O problema da avaliação subjetiva de habilidades cirúrgicas
O treinamento de cirurgiões oftalmologistas é impensável sem o feedback de mentores experientes. No entanto, a avaliação tradicional da proficiência por vídeos de cirurgias permanece em grande parte subjetiva: dois especialistas podem interpretar os mesmos movimentos do instrumento de maneiras diferentes. Isso retarda a formação de profissionais e cria risco de erros na certificação.
Sistemas automatizados que tentaram resolver esse problema anteriormente muitas vezes funcionavam como uma "caixa-preta": forneciam uma pontuação final, mas não explicavam com base em quais movimentos ela foi atribuída. Para o treinamento, essa resposta é inútil — o cirurgião jovem não entende exatamente o que precisa corrigir.
Plataforma de IA explicável para análise de vídeos de cirurgias
Um grupo de pesquisadores apresentou uma nova plataforma que combina visão computacional e processamento de sinais. Sua tarefa não é apenas determinar o nível de proficiência, mas mostrar quais movimentos das mãos, velocidade e trajetória do instrumento influenciaram a avaliação. Ao contrário das soluções anteriores "opacas", aqui cada conclusão pode ser rastreada até uma métrica específica.
O sistema se baseia no maior conjunto de dados disponível até hoje: 2.000 gravações de cirurgias de remoção de catarata. Isso permite que os algoritmos aprendam com diversas técnicas e estilos de trabalho, e não apenas com uma amostra limitada.
A característica-chave é a explicabilidade. A plataforma extrai do vídeo dez métricas objetivas de movimento, como suavidade do deslocamento do instrumento, velocidade e precisão da trajetória. Essas métricas são comparadas com as avaliações de especialistas, mas, ao contrário de um humano, a máquina pode apontar fragmentos específicos da cirurgia em que os movimentos foram inseguros ou não otimizados.
Como a precisão do sistema foi testada
No estudo experimental, foram utilizadas 83 gravações em vídeo de cirurgias. Cirurgiões especialistas avaliaram cada uma delas com base na nova escala CSAS (Capsulorhexis Skill Assessment System), focada na etapa-chave — a capsulorrexe. Em seguida, essas avaliações subjetivas foram comparadas com as dez métricas calculadas automaticamente.
O resultado mostrou alta concordância entre a opinião humana e os cálculos do algoritmo. A precisão da previsão do nível de proficiência atingiu 87%. Além disso, é importante que a correlação foi observada em cada métrica individualmente, e não apenas na pontuação final. Isso confirma que o sistema não apenas "adivinha", mas realmente reconhece padrões significativos de movimento.
O que isso significa para a prática
A IA explicável pode se tornar uma ferramenta útil na residência médica e na educação médica continuada. O cirurgião jovem recebe não apenas uma avaliação "acima da média", mas uma análise de movimentos específicos que devem ser melhorados. A comissão de certificação — dados quantitativos objetivos em complemento às impressões subjetivas.
Os desenvolvedores enfatizam que sua plataforma não substitui os especialistas, mas oferece um suporte poderoso. Potencialmente, ela pode unificar os padrões de avaliação em todo o mundo, tornando a formação de cirurgiões mais transparente e reproduzível. O próximo passo é expandir a validação para amostras maiores e outras etapas da cirurgia de catarata.
