Actionable Real-Time Modeling of Surgical Team Dynamics via Time-Expanded Interaction Graphs

ملخص تقني: النمذجة اللحظية القابلة للتنفيذ لديناميكيات الفريق الجراحي عبر الرسوم البيانية التفاعلية المتمددة زمنياً

بيان المشكلة
يُقاد أداء الفريق الجراحي من خلال تفاعلات معقدة بين التنفيذ التقني والمهارات غير التقنية، مثل التواصل والتنسيق. وبينما حققت علوم البيانات الجراحية (SDS) تقدماً في نمذجة سير العمل البصري وتقييم المهارات التقنية، إلا أن ديناميكيات الفريق داخل العمليات الجراحية لا تزال غير مستكشفة بشكل كافٍ. غالباً ما تفتقر النهج الحالية إلى تمثيلات مهيكلة لتفاعلات الفريق عبر الزمن أو تفشل في تقديم توجيهات قابلة للتنفيذ لتحسين الأداء. علاوة على ذلك، يمكن أن تؤدي الانقطاعات في التواصل وعدم توافق تخصيص المهام إلى عدم كفاءة زمنية، والتي ترتبط بزيادة المخاطر بعد الجراحة والتكاليف التشغيلية الكبيرة. تعاني النماذج التنبؤية الحالية غالباً في أنظمة البيانات الصغيرة النموذجية للفرق الجراحية، حيث قد تفرط الشبكات العصبية الرسومية الزمنية القياسية في التخصيص (overfitting) بسبب محدودية البيانات وحجم الفريق.

المنهجية
يقترح المؤلفون إطار عمل ينمذج التعاون بين الفريق الجراحي كسلسلة من الرسوم البيانية التفاعلية متعددة الوسائط التي يتم بناؤها عبر نوافذ زمنية ثابتة مدتها 15 ثانية. جوهر هذا النهج هو الشبكة العصبية العلاقاتية المتمددة زمنياً (TE-ReNN)، والتي تدمج الديناميكيات الزمنية مباشرة في طوبولوجيا الرسم البياني بدلاً من الاعتماد على البنى المتكررة (recurrent architectures).

1. نمذجة التفاعل:

   • المدخلات: بيانات السلاسل الزمنية متعددة الوسائط (السمات شبه اللغوية، الحركة، التفاعل بين الإنسان والأداة) المستخرجة من التسجيلات الصوتية والمرئية.
   • بناء الرسم البياني: لكل نافذة زمنية $t$، يتم إنشاء رسم بياني لقطة (snapshot graph) $G_t$ حيث تمثل العقد أعضاء الفريق وتمثل الحواف التواصل اللفظي. يُستخدم "افتراض البث" (broadcast assumption): عندما يتحدث أحد الأعضاء، تُضاف حواف موجهة إلى جميع الأعضاء الآخرين الحاضرين، مما يعكس البيئة الصوتية المشتركة لغرفة العمليات (OR).
   • سمات العقد: تدمج كل عقدة سمات شبه لغوية (الشدة، نسبة ألفا، نسبة التوافق إلى الضوضاء من مجموعة بيانات eGeMAPS 2.0)، وسمات الحركة (الموقع، الإزاحة)، وثلاثيات التفاعل بين الإنسان والأداة، والأدوار الوظيفية.

2. الرسم البياني المتمدد زمنياً ($G_{TE}$):

   • يبني إطار العمل رسماً بيانياً موحداً $G_{TE}$ عن طريق ربط الرسوم البيانية للقطات عبر الزمن.
   • حواف داخل اللقطة (Intra-snapshot edges): تلتقط التواصل داخل نافذة زمنية محددة.
   • حواف الهوية بين اللقطات (Inter-snapshot identity edges): تربط الحالات الزمنية المتتالية لنفس عضو الفريق ($v^t_i \to v^{t+1}_i$) للحفاظ على استمرارية الهوية ونمذجة الديناميكيات الفردية الطولية.
   • تسمح هذه البنية للمعلومات بالانتشار عبر أعضاء الفريق داخل النافذة الواحدة وعبر المسارات الفردية بمرور الوقت.

3. التحليل التناقضي القابل للتنفيذ (Actionable Counterfactual Analysis):

   • للانتقال لما وراء التنبؤ، يقوم النظام بتوليد تفسيرات تناقضية تحدد التغييرات الدنيا المطلوبة لتحسين النتائج المتوقعة (تحديداً، تقليل وقت العملية).
   • التناقضات الطوبولوجية: يحدد إجراء تحسين توافيقي (combinatorial optimization) أي التفاعلات (الحواف) يجب إضافتها أو إزالتها لنقل الإجراء من "بطيء" إلى "متوسط" أو "سريع".
   • التناقضات على مستوى السمات: تحدد خوارزمية جشعة (greedy algorithm) التغييرات الدنيا في السمات شبه اللغوية. يتم ربط هذه السمات بثماني فئات سلوكية متميزة (مثل "القائد الهادئ"، "المسيطر-العدواني"، "المنسحب"). يحاكي النظام تغيير الفئة السلوكية لأحد أعضاء الفريق لمراقبة التأثير على الكفاءة المتوقعة.

المساهمات الرئيسية

• بنية TE-ReNN: بنية عصبية مبتكرة تنمذج التفاعلات العلاقاتية والتطور الزمني في آن واحد من خلال دمج الزمن مباشرة في هيكل الرسم البياني، مما يعالج مخاطر الإفراط في التخصيص في البيئات الجراحية ذات البيانات المحدودة.
• إطار عمل تناقضي ثنائي المستوى: طريقة لتوليد اقتراحات سلوكية قابلة للتفسير، تعمل على كل من المستوى الطوبولوجي (هيكل التفاعل) ومستوى السمات (الفئات السلوكية).
• التحقق التجريبي: التقييم باستخدام مجموعة بيانات MM-OR (عمليات استبدال الركبة المحاكية) يوضح قدرة النموذج على تحسين التحديد المبكر للتدخلات المطولة وتقديم تفسيرات متماسكة.

النتائج
أُجريت التجارب باستخدام بروتوكول "ترك فريق واحد خارج الاختبار" (leave-one-team-out) على 27 إجراءً جراحياً محاكياً (14 عملية كاملة).

• الأداء التنبؤي: حقق نموذج TE-ReNN أعلى درجة F1 كلي (macro-F1) بلغت (70.1%) مقارنة بالنماذج المرجعية بما في ذلك الشبكات العصبية الساكنة (SNN)، والشبكات العصبية الزمنية (TNN)، والشبكات العصبية العلاقاتية (ReNN)، والشبكات الزمنية-العلاقية المدمجة (TReNN). يؤكد هذا أن النمذجة المشتركة للسمات السلوكية، والتبعيات الزمنية، والهياكل العلاقاتية للرسوم البيانية تحقق أداءً فائقاً مقارلة بمعالجة هذه المكونات بشكل منفصل.
• الرؤى التناقضية:
  • طوبولوجياً: أشارت التحليلات إلى أن حالات البطء تحدث غالباً عندما ينخرط الجراحون الذين يعملون كـ "قادة ديمقراطيين" في محادثات مع أعضاء غير مشاركين مباشرة في المهمة الحالية، بينما يرتبط التركيز "الاستبدادي" على المهام بإجراءات أسرع.
  • على مستوى السمات: حدد النموذج أن تعديل 10% فقط من الفئة السلوكية لعضو الفريق خلال نافذة زمنية يمكن أن يؤدي إلى زيادة تقريبية بنسبة 50% في الأداء المتوقع. ارتبط سلوك "القائد الهادئ" بشكل ملحوظ بالتباطؤ في سياقات معينة، بينما أظهرت التحولات السلوكية الأخرى إمكانات لتحقيق مكاسب في الكفاءة.

الأهمية والادعاءات
يزعم البحث دفع الذكاء الاصطناعي الجراحي نحو دعم قرار لحظي، وواعٍ بالفريق، وقابل للتنفيذ. من خلال صياغة وقت العملية كوكيل (proxy) لأداء الفريق، يقدم هذا العمل نظاماً لا يكتفي بالتنبؤ بالنتائج فح، بل يقدم توصيات محددة وقابلة للتفسير حول كيفية تعديل التواصل والسلوك داخل الفريق لتحقيق النتائج المرجوة. يؤكد المؤلفون أن هذا النهج يسد الفجوة بين دقة التنبؤ والتغذية الراجعة القابلة للتنفيذ في البيئات عالية الخطورة.

القيود
يقر المؤلفون بأن وقت العملية هو تقريب لأداء الفريق وليس مقياساً مباشراً لجودة الرعاية. بالإضافة إلى ذلك، تتطلب الفائدة العملية للتفسيرات التناضقية المولدة مزيداً من التحقق من قبل الخبراء في المجال، كما أن النطاق الحالي محدود لأنماط معينة وإجراءات محاكية.