La formación en simuladores para intervenciones quirúrgicas guiadas por imagen se beneficiaría de sistemas inteligentes que detecten la evolución del rendimiento en la tarea y controlen las estrategias individuales de velocidad-precisión al proporcionar retroalimentación automática efectiva sobre el rendimiento. En las primeras etapas de formación, los novatos a menudo se centran en realizar la tarea más rápidamente. Esto puede, como se muestra aquí, comprometer la evolución de sus puntuaciones de precisión, a veces de manera irreparable, si no se controla lo antes posible. La inteligencia artificial podría ayudar a asegurar que un aprendiz alcance su óptimo equilibrio individual entre velocidad y precisión al monitorear criterios de rendimiento individuales, detectar tendencias críticas en cualquier momento y alertar al aprendiz tan pronto como sea necesario sobre cuándo desacelerar y centrarse en la precisión, o cuándo concentrarse en aumentar la velocidad. Se sugiere que, para un benchmarking efectivo, las estadísticas de entrenamiento individuales de los novatos se comparen con las estadísticas de un cirujano experto. Las funciones de velocidad-precisión de los novatos entrenados en un gran número de sesiones experimentales revelan diferencias en las estrategias individuales de velocidad-precisión y aclaran por qué tales estrategias deberían ser detectadas y controladas automáticamente antes de que se pueda prever un entrenamiento adicional en modelos de tareas quirúrgicas específicas o modelos clínicos. Se explica cómo se pueden aprovechar las estadísticas de referencia de expertos para el control automático del rendimiento.