探索眼睛指标与手术表现之间的关系：一项针对骨科医生在模拟手术中的研究

《Journal of Surgical Education》：Exploring the Relationship Between Eye Metrics and Surgical Performance: A Study on Orthopedic Surgeons in Simulated Procedures

　　

安德烈亚斯·拉德纳（Andreas Ladurner）|梅根·麦康奈尔（Meghan McConnell）

瑞士伯尔尼大学医学院教育研究所（IML）医学教育硕士项目（MME）毕业生

研究目的

旨在确定眼动追踪指标是否能够区分模拟关节镜手术任务中的不同手术熟练程度，并评估眼动追踪参数、模拟器生成的绩效指标与感知工作量之间的关联。

研究设计

这是一项采用混合现实关节镜模拟技术并结合眼动追踪与工作量评估的单中心观察性教育研究。

研究环境

在一家三级学术机构的骨科手术模拟实验室中进行。

研究对象

26名骨科医生（11名住院医师和15名资深医生）在佩戴头戴式双目眼动追踪设备的情况下，完成了6项难度逐渐增加的标准化关节镜手术任务。

研究结果

模拟器生成的绩效指标在住院医师和资深医生之间没有显著差异。相反，多项眼动追踪指标显示出了与经验相关的差异。资深医生在多个任务中的注视次数更少，平均注视时间更长，表明他们的视觉注意力策略更为高效。扫视参数、瞳孔测量值和眨眼频率在各组之间没有显著差异。当根据模拟器生成的绩效结果对参与者进行分层后，眼动追踪指标无法可靠地区分表现优异者和表现不佳者。使用NASA任务负荷指数（NASA-TLX）评估的感知工作量与模拟器绩效之间的相关性较弱且不一致。

研究结论

在关节镜模拟中，眼动追踪指标主要反映了与经验相关的视觉注意力差异，而非模拟器定义的客观技术绩效。基于注视的指标可能能够捕捉注意力效率和认知工作量的某些方面，但似乎不能作为手术绩效的独立可靠指标。因此，当与现有的绩效和工作量评估方法结合使用时，眼动追踪可以为手术专长的认知方面提供补充见解。

研究片段

引言

准确评估手术能力对于研究生培训至关重要，这既有助于保障患者安全，也有助于确保其能够独立行医。¹向基于能力的培训模式的转变增加了对有效评估手术技能获取方法的需求。²基于评分者的工具（如客观结构化技术技能评估OSATS）仍然是评估手术绩效的标准。^3,4然而，这些工具资源需求较高。

研究设计与研究对象

这项横断面观察性研究在瑞士的一家三级医疗机构开展。所有骨科和创伤科的医生都通过电子邮件受邀参与。参与是自愿的，没有提供任何报酬。当地伦理委员会认为无需正式的伦理审查；不过，所有参与者都签署了书面知情同意书。

工具与测量方法

在本研究中，参与者完成了6项标准化的关节镜手术任务

共有26名医生（11名住院医师和15名资深医生）参与了这项研究。人口统计学特征汇总在表2中。

住院医师与资深医生之间的比较：模拟器生成的绩效指标（包括总分数、完成时间和摄像机及器械移动路径长度）在两组之间没有显著差异。

相比之下，眼动追踪指标显示出了显著组间差异。资深医生的注视次数较少，平均注视时间更长

讨论

本研究探讨了眼动追踪指标是否能够区分由临床经验和模拟器生成的绩效所体现的手术熟练程度，以及这些指标与标准化关节镜模拟任务中的客观绩效指标和感知工作量之间的关系。研究发现主要有三点：首先，基于注视的眼动指标能够区分住院医师和资深医生，尽管他们的模拟器表现相当；其次，眼动追踪指标无法可靠地区分表现优异者和表现不佳者

研究结论

在这项基于模拟的研究中，基于注视的眼动追踪指标主要反映了与经验相关的视觉注意力差异，而非模拟器生成的技术绩效。尽管表现结果相似，资深医生的注视次数较少且注视时间较长，表明他们采用了不同的视觉信息处理策略。当绩效依据模拟器生成的结果来定义时，眼动追踪指标无法可靠地区分表现优异者和表现不佳者

在撰写本文期间，作者使用了ChatGPT（OpenAI, GPT-5.2）进行语言编辑，以提高手稿的清晰度和可读性。该AI工具仅用于语言优化。作者根据需要审查和修改了输出内容，并对出版物的内容负全责。

致谢

我们感谢卡斯滕·奥斯滕多普（Carsten Ostendorp）和凯南·贝克塔斯（Kenan Bektas）在眼动追踪系统使用方面提供的宝贵建议。他们的专业知识有助于实验程序的成功实施。