Teaching Rectal surgery through Artificial Intelligence Navigation: the TRAIN study

L’Escissione Totale del Mesoretto (TME) è una procedura fondamentale per il tumore del retto, con un impatto significativo sui tassi di recidiva locale e sulla sopravvivenza a lungo termine. La curva di apprendimento per padroneggiare la TME, in particolare negli approcci mini-invasivi come la chirurgia laparoscopica e robotica, è ripida, e la competenza viene generalmente raggiunta dopo 32-75 casi. Questo rappresenta una sfida per i chirurghi in formazione, poiché la TME è altamente complessa e richiede una tecnica estremamente meticolosa. L’intelligenza artificiale (AI) è emersa come uno strumento per affrontare tali curve di apprendimento, offrendo feedback oggettivi e valutazioni delle prestazioni. Studi preliminari suggeriscono che i modelli di AI possano valutare efficacemente le fasi chiave dell’intervento chirurgico, fornendo feedback precisi che migliorano l’apprendimento. Questo studio mira a verificare se video di formazione sulla TME guidati dall’AI possano accelerare la curva di apprendimento degli specializzandi in chirurgia dell’ultimo anno e dei giovani consulenti/chirurghi neo-specialisti. I partecipanti di tre centri (Trieste, Leuven e Ancona) saranno assegnati casualmente a tre gruppi: Gruppo 1: formazione standard Gruppo 2: formazione potenziata con AI tramite 30 video Gruppo 3: formazione potenziata con AI tramite 50 video Dopo un periodo di formazione di tre mesi, tutti i partecipanti saranno valutati sulla capacità di identificare il corretto piano di dissezione nella TME utilizzando 20 video chirurgici. L’obiettivo primario è valutare se la formazione potenziata con AI porti a prestazioni migliori rispetto alla formazione tradizionale. L’obiettivo secondario è verificare se un’esposizione prolungata all’AI (50 video) produca risultati migliori rispetto a un’esposizione più breve (30 video). Lo studio sarà il primo a testare video guidati dall’AI per la formazione nella TME e ha il potenziale di rivoluzionare l’educazione chirurgica riducendo la curva di apprendimento. I punti di forza includono il disegno randomizzato, il coinvolgimento multicentrico e la scalabilità dello strumento di AI. Tra i limiti vi sono l’assenza di feedback AI in tempo reale durante la chirurgia dal vivo e la durata relativamente breve del periodo di formazione. Nonostante ciò, lo studio potrebbe contribuire in modo significativo sia alla comunità chirurgica sia a quella educativa, offrendo un modello per integrare l’AI nella formazione chirurgica.

Total Mesorectal Excision (TME) is a critical procedure for rectal cancer, significantly impacting local recurrence rates and long-term survival. The learning curve for mastering TME, particularly in minimally invasive approaches like laparoscopic and robotic surgery, is steep, with proficiency typically achieved after 32 to 75 cases. This presents a challenge for surgical trainees, as TME is highly complex and demands meticulous technique. Artificial intelligence (AI) has emerged as a tool to address such learning curves by offering objective feedback and performance evaluation. Early studies suggest that AI models can effectively assess key steps in surgery, providing precise feedback that enhances learning. This study aims to test whether AI-guided TME training videos can accelerate the learning curve for last-year surgical residents and young consultants. Participants from three centers (Trieste, Leuven, and Ancona) will be randomly assigned to three groups: Group 1 (regular training), Group 2 (AI-enhanced training with 30 videos), and Group 3 (AI-enhanced training with 50 videos). After a three-month training period, all participants will be tested on their ability to identify the correct dissection plane in TME using 20 surgical videos. The primary objective is to assess whether AI-enhanced training leads to improved performance compared to traditional training. The secondary objective is to evaluate if extended AI exposure (50 videos) yields better outcomes than shorter AI exposure (30 videos). The study will be the first to test AI-guided videos for TME training and has the potential to revolutionize surgical education by shortening the learning curve. Strengths include its randomized design, multicenter involvement, and the scalability of the AI tool. Limitations include the lack of real-time AI feedback during live surgery and the relatively short training duration. Despite these limitations, the study could significantly contribute to both the surgical and educational communities, offering a model for integrating AI into surgical training.