Machine learning e altri strumenti di intelligenza artificiale vengono già utilizzati per la simulazione e la programmazione di interventi chirurgici, soprattutto a livello di formazione, consentendo così di trarre il massimo vantaggio da tutte le informazioni già raccolte sulle procedure chirurgiche.
Un gruppo di ricerca della McGill University di Montreal (Canada) ha però evidenziato un limite nei programmi esistenti: la poca trasparenza dei processi decisionali che portano allo sviluppo degli algoritmi usati. La scarsa leggibilità degli algoritmi di machine learning è dovuta a un effetto chiamato “blackbox”: i modelli d’apprendimento automatico sono per lo più delle scatole nere e risultano poco comprensibili anche ai più esperti.
Questa caratteristica contribuisce a ridurre la fiducia degli utilizzatori, e non solo, nei confronti della stessa intelligenza artificiale, scoglio importante da superare perché limita il potenziale di questi nuovi strumenti tecnologici.
Da qui l’idea di creare un nuovo framework per la simulazione di procedure chirurgiche basato su quella che si chiama “intelligenza artificiale spiegabile” (XAI, eXplainable Artificial Intelligence): un insieme di tecniche che permettono di comprendere e presentare una visione trasparente dei modelli di apprendimento automatico e degli algoritmi di intelligenza artificiale in generale.
Una volta sviluppato il framework, questo è stato anche validato tramite la realizzazione di una piattaforma educativa con feedback automatico, capace di dare indicazioni allo studente in simulazione rispetto alla qualità del suo operato. Questo strumento si chiama Virtual Operative Assistant (VOA) e la sua validazione si è concentrata soprattutto sulla neurochirurgia, anche se può essere utilizzato anche in altri ambiti.
Nykan Mirchi, primo autore dell’articolo che racconta della creazione del VOA, pubblicato lo scorso febbraio su Plos One, racconta: «il Virtual Operative Assistant è stato sviluppato da un team multidisciplinare guidato dal dottor Rolando Del Maestro, direttore del Neurosurgical Simulation and Artificial Intelligence Learning Centre della McGill University. Il team racchiudeva competenze in neurochirurgia, formazione chirurgica, intelligenza artificiale e psicologia. Come detto, volevamo costruire uno strumento basato sulla intelligenza artificiale spiegabile da usare in training simulati in chirurgia e medicina. Volevamo che il sistema fosse trasparente e fornisse sia un feedback agli studenti sia un assessment oggettivo. L’intelligenza artificiale ha infatti il vantaggio di permettere a chi si sta formando di identificare specifici aspetti della competenza chirurgica e migliorarli: il sistema è infatti capace di evidenziare le componenti critiche presenti nelle skill di un chirurgo, con una precisione che un educatore umano non è in grado di fare».
Ci si riferisce per esempio alla fermezza della mano, che l’occhio umano può non cogliere appieno come invece un sistema artificiale, ma anche la decisione e la precisione del taglio possono essere più facilmente rilevate da una intelligenza artificiale, così pure l’impatto sui tessuti circostanti la zona operatoria.
«Si è scelto di sviluppare la piattaforma con MATLAB R2018b», riprende Mirchi, «utilizzando dati presi da 50 partecipanti allo studio che hanno portato avanti una procedura simulata di resezione di un tumore subpiale. La simulazione è stata svolta su una piattaforma di realtà virtuale chiamata Neuro VR. Abbiamo scelto questa procedura perché la sua tecnica operatoria richiede elevate capacità neurochirurgiche e perché viene utilizzata sia nella cura dei tumori cerebrali che nella chirurgia dell’epilessia. Ebbene, i dati ottenuti da queste procedure sono stati utilizzati per sviluppare 270 metriche di performance, utili per valutare, comparare e tracciare le performance dei chirurghi. Dopo un’attenta analisi con un algoritmo iterativo sono state scelte 4 metriche e, una volta normalizzate, queste e i dati sono stati dati in pasto a un algoritmo di machine learning come input iniziali: l’algoritmo ha subito identificato alcuni pattern nascosti, classificando i partecipanti in esperti e non esperti con una accuratezza del 92%, una sensibilità del 100% e una specificità del 82%».
Più nel dettaglio i partecipanti erano neurochirurghi esperti (14), assistenti neurochirurghi (4), senior resident (10), junior resident (10) e studenti di medicina (12). 28 di questi professionisti erano da considerarsi esperti, mentre gli altri erano alle prime armi con la tecnica chirurgica. Ciò significa che questo Virtual Operative Assistant può riconoscere con buona precisione una procedura condotta da un chirurgo esperto da quella effettuata da uno specialista alle prime armi. Come accade per tutte le machine learning, la precisione dei feedback e delle analisi portate avanti aumenta al crescere dei dati che alimentano l’algoritmo di base. La precisione migliora anche con il numero delle metriche utilizzate. Nello studio presentato, erano quattro. Lo studio dimostra quindi l’efficacia di questo sistema che può fornire feedback agli specialisti in formazione per migliorarne le prestazioni. Vediamo quindi tutti i vantaggi offerti da questo sistema.
I vantaggi di VOA
Spiega Mirchi che il primo vantaggio offerto dalla VOA è che è complementare ai tradizionali metodi di formazione in chirurgia: individua infatti specifiche componenti delle capacità psicomotorie delle mani che lo studente deve migliorare o che possono limitarlo. «Le performance psicomotorie richieste in un intervento chirurgico sono molto complesse e difficili da insegnare. Bene, il VOA permette di registrare ogni capacità chirurgica dello studente e di analizzarle per individuare delle metriche. Queste sono utili per capire dove bisogna migliorare. Esistono poi altri aspetti interessanti. Innanzitutto, il VOA offre un paradigma educativo oggettivo su cui basare una simulazione chirurgica, dal momento che ogni studente viene valutato basandosi sulle stesse metriche di performance. Questo permette di rendere più omogenea la formazione. Inoltre, il VOA non valuta solo le performance del singolo studente, ma le confronta con altre metriche di performance rendendo così più completa e olistica la valutazione e il feedback. Infine, con i suoi feedback il VOA favorisce un apprendimento auto-guidato, riducendo quindi la necessità di una costante supervisione, indispensabile invece nei modelli correnti di apprendimento. Questa tecnologia permette a chi sta effettuando praticantato o sta semplicemente imparando una nuova tecnica chirurgica di farlo in un ambiente protetto, ripetendo la procedura tutte le volte che sia necessario fino a miglioramento. Attenzione però: nessuno vuole sostituirsi al ruolo dell’insegnante, ma semmai affiancarlo e fornirgli un ulteriore strumento per formare al meglio i chirurghi».
Una domanda sorge spontanea: il sistema è sufficientemente intuitivo da permettere a uno studente di utilizzarlo in modo semplice fin dall’inizio? E come fornisce il feedback?
Allenamento e apprendimento
Il modello adottato per fornire il feedback all’utilizzatore da parte del VOA si basa su un paradigma di allenamento ripetuto.
«Ogni volta che un nuovo utente completa uno scenario simulato le sue metriche di performance vengono automaticamente analizzate e date in pasto al sistema, che fornisce rapidamente un feedback in termini di percentuale di capacità mostrate. Nel dettaglio, 100% significa che l’operatore è esperto e 0% che è novello. Questa valutazione viene effettuata in modo graduale per diverse tipologie di metriche, partendo da quelle collegate alla sicurezza. Allo studente viene quindi chiesto di ripetere la simulazione fino a quando non riesce a ottenere buoni livelli nelle metriche di sicurezza. A questo punto il sistema lo fa avanzare e lavorare sulle metriche di Instrument Motion assessment, verificando contemporaneamente che la sicurezza non perda di qualità».
Insomma, grazie a questo sistema di intelligenza artificiale la formazione può procedere per step, migliorando ogni volta un aspetto dell’atto chirurgico.
Francesca Gonzato, una studentessa italiana che ha avuto modo di sperimentare direttamente il VOA, racconta la sua esperienza: «il sistema è molto utile per allenare la manualità degli operatori. Certo, all’inizio ci vuole un poco di pazienza, ma una volta preso contatto con questa VR il suo utilizzo diventa molto deduttivo. A mio parere, il VOA è molto utile per la formazione di professionisti che andranno a trattare patologie chirurgiche a livello celebrale e infatti è inserito nell’insegnamento e nella formazione dei neurochirurghi. Da un punto di vista più tecnico, c’è un presidio virtuale da indossare per entrare nella visualizzazione. A questo “caschetto” è collegata la strumentazione chirurgica, ovvero una pinza nella mano sinistra e un bisturi nella mano destra. Al termine della simulazione tutte le azioni compiute, errori compresi, vengono fate vedere su uno schermo così da verificare il livello di preparazione raggiunto».
In questo modo è anche possibile trasformare una simulazione individuale in un momento di condivisione tra studenti per perplessità e domande. Un momento in cui la presenza del formatore esperto è fondamentale. Ma quali sono gli ambiti di applicazione di questo strumento?
«Il VOA può essere adattato al meglio per tutte le pratiche di apprendimento di un adulto. Non ci sono limiti. Noi abbiamo focalizzato il VOA all’ambito neurochirurgico, ma inserendo altri dati di partenza lo si può istruire a lavorare anche in altri ambiti chirurgici, così come in altre pratiche mediche e infermieristiche».
Lo strumento è a disposizione di tutti gli esperti che volessero studiarlo e applicarlo. Il suo codice completo è infatti pubblicato qui. Lo studio è stato supportato dalla Franco Di Giovanni Foundation, una fondazione Italo-Canadese guidata da Lina Giovanni.
