Forscherinnen und Forscher der Johns Hopkins University stellten ein erklärbares KI-System vor, das Medizinstudierende beim Erlernen grundlegender chirurgischer Fertigkeiten wie dem Nähen (Suturing) unterstützt. Die Methode, präsentiert auf der International Conference on Medical Image Computing and Computer Assisted Intervention, wurde mit Videos erfahrener Chirurgen und mit aufgezeichneten Handbewegungen trainiert, die beim Verschluss von Inzisionen entstanden.
Die KI gibt unmittelbar personalisiertes Feedback: Nach dem Üben erhalten die Studierenden eine Textnachricht, die ihre Bewegungen mit denen der Expertinnen und Experten vergleicht und konkrete Änderungen zur Feinung der Technik empfiehlt. Das System ist eine Form erklärbarer KI (explainable AI) und soll das arbeitsintensive Beobachten und detaillierte Feedback durch betreuende Ärztinnen und Ärzte entlasten.
- Erste Studie: 12 Medizinstudierende mit etwas Näherfahrung, zufällige Zuteilung.
- Eine Gruppe bekam sofort KI-Feedback, die andere lernte aus Videos.
- Ergebnis: Studierende mit solider Grundausbildung lernten schneller mit der KI.
- Anfängerinnen und Anfänger profitierten in diesem Stadium weniger.
Mathias Unberath, der die Interaktion von Menschen und KI untersucht, sagte: "Das Nächstbeste könnte unsere erklärbare KI sein, die den Studierenden zeigt, wie ihre Arbeit von der der erfahrenen Chirurgen abweicht." Erstautorin Catalina Gomez ergänzte, das Team könne die Leistung vor und nach der Intervention berechnen, um zu prüfen, ob sich die Lernenden der Praxis der Expertinnen und Experten annähern. Die Forschenden wollen das Modell verfeinern, nutzerfreundlicher machen und breiter zugänglich machen, damit Studierende auch zu Hause mit Nähset und Smartphone üben können. Weitere Koautorinnen und Koautoren stammen von Johns Hopkins und der University of Arkansas. Die Arbeit wurde durch den Johns Hopkins DELTA Grant IO 80061108 und das Link Foundation Fellowship in Modeling, Simulation, and Training gefördert. Quelle: Johns Hopkins University.
Schwierige Wörter
- erklärbar — so, dass die Entscheidungen leicht verständlich sinderklärbares, erklärbare
- feedback — Rückmeldung über Leistung oder VerhaltenKI-Feedback
- inzision — medizinischer Schnitt in der Haut oder im GewebeInzisionen
- entlasten — weniger Arbeit oder Druck geben
- zuteilung — Verteilung oder Zuordnung nach einem Plan
- verfeinern — etwas genauer machen und verbessern
Tipp: Fahre über markierte Wörter oder tippe darauf, um kurze Definitionen zu sehen – während du liest oder zuhörst.
Diskussionsfragen
- Glauben Sie, personalisiertes KI-Feedback kann das Lernen praktischer Fertigkeiten zu Hause verbessern? Warum?
- Welche Risiken oder Nachteile sehen Sie, wenn Anfänger weniger vom KI-Feedback profitieren als Fortgeschrittene?
- Wie wichtig ist Ihnen, dass eine KI erklärbar ist, wenn sie in der Ausbildung eingesetzt wird? Begründen Sie kurz.
- Welche Verbesserungen würden Sie vorschlagen, damit Studierende sicher mit einem Nähset und Smartphone üben können?
Verwandte Artikel
Reisen in Nordwest-Kamerun: gefährlich und teuer
In der Nordwestregion Kameruns haben Straßensperren und Kämpfe das Reisen riskant gemacht. Motorräder ersetzen Busse, Fahrpreise steigen stark und Familien, Märkte sowie Schulen leiden unter den höheren Transportkosten und der Gewalt.
Quantencomputer können über Tausende Kilometer verbunden werden
Neue Forschung an der University of Chicago zeigt, dass Quantencomputer viel weiter verbunden werden könnten. Durch längere Quantenkohärenz und geänderte Kristallherstellung wären theoretisch Verbindungen über Tausende Kilometer möglich; nun folgen Labortests.
Biologisch abbaubares Herzpflaster nach Herzinfarkt
Ein neues biologisch abbaubares Pflaster gibt IL-4 direkt auf die verletzte Herzoberfläche ab. Mikronadeln fördern heilende Immunantworten, verringern systemische Nebenwirkungen und könnten die Erholung des Herzens verbessern. Aktuell erfordert das Pflaster eine offene Operation.
KI macht Handprothesen natürlicher
Forscher der University of Utah rüsteten eine Handprothese mit Näherungs- und Drucksensoren und künstlicher Intelligenz aus. Teilnehmende mit Amputation zwischen Ellenbogen und Handgelenk griffen sicherer, präziser und mit weniger geistigem Aufwand.
Rezession 2008 veränderte Klassenidentität in den USA
Neue Forschung zeigt: Die Rezession 2008 brachte viele Amerikaner dazu, sich einer niedrigeren sozialen Klasse zuzuordnen. Eine Studie, geleitet von Stephen Antonoplis, nutzte vier Datensätze mit rund 165.000 Menschen über Jahrzehnte.