Эффективность освоения пациент-ориентированной междисциплинарной модели взаимодействия на примере робот-ассистированных технологий обучения
- Авторы: Байдаров А.А.1, Вронский А.С.2, Лазарьков П.В.3, Асташина Н.Б.4, Шамарина А.М.4
-
Учреждения:
- Пермский национальный исследовательский политехнический университет
- Клинический кардиологический диспансер
- Федеральный центр сердечно-сосудистой хирургии имени С.Г. Суханова
- Пермский государственный медицинский университет имени академика Е.А. Вагнера
- Выпуск: Том 41, № 6 (2024)
- Страницы: 134-140
- Раздел: Методы диагностики и технологии
- Статья получена: 24.11.2024
- Статья опубликована: 15.12.2024
- URL: https://permmedjournal.ru/PMJ/article/view/642201
- DOI: https://doi.org/10.17816/pmj416134-140
- ID: 642201
Цитировать
Полный текст
Аннотация
Цель. Оценить эффективность применения человекоподобных роботов для подготовки к аккредитации специалистов и для обучения студентов и врачей медицинского вуза.
Материалы и методы. В проспективном исследовании проанализированы данные двух групп студентов V–VI курсов лечебного и стоматологических факультетов на предмет успешности курации пациентов. Студентам предлагалось провести опрос пациента и установить предварительный диагноз с нозологиями «Ишемическая болезнь сердца» и «Кардиомиопатия Такоцубо». Первая группа проходила обучение по стандартной модели обучения путем курации пациента, вторая группа проходила обучение с использованием робота-симулятора. По окончании курации студентам предлагалось заполнить чек-лист, по которому и проводилась оценка успешности.
Результаты. Выполнить курацию по первому клиническому сценарию удалось в 85 % случаев в группе 1 и в 100 % в группе 2 (p < 0,0001). По второму клиническому сценарию успешная курация в группе 1 состоялась в 11 % случаях и в 100 % случаях в группе 2 (p < 0,0001). При оценке курации согласно чек-листу среднее количество баллов в группе 1 составило 7,3 ± 1,5 балла, в группе 2 – 8,5 ± 1,6 (p < 0,0001).
Выводы. Интеграция робототехнических систем в симулированное обучение увеличивает эффективность преподавательской работы с точки зрения охвата большего числа аспектов различных тем благодаря неоднократному идентичному воспроизведению ситуации.
Полный текст
Введение
Четвертая промышленная революция характеризуется развитием и применением искусственного интеллекта (ИИ) и робототехники [1]. Робот – это система, первостепенной целью которой является непрерывное выполнение задач, указанных в алгоритме, при сохранении их характеристик в процессе повторения. Применение промышленных роботов началось 30 лет назад, когда они стали широко использоваться в качестве помощников или даже заменителей человека на производстве, на транспорте и в медицине [2].
Симуляционное обучение в медицине насчитывает тысячелетия и неразрывно связано с развитием технологий. В докомпьютерную эру в широком пользовании оказались фантомы, муляжи, манекены. С приходом компьютерных систем симуляция шагнула на новую ступень за счет введения запрограммированных алгоритмов в указанные имитационные структуры, тем самым обеспечивая формирование более реалистичных ситуаций, но при некотором ограничении количества вариантов развития событий. Век ИИ позволил преобразовать и автоматизировать традиционные подходы, что является актуальным для выполнения отдельных врачебных манипуляций, в том числе, например, во время хирургического вмешательства или на стоматологическом приеме.
Активное внедрение роботизированных систем в медицинское образование позволяет сформировать необходимые компетенции у будущих медицинских специалистов и улучшить их качество [3].
Доказано, что симуляция в обучении анестезиологов улучшает технические навыки, главной задачей которых является скорость клинического мышления и манипулятивных реакций. Навык клинического мышления должен быть развит у врача любого профиля, поэтому важность его формирования и отработки не вызывает сомнений [4]. Освоение врачебных тактических приемов является актуальным аспектом подготовки и повышения квалификации всех медицинских работников, и, по нашему мнению, сценарный подход к обучению в части интеграции специалистов разного профиля с отработкой клинических сценариев в условиях смоделированного врачебного приема может стать одним из наиболее эффективных [5].
При этом остаются дискуссионными вопросы, касающиеся формирования клинического мышления, коммуникативных навыков и эффективности освоения нозологической единицы у студентов разных медицинских специальностей с использованием антропоморфных роботов, способных моделировать клинические сценарии [6]. Актуальной на сегодняшний день является проблема междисциплинарного взаимодействия, а также особенности работы со «сложными» пациентами. Поиск ответов на эти вопросы и ряд экспериментов, проведенных авторами ранее, определил выбор цели настоящего исследования.
Материалы и методы исследования
За период с 01.01.2023 по 01.01.2024 выполнено проспективное одноцентровое исследование на базе ФГБОУ ВО «Пермский государственный медицинский университет им. академика Е.А. Вагнера» Минздрава России.
Всего в исследование включено 200 студентов V–VI курсов лечебного и стоматологических факультетов. Студентов разделили на две группы по 100 человек. Первая группа проводила обучение по стандартной модели путем опроса пациента. В задачи входили сбор жалоб и анамнеза, постановка диагноза и назначения лечения. Необходимо было выполнить курацию двух пациентов с диагнозами:
Для оценки использовался чек-лист, в который было включено девять пунктов, согласно ключевым принципам пациенто-ориентированности и выполнения требований по постановке диагноза и назначению лечения [8]. При успешном выполнении каждого пункта присваивался один балл (таблица).
Чек-лист оценки курации пациента/ прохождении клинического диагноза
№ п/п | Параметр |
1 | Постановка верного диагноза |
2 | Полноценный сбор жалоб и анамнеза |
3 | Назначение лечение согласно клиническим рекомендациям с выбором оптимальной терапии |
4 | Уважительное отношение к пациенту |
5 | Целостность, логичность и преемственность лечебно-диагностического процесса |
6 | Информированность пациента о всех деталях лечебно-диагностического процесса |
7 | Создание комфортных условий пребывания пациента |
8 | Обеспечение эмоциональной поддержки пациента |
9 | Обеспечение непрерывности лечебного процесса (для обеспечения этого принципа прежде всего надо доносить подробную информацию о лекарственных препаратах, ограничениях, диете и т.д. в доступной для пациента форме) |
В качестве роботизированной системы использовался антропоморфный робот на базе платформы Robo-C.
У всех пациентов было получено информированное добровольное согласие на работу со студентами.
Курация пациентов проводилась на клинической базе ФГБОУ ВО «Пермский государственный медицинский университет им. академика Е.А. Вагнера» Минздрава России в кардиологическом отделении ГБУЗ ПК «Ордена "Знак Почёта" Пермская краевая клиническая больница».
Для проведения исследования на роботе был создан «лингвокейс» с собственной «лингвобазой», описывающий ключевые моменты нозологий «Ишемическая болезнь сердца» и «Кардиомиопатия Такоцубо». Данные сценарии были разработаны на основе российских и международных клинических рекомендаций и включали следующие разделы: вводная информация – описание образа взаимодействия с пациентом; опрос – собственно коммуникативная часть, включающая сбор жалоб и анамнеза робота-пациента; физикальный осмотр – представляющий собой набор данных осмотра пациента по системам организма; предварительный диагноз – выставляемый на основании жалоб, анамнеза, физикального осмотра; начальное лечение – базирующееся на основании предварительного диагноза с учетом анамнеза пациента; диагностические исследования – реализованные в виде набора данных для уточнения диагноза; заключительный диагноз – установленный на основании проведенных методов диагностики; лечение – сопоставимое с заключительным диагнозом сценария. В результате обработки и анализа данных получено свидетельство на ЭВМ [2]. Все предложенные наборы сведений в разделах «Физикальный осмотр» и «Диагностические исследования» включают правильные и неправильные позиции с целью оценки клинического мышления пользователя и более точного приближения к реальному врачебному приему. По окончании прохождения сценария пользователь мог ознакомиться с результатами симуляции, правильностью установленных диагнозов, назначенных методов исследования и лечения. Был разработан дизайн исследования (рисунок).
Рис. Дизайн исследования
Для статистической обработки полученных результатов использовали пакеты программ MedCalc® 15.8 Portable, Microsoft Excel 2010. Качественные переменные отражены в виде количества наблюдаемого признака и процентов, а для сравнения данных использовался критерий хи-квадрат (c2 Пирсона). При сравнении измерений по количественным показателям для оценки статистической значимости различий применяли Т-критерий для парных выборок.
Результаты и их обсуждение
Выполнить курацию по первому клиническому сценарию (ишемическая болезнь сердца) удалось в 85 % случаев в группе 1 (курация пациента) и в 100 % в группе 2 (курация робота) (p < 0,0001).
Ограничения, связанные с прохождением первого клинического сценария в группе 1, связаны с отказом пациентов (15 пациентов, 60 %), особенностями эмоционального статуса пациента (10 пациентов, 40 %).
По второму клиническому сценарию (кардиомиопатия Такоцубо) успешная курация в группе 1 (курация пациента) определялась в 11 % случаях и в 100 % – в группе 2 (курация робота) (p < 0,0001). В данном клиническом сценарии ограничения были связаны с отсутствием пациентов с редким заболеванием (89 %).
При оценке курации согласно чек-листу среднее количество баллов в группе 1 (курация пациента) составило 7,3 ± 1,5 балла, в группе 2 (курация робота) – 8,5 ± 1,6 (p < 0,0001).
Выводы
Обучение студентов лечению пациентов включает не только теоретические, но и практические занятия. Как без теории невозможна практика, так и без курации пациентов в период обучения на базе лечебных учреждений студент не сможет получить полноценные знания об аспектах изучаемой нозологии. К сожалению, не все студенты получают доступ к пациентам и не всегда рассматриваются случаи комбинированных заболеваний, когда требуется междисциплинарное взаимодействие специалистов разного профиля, в частности, при развитии неотложных состояний на стоматологическом приеме или, например, гнойно-воспалительных заболеваний челюстно-лицевой области в период стационарного лечения в кардиологических отделениях и т.п. Причины ограничений разнообразны: эпидемиологический режим ограниченного доступа в медицинские организации, отказ пациентов от общения со студентами, загруженность преподавателей-клиницистов, малое количество пациентов с определенными нозологиями и тем более сочетанием комбинаций. В нашем исследовании основные причины неудачной курации по первой нозологии (ишемическая болезнь сердца) в группе 1 (курация пациента) заключались в частичном ограничении доступа в клинику в связи с эпидемиологическим режимом и отказом пациентов от участия в учебном процессе. Главной причиной неудачной курации по второму клиническому сценарию в группе 1 (курация пациента) являлось чрезвычайная редкость заболевания кардиомиопатия Такоцубо. За год клинического исследования на лечебных базах университета был лишь один пациент с данной нозологией, и за время его госпитализации провести его курацию смогла лишь одна группа студентов. При этом робот-пациент доступен ежедневно, при работе с ним нет эпидемиологических ограничений и отказа от общения со студентами, в том числе вследствие усталости. Важным преимуществом использования робот-ассистированных систем является возможность формирования и отработки сценариев с любыми редкими, в том числе орфанными, заболеваниями, а также и различными клиническими состояниями. Стоит отметить, что, согласно чек-листу, не было выявлено значимых отличий по качеству лечебного процесса между исследуемыми группами студентов в зависимости от объекта кураций.
Таким образом, в этом исследовании рассматривается и демонстрируется органичная интеграция робототехнических систем, а также предпринимается попытка спрогнозировать эффективность их использования с целью имитации вариативных клинических ситуаций и возможностью отработки междисциплинарных подходов к лечению пациентов разного профиля.
Финансирование. Работа выполнена при финансовой поддержке Пермского научно-образовательного центра «Рациональное недропользование» (Проект «Новые материалы и технологии для медицины», 2024 г.).
Конфликт интересов. Авторы декларируют отсутствие явных и потенциальных конфликтов интересов, связанных с проведенным исследованием и публикацией настоящей статьи.
Вклад авторов равноценен.
Об авторах
А. А. Байдаров
Пермский национальный исследовательский политехнический университет
Email: shamarinaam@gmail.com
ORCID iD: 0000-0003-3888-3358
кандидат технических наук, доцент кафедры автоматики и телемеханики
Россия, ПермьА. С. Вронский
Клинический кардиологический диспансер
Email: shamarinaam@gmail.com
ORCID iD: 0000-0002-0465-8964
кандидат медицинских наук, исполняющий обязанности заведующего кардиохирургическим отделением
Россия, ПермьП. В. Лазарьков
Федеральный центр сердечно-сосудистой хирургии имени С.Г. Суханова
Email: shamarinaam@gmail.com
ORCID iD: 0000-0001-7165-9134
сердечно-сосудистый хирург
Россия, ПермьН. Б. Асташина
Пермский государственный медицинский университет имени академика Е.А. Вагнера
Email: shamarinaam@gmail.com
ORCID iD: 0000-0003-1135-7833
доктор медицинских наук, заведующая кафедрой ортопедической стоматологии
Россия, ПермьА. М. Шамарина
Пермский государственный медицинский университет имени академика Е.А. Вагнера
Автор, ответственный за переписку.
Email: shamarinaam@gmail.com
ORCID iD: 0009-0007-7379-3936
врач-ординатор
Россия, ПермьСписок литературы
- Taber J.M., Leyva B., Persoskie A. Why do People Avoid Medical Care? A Qualitative Study Using National Data. J. Gen. Intern. Med. 2015; 30 (3): 290–297. doi: 10.1007/s11606-014-3089-1
- Wang L., Zhou Y.H., Chiao B.J.M. Robots and firm innovation: evidence from Chinese manufacturing. J. Bus. Res. 2023; 162: 113878. doi: 10.1016/j.jbusres.2023.113878
- Pizam A., Ozturk A.B., Balderas-Cejudo A., Buhalis D., Fuchs G., Hara T., Chaulagain S. Factors affecting hotel managers’ intentions to adopt robotic technologies: a global study. Int. J. Hospit. Manag. 2022; 102: 103139. DOI: 10.1016/ j.ijhm.2022.103139
- Sarah E. Adkins, Dylan T. Vance, Katelyn Sanner Dixon, Jalee Birney, Joshua Lawton, Tyler Elmendorf, Benjamin Stone, German Berbel, Lyndsey J. Kilgore, Making surgical education intuitive: A surgical robotics primer for pre-clinical medical students. The American Journal of Surgery 2025; 239: 116057. doi: 10.1016/j.amjsurg.2024.116057
- Байдаров А.А., Асташина Н.Б., Валиахметова К.Р., Лазарьков П.В., Шамарина А.М. Отработка навыков оказания помощи при неотложных состояниях у врачей стоматологов с использованием антропоморфных симуляционных роботов. Виртуальные технологии в медицине 2024; 3 (41): 312–313. doi: 10.46594/2687-0037_2024_ 3_1973 / Baidarov A.A., Astashina N.B., Valiakhmetova K.R., Lazarkov P.V., Shamarina A.M. Practicing the skills of providing emergency care to dentists using anthropomorphic simulation robots. Virtual technologies in medicine 2024; 3 (41): 312–313. doi: 10.46594/2687-0037_2024_3_1973 (in Russian).
- Patel Saumil J., Notarianni Andrew P., Archer Kilbourne Martin, Albert Tsai, Pulton Danielle A., Linganna Regina E., Sai Bhatte, Mario Montealegre-Gallegos, Bhoumesh Patel, Nathan H. Waldron, Sindhuja R. Nimma, Perin Kothari, Larissa Kiwakyou, Sean M. Baskin, Jared W. Feinman. The Year in Graduate Medical Education: Selected Highlights from 2023. Journal of Cardiothoracic and Vascular Anesthesia 2024; 5: 1053–0770. doi: 10.1053/j.jvca.2024.05.003
- Байдаров А.А., Вронский А.С., Кабирова Ю.А., Лазарьков П.В., Шамарина А.М., Рудин В.В. Использование робот-ассистированных технологий при подготовке к прохождению аккредитации специалистов. Виртуальные технологии в медицине 2023; 3 (37): 303–304. doi: 10.46594/2687-0037_2023_3_1758 / Baidarov A.A., Vronsky A.S., Kabirova Yu.A., Lazarkov P.V., Shamarina A.M., Rudin V.V. The use of robot-assisted technologies in preparation for the accreditation of specialists. Virtual technologies in medicine 2023; 3 (37): 303–304. doi: 10.46594/2687-0037_2023_3_1758 (in Russian).
Дополнительные файлы
