为下一代医生重新设计医学模拟培训

在病人的静脉中放置中心静脉导管来接收液体或药物是最常见的医疗程序之一，在每年有超过 500 万这样的程序。

宾夕法尼亚州立大学工程学院和医学院的研究人员旨在通过设计和实施一种新型机器人训练计划来降低中心静脉置管的错误率，该计划使用栩栩如生的人体模型和实时反馈来模拟患者情况。他们最近发表在《外科教育杂志》上的一项研究表明，置管错误和并发症(包括感染和血栓)显著减少。

目前，该团队已在宾夕法尼亚州立大学米尔顿·S·赫尔希医学中心和洛杉矶雪松西奈医学中心实施，并计划签署更多合作伙伴协议，已培训了 700 多名医生，目前每年培训 200 名新医生。该团队还在扩大参与医院的医疗模拟培训，包括结肠镜检查和腹腔镜检查。

斯嘉丽·米勒教授、杰森·摩尔教授和杰西卡·冈萨雷斯·巴尔加斯解释了宾夕法尼亚州立大学的研究人员设计的一种新型机器人训练程序如何使用栩栩如生的人体模型和增强现实来培训下一代医生。学生们在高保真环境中模拟现实世界中常见的手术场景，包括中心静脉置管、腹腔镜手术和结肠镜检查。利用人工智能和机器学习，医疗模拟器可以实时提供自动反馈。

2013 年，机械工程学教授 Scarlett Miller 和 Jason Moore 合作研究如何运用他们在模拟、机器人和工程设计方面的专业知识来解决医疗保健问题。

在获取数据和与临床医生交谈时，减少中心静脉导管(CVC)手术并发症的话题浮出水面。

“当我得知，执行 CVC 程序次数少于 50 次的新医生犯错的可能性是其他医生的两倍多时，我感到震惊，”同时也是工业工程教授的米勒说道。

作为一名人因工程和设计工程师，米勒的研究重点是设计符合用户需求的机器，以减少人为错误，尤其是在医疗应用中。当她和摩尔了解到这些并发症的根源是新医生缺乏实践和反馈时，团队着手设计一种可以模拟 CVC 程序并提供自动反馈的设备。

“在某些手术中，例如中心静脉导管插入术和结肠镜检查，存在利用人体模型的模拟医疗培训，但目前的模型往往局限于特定场景，缺乏足够的反馈机制，”摩尔说。“带有物理工具(如橡胶皮肤)的培训系统无法承受数百名住院医生数千次的练习。这些培训系统存在不足。”

摩尔和米勒的研发成果由国立卫生研究院资助，结合了可以模拟多种场景、提供实时反馈并能经受降低并发症发生率所需的重复训练的人体模型。

住院医生可以使用超声波来监测将针头插入目标静脉的进展情况。该系统会立即发出警报，以纠正定位和其他潜在错误。研究人员表示，至关重要的是，该培训系统还可以通过调整与体重、身高、性别和年龄相关的参数来模拟多种患者类型。

“我们所有的设备都提供了多种解剖结构，”Moore 说道。“如果我们能够模拟多种不同类型的解剖结构和个体，那么这些丰富的知识将更好地应用于临床，让医生接触到他们将遇到的各种各样的患者。”