbildningsintervention som består av AI-genererad videofeedback baserad på deras baslinjeoperationer av kranskärlsbypass (CABG). AI-modellen analyserar kirurgisk prestation och identifierar specifika operativa steg med lägre tekniska färdighetspoäng. Kurerade videoklipp som belyser dessa områden tillhandahålls till kirurgerna för självgranskning och reflektion. Ingen ytterligare formell utbildning eller coaching ges under interventionsperioden på en månad, varefter en uppföljningskirurgisk video skickas in för omvärdering.

Vad mäter studien?

Primära resultatmått

Resultatmått
Åtgärdsbeskrivning
Tidsram
Förändring i Human Expert-Rated Technical Skill Score mellan Baseline och Uppföljning CABG-videor
Tidsram: Baslinje, 1 månad
Det primära utfallet är förändringen i tekniska färdighetspoäng som tilldelats av en panel med bländade mänskliga expertrådgivare, som självständigt utvärderar anonymiserade hjärtkärlsbypass (CABG) kirurgiska videor som lämnats in vid baslinjen och en månad efter att ha fått AI-genererad videofeedback. Poängsättningen använder en standardiserad rubric för att bedöma den övergripande kirurgiska tekniska prestationen. Ju högre poäng, desto bättre prestation: respekt för vävnad, tid och rörelse, instrumenthantering, kunskap om instrument, användning av assistenter, operationsflöde och framåtriktad planering samt kunskap om det specifika ingreppet. Varje domän poängsattes på en 5-gradig Likertskala, där 1 indikerade dålig prestation och 5 representerade excellens. Dessutom gav varje rådgivare ett övergripande intryckspoäng (1-5) för att fånga deras holistiska bedömning av kirurgisk prestation. De två poängen skalades till 100 poäng och slutpoängen består av 70 % av 7-domänens betygssummor och 30 % av det övergripande intryckspoänget.
Baslinje, 1 månad

Sekundära resultatmått

Resultatmått
Åtgärdsbeskrivning
Tidsram
Kirurgens självbedömningar av AI-feedback
Tidsram: 1 månad
Kirurger kommer att granska de AI-genererade videoklippen som belyser tekniska prestationsbrister och fylla i ett självutvärderingsformulär där de utvärderar sin tillfredsställelse med AI-feedbacken.
1 månad
Överensstämmelse mellan AI-feedback och expertfeedback från människor.
Tidsram: Baslinje, 1 månad
Detta resultat bedömer överensstämmelsen mellan den AI-genererade återkopplingen om kirurgisk prestation och utvärderingar som tillhandahålls av mänskliga expertbedömare. AI-poängen genererades av ett tvåstegs djupinlärningsramverk och mänskliga expertbedömares poäng genererades av en validerad 7-domänbedömningsskala som beskrivs i det primära resultatet. Intraklasskorrelationskoefficienten (ICC) kommer att användas för att bedöma överensstämmelsen mellan de kirurgiska teknikpoäng som bedömts av AI-modellen och de som bedömts av mänskliga expertbedömare.
Baslinje, 1 månad
Postoperativa resultat under sjukhusvistelsen: förekomsten av större komplikationer
Tidsram: Baseline, 1 månad
Patientens postoperativa resultat under sjukhusvistelsen kommer att samlas in och analyseras för att undersöka eventuella samband med förändringar i kirurgens tekniska prestation efter AI-feedbackinterventionen. Förekomsten av allvarliga komplikationer (ett sammansatt utfall av död, akut njurskada, hjärtinfarkt och stroke)
Baseline, 1 månad
Postoperativa utfall på sjukhus: incidensen av död
Tidsram: Baslinje, 1 månad
Sambanden mellan förändringar i kirurgens tekniska prestation efter AI-feedback-interventionen och förekomsten av dödsfall.
Baslinje, 1 månad
Postoperativa utfall på sjukhuset: incidensen av akut njurskada
Tidsram: Baslinje, 1 månad
Sambanden med förändringar i kirurgens tekniska prestation efter AI-feedback-interventionen och incidensen av akut njurskada.
Baslinje, 1 månad
Postoperativa utfall under sjukhusvistelsen: incidensen av hjärtinfarkt
Tidsram: Baseline, 1 månad
Sambanden med förändringar i kirurgens tekniska prestation efter AI-feedbackinterventionen och förekomsten av hjärtinfarkt.
Baseline, 1 månad
Postoperativa utfall under sjukhusvistelsen: incidensen av stroke
Tidsram: Baseline, 1 månad
Sambanden med förändringar i kirurgens tekniska prestation efter AI-feedback-interventionen och förekomsten av stroke.
Baseline, 1 månad
Postoperativa in-hospital outcomes: incidensen av sekundär torakotomi
Tidsram: Baslinje, 1 månad
Sambanden mellan förändringar i kirurgens tekniska prestation efter AI-feedback-interventionen och förekomsten av sekundär torakotomi.
Baslinje, 1 månad
Postoperativa sjukhusutfall: incidensen av IABP-implantation
Tidsram: Baslinje, 1 månad
Sambanden med förändringar i kirurgens tekniska prestation efter AI-feedback-interventionen och incidensen av IABP-implantation.
Baslinje, 1 månad
Postoperativa utskrivningsresultat: incidensen av ECMO-implantation
Tidsram: Baslinje, 1 månad
Sambanden mellan förändringar i kirurgens tekniska prestation efter AI-feedbackinterventionen och förekomsten av ECMO-implantation.
Baslinje, 1 månad
Postoperativa utfall under sjukhusvistelsen: incidensen av sängsidig hemofiltrering
Tidsram: Baslinje, 1 månad
Sambanden med förändringar i kirurgens tekniska prestation efter AI-feedback-interventionen och förekomsten av sängsidig hemofiltrering.
Baslinje, 1 månad
Postoperativa sjukhusutfall: förekomsten av peritonealdialys
Tidsram: Baslinje, 1 månad
Sambanden mellan förändringar i kirurgens tekniska prestation efter AI-feedbackinterventionen och förekomsten av peritonealdialys.
Baslinje, 1 månad
Postoperativa utfall under sjukhusvistelsen: incidensen av trakeotomi
Tidsram: Baseline, 1 månad
Sambanden med förändringar i kirurgens tekniska prestation efter AI-feedbackinterventionen och incidensen av trakeotomi.
Baseline, 1 månad

Samarbetspartners och utredare

Det är här du hittar personer och organisationer som är involverade i denna studie.

Sponsor

China National Center for Cardiovascular Diseases

Studieavstämningsdatum

Dessa datum spårar framstegen för inlämningar av studieposter och sammanfattande resultat till ClinicalTrials.gov. Studieposter och rapporterade resultat granskas av National Library of Medicine (NLM) för att säkerställa att de uppfyller specifika kvalitetskontrollstandarder innan de publiceras på den offentliga webbplatsen.

Studera stora datum

Studiestart (Beräknad)

31 januari 2026

Primärt slutförande (Beräknad)

31 mars 2026

Avslutad studie (Beräknad)

30 april 2026

Studieregistreringsdatum

Först inskickad

23 december 2025

Först inskickad som uppfyllde QC-kriterierna

3 februari 2026

Första postat (Faktisk)

10 februari 2026

Uppdateringar av studier

Senaste uppdatering publicerad (Faktisk)

10 februari 2026

Senaste inskickade uppdateringen som uppfyllde QC-kriterierna

3 februari 2026

Senast verifierad

1 februari 2026

Mer information

Termer relaterade till denna studie

Nyckelord

Andra studie-ID-nummer

  • FW-HSS

Plan för individuella deltagardata (IPD)

Planerar du att dela individuella deltagardata (IPD)?

JA

IPD-planbeskrivning

Data som samlas in för studien kommer att göras tillgänglig för allmänheten på rimlig begäran (huss@fuwai.com) efter två år från publiceringen.

Tidsram för IPD-delning

Efter två år av publicering.

Kriterier för IPD Sharing Access

Alla med ett protokoll skickat till huss@fuwai.com och godkänt av PI kan komma åt data. Data kommer att överföras via excel eller sas.

IPD-delning som stöder informationstyp

  • STUDY_PROTOCOL
  • SAV

Läkemedels- och apparatinformation, studiedokument

Studerar en amerikansk FDA-reglerad läkemedelsprodukt

Nej

Studerar en amerikansk FDA-reglerad produktprodukt

Nej

Denna information hämtades direkt från webbplatsen clinicaltrials.gov utan några ändringar. Om du har några önskemål om att ändra, ta bort eller uppdatera dina studieuppgifter, vänligen kontakta register@clinicaltrials.gov. Så snart en ändring har implementerats på clinicaltrials.gov, kommer denna att uppdateras automatiskt även på vår webbplats .

Prenumerera