De wereldwijde tekorten aan chirurgen worden steeds nijpender. Medische opleidingen staan onder druk en de behoefte aan veilige, efficiënte en schaalbare trainingsmethoden groeit met de dag. Onderzoekers van Johns Hopkins University presenteren nu een veelbelovende oplossing: een AI-gestuurde coach die medische studenten in real time begeleidt bij het oefenen van chirurgische vaardigheden. Deze technologie, gebaseerd op video’s en bewegingen van ervaren chirurgen, geeft directe, gepersonaliseerde feedback tijdens het hechten, een van de meest fundamentele handelingen in de chirurgie.
Waar studenten nu vooral afhankelijk zijn van oefenvideo’s, beperkte supervisie of feedback achteraf, biedt deze nieuwe AI een volledig andere leerervaring. Volgens hoofdauteur en AI-expert Mathias Unberath is dat cruciaal. “We staan op een kantelpunt. De druk op zorgprofessionals neemt toe, terwijl het huidige model van training nauwelijks schaalbaar is. Een chirurg met weinig tijd kan simpelweg niet continu studenten begeleiden en beoordelen, en toch verwachten we dat.”
Van beoordelen naar begrijpen
Bestaande AI-modellen kunnen studenten al een score geven: hoog of laag, vaardig of onervaren. Maar volgens Unberath schiet dat tekort. “Een student heeft niets aan een getal zonder uitleg. Als we betekenisvolle zelftraining willen mogelijk maken, moeten we uitleggen wat ze goed doen, wat niet, en vooral waarom.”
Daarom ontwikkelde het team een model dat werkt met explainable AI. De algoritmen analyseren niet alleen hoe goed een incisie wordt gesloten, maar leggen ook precies uit waar de techniek afwijkt van die van experts. Het systeem is getraind op de handbewegingen van ervaren chirurgen. Tijdens een oefensessie ontvangt de student onmiddellijk een tekstbericht met concrete verbeterpunten: van naaldhoek en spanning tot bewegingsefficiëntie en consistentie.
“Studenten willen objectieve, onmiddellijke feedback. Wij kunnen exact berekenen hoe hun prestaties veranderen voor en na de interventie, en zien of ze dichter bij het expertpatroon komen”, aldus promovenda en eerste auteur Catalina Gomez.
AI als versneller van leercurves
Het team voerde een primeurstudie uit waarin 12 geneeskundestudenten met basiservaring in hechten werden verdeeld over twee trainingsmethoden: AI-coaching versus video-instructie van een chirurg. Alle deelnemers sloten een incisie met hechtingen, waarna de ene groep AI-feedback kreeg en de andere groep zichzelf vergeleek met de instructievideo. Vervolgens voerden alle studenten de handeling opnieuw uit.
Het resultaat: vooral studenten met meer basiskennis maakten een forse leerstap. De AI-versies leerden sneller, consistenter en nauwkeuriger dan hun collega’s die video’s bekeken. Beginners hadden nog moeite met de techniek in het algemeen, maar studenten met een stevige basis konden de gerichte AI-tips direct toepassen. “In sommige gevallen zagen we een enorme sprong vooruit,” aldus Unberath. “AI-coaching biedt met name meerwaarde voor studenten die klaar zijn om feedback te integreren in hun techniek.”
Naar thuistraining met AI
De komende tijd richt het Johns Hopkins-team zich op verdere verfijning van het model, zowel technisch als gebruiksvriendelijk. Het uiteindelijke doel is een betaalbare tool waarmee studenten thuis kunnen oefenen met een hechtset en hun smartphone, zonder dat een docent fysiek aanwezig hoeft te zijn.
Volgens Unberath is dat de sleutel tot schaalbaarheid. “We willen AI en computer vision inzetten om studenten overal en altijd toegang te geven tot hoogwaardige training. Hiermee kunnen we de druk op klinische opleiders verminderen en tegelijkertijd de kwaliteit van de opleiding verbeteren. Het gaat erom hoe technologie echte problemen in de zorg kan oplossen.”
Een nieuwe rol voor AI in de medische opleiding
Met deze innovatie krijgt AI een nieuwe rol: niet ter vervanging van artsen, maar als digitale leermeester die toekomstige chirurgen ondersteunt, motiveert en verfijnd laat oefenen. In een tijd van groeiende werkdruk en personeelstekorten toont deze technologie hoe slim ontworpen AI de medische opleiding toekomstbestendig kan maken.
Enkele maanden geleden heeft een team van Mount Sinai een veelbelovend AI-gestuurd trainingssysteem ontwikkeld waarmee geneeskundestudenten complexe chirurgische handelingen zelfstandig kunnen leren. Het systeem combineert deep learning met een extended reality (XR)-headset die stap-voor-stap instructies en realtime feedback geeft. Hiermee wordt het tekort aan ervaren chirurgische opleiders deels opgevangen.
In een test met 17 studenten voerden alle deelnemers met succes een gesimuleerde partiële nefrectomie uit, waarbij zij oefenden op een levensechte 3D-geprinte ‘fantoomnier’. Een first-person camera registreerde hun handelingen, terwijl de AI deze direct analyseerde en corrigeerde. Het model behaalde een nauwkeurigheid van 99,9 procent bij een cruciale operatiestap.
Volgens hoofdonderzoeker dr. Nelson Stone kan deze aanpak de toegang tot hoogwaardige opleiding vergroten, kosten verlagen en de consistentie in vaardigheidstraining verbeteren. Studenten waardeerden het programma zeer, en het team werkt aan een uitgebreidere versie die volledige operaties kan simuleren.
