根据8月2日在JAMA网络公开赛上发表的一项研究报告，利用机器学习算法预测50名实施虚拟神经外科手术志愿者的手术技能水平，其准确率可以达到90%。

作为人工智能的一个子集，机器学习（ML）利用从训练情境和场景生成的数据来指导各种情况下的预测和决策。这项技术正在影响越来越多的领域，比如从预测金融危机，到指导流媒体服务的开发编程，再到识别美术作品中隐藏的图案等等。智能语音助手Siri采用机器学习为iPhone的语音服务提供支持，Facebook也将其用于广告的精准推送。

在医疗领域，机器学习也在不断完善诊断方法。加拿大蒙特利尔的麦吉尔大学神经外科模拟和人工智能学习中心的Alexander Winkler-Schwartz及其同事展开了一项新的研究，他们进行了一个名为“外科手术数据科学”的项目，对50名志愿者的手术技能所达到的标准专业水平进行评估，这50名志愿者分布于神经外科医生成长的不同阶段。

机器学习在评估手术技能方面的潜在价值是双重的：既能够揭示一些平时容易忽略、但可能会造成错误的表现，还可以根据技术能力对参与者进行分类，为培训实践和评估提供依据。

这项研究通过前瞻性和观察性病例，确定了虚拟现实外科手术过程中使用的特定指标，使算法能够根据专业水平准确地对参与者进行分类，包括：专家（神经外科专家），高级医师（神经外科医生和高级住院医师）、初级医师（神经外科住院医师）和医学院学生。

9名女性志愿者和41名男性志愿者（平均年龄33.6岁）于2015年3月至2016年5月分别在麦吉尔大学实施了多次手术，通过显微镜切除5个虚拟的原发性皮质脑肿瘤，并采用超声波抽吸器清除组织。手术实施的过程中需要剥离软膜，并烧灼血管。

志愿者每次手术的时间为3分钟，每人做五次。该小组由14名神经外科医生、4名专家，10名高级住院医师，10名初级住院医师和12名医学院学生组成。

研究评估的270个指标主要分布在四个主要方面：单台器械的运动、两台器械的运动、器械施加的力度，以及组织移除或出血情况。这些评估包括许多细节，如神经抽搐、出血速度的变化、器械尖端的会聚和分流，以及肿瘤体积的变化。

部署的四种算法的准确率分别为90％，84％，78％和76％。总体而言，最后的结果是，这一项目对两名神经外科医生、一名高级住院医师和一名初级住院医师进行了错误分类，四种算法中有三种算法将一名医学生错误分类为神经外科医生。

研究人员得出结论：“我们发现性能最佳的机器学习算法只使用了6个性能指标，将50个参与者中的45个成功进行分类......这些研究结果表明，机器学习算法可能能够对外科手术水平进行分类。这比之前通过手术证明的精确度更高。”

研究人员表示，该方法可用于其他外科手术。爱尔兰科克大学医院麻醉和重症监护医学系的George Shorten医学博士在一篇评论中对此表示认同。他指出，这个项目促使人们更广泛地考虑如何将人工智能应用于医学中的人类行为，尤其是技术任务的表现。深刻地指出了人工智能在培养人类技术技能方面的潜在价值。

Shorten补充说，机器学习方法的优点在于关联性随着数据的增加而增强，从而构建强大的预测工具。但是具有局限性的是，即使采用270个指标，仍然只代表专家或新手表现的大量指标中的一小部分。

Shorten指出，外科医生们可能通过不同的途径达到相同的目的，而机器学习方法可能无法捕获这种任务和技能的组合。他补充说，增加对精神运动、视觉空间能力、手术习惯的评估，可能有助于理解手术编排中的各个步骤。