外科手术技能主观评估的问题
眼科外科医生的培训离不开经验丰富的导师的反馈。然而，传统上通过手术视频评估技能水平在很大程度上仍然是主观的：两位专家可能对相同的器械操作动作做出不同的解读。这拖慢了专业人才的培养进度，也给考核认证带来了出错的风险。
此前试图解决这一问题的自动化系统，往往像“黑箱”一样运作：它们给出一个最终评分，却不解释该评分是基于哪些具体动作得出的。对于教学而言，这样的结果毫无用处——年轻的外科医生不明白自己究竟需要改进什么。
用于手术视频分析的可解释AI平台
一个研究团队推出了一款新平台，它将计算机视觉与信号处理相结合。它的任务不仅是判断技能水平，还要展示究竟是哪些手部动作、速度和器械轨迹影响了评分。与以往那些“不透明”的方案不同，这里的每一项结论都可以追溯到具体的指标。
该系统依托于目前规模最大的数据集：2000段白内障摘除手术记录。这使得算法能够学习多样化的技术和操作风格，而不仅仅局限于有限的样本。
关键特点在于可解释性。该平台从视频中提取十项客观的运动指标，例如器械移动的流畅度、速度和轨迹精度。这些指标会与专家的评分进行比对，但与人类不同的是，机器能够指出手术中动作不够果断或不够优化的具体片段。
系统精度如何验证
在实验研究中，使用了83段手术视频。外科专家按照新的CSAS（撕囊技能评估系统）量表对每段视频进行评分，该量表聚焦于关键步骤——连续环形撕囊。随后，将这些主观评分与十项自动计算的指标进行了比较。
结果显示，人工判断与算法计算结果之间具有高度一致性。技能水平预测的准确率达到了87%。更重要的是，这种相关性在每一项指标上都分别得到了体现，而不仅仅体现在最终总分上。这证实了：该系统并非简单“猜测”，而是确实识别出了有意义的动作模式。
这对实践意味着什么
可解释AI有望成为住院医师培训和继续医学教育中的实用工具。年轻外科医生得到的不仅仅是一个“高于平均水平”的评价，而是对具体需要改进的动作的详细分析。考核委员会也能获得客观的量化数据，作为主观印象之外的补充。
开发者强调，他们的平台并非要取代专家，而是为他们提供强有力的支持。它有望统一全球范围内的评估标准，使外科医生的培养过程更加透明、更具可重复性。下一步计划是在更大规模的样本以及白内障手术的其他步骤上扩展验证。
