医学影像培训中人工智能辅助教学探索范文

本站小编为你精心准备了医学影像培训中人工智能辅助教学探索参考范文，愿这些范文能点燃您思维的火花，激发您的写作灵感。欢迎深入阅读并收藏。

摘要：住院医师规范化培训要求医生在短时间内掌握基本临床技能和专业知识。人工智能（artificialintel-ligence，AI）近年来已经逐步走进了日常临床和教学工作中，本文拟将AI辅助教学应用于医学影像学规范化培训中，并探讨AI在规范化培训中的应用模式和意义。

关键词：人工智能；住院医师规范化培训；医学影像学

一、引言

住院医师规范培训是医学生毕业后继续教育的重要环节，已经在全国各省市逐步开始执行，也将会在以后很长一段时间内成为年轻医生的必修环节。一般规范化培训期限为3年，3年之内除了需要轮转临床的内、外、妇、儿科，还需要轮转辅助科室，如医学影像科、核医学、超声科等。以医学影像科放射科为例，不同专业住院医师轮转时间可能差异很大（0.5—18个月）。如何在短时间内有效率地掌握医学影像学知识，特别是临床医生能直接应用的技能是医学影像科规培的关键问题[1]。因此，本研究拟使用人工智能（Arti-ficialIntelligence，AI）辅助教学的方法探索在短时间内教授住院医师有效掌握医学影像技能的可行性。

二、材料方法

1.分组信息。连续收集2017年7月—2018年12月在天津医科大学总医院医学影像科进行规培的住院医师共263人，每人均进行2小时的后处理和报告书写培训。随机分为2组进行冠状动脉计算机断层扫描血管造影（Computedtomographyangiography，CTA）后处理和报告书写。其中，AI组使用“冠心病智能辅助诊断系统”（CoronaryDoc，数坤网络科技有限公司）进行图像后处理和报告书写（见图1）；人工组使用常规西门子后处理工作站（Syngo.via，SiemensHealthineers）。由签发报告上级医生对冠状动脉后处理的血管图像质量、影像诊断报告进行评分，并记录平均后处理及报告书写时间。2.评分标准。图像评分采用Likert4级评分法：1分为图像质量优，对诊断无任何影响；2分为图像质量良好，诊断基本不受影响；3分为图像质量尚可，诊断稍困难，但尚能做出诊断；4分为图像质量差，诊断困难。报告评分使用影像归档和通信系统（PictureArchivingandCommunicationSystems，PACS）终端的书写报告系统（GECentricityDICOMViewer3.1）的5分制进行评分。5分：诊断准确、描述清晰；4分：诊断正确、描述欠清晰；3分：诊断不明确；2分：为部分诊断有错误或遗漏重要鉴别诊断；1分：遗漏重要病变、诊断或误判。3.统计学分析。AI组和人工组的后处理图像评分、报告质量评分均采用秩和检验类判断是否存在差别。书写报告时间采用Studentt检验验证两组之间的差别。P＜0.05为具有统计学意义。

三、结果

通过对263名住院医生的共计573个CTA病例的分析结果显示：AI组和人工组的后处理图像质量无明显差别，而AI组的报告书写评分明显高于人工组，AI组的后处理及书写报告使用时间明显较短（见表1）。

四、讨论

1.住院医师规范化培训面临的问题。以前我国没有规范化住院医师培训制度，医学生毕业后未经任何二级学科培养就直接分配到医院从事临床工作，以后的临床能力和水平在很大程度上取决于所在医疗机构的水平。我们逐步学习和引进了美国执业医师考试制度、临床轮转制度，制定了有中国特色的住院医师轮转制度。1993年，卫生部发出《关于实施临床住院医师规范化培训试行办法的通知》，揭开了住院医师规范化培训的序幕。在规培六个基本原则中提到，坚持“严谨作风、扎实基础、宽广知识”，注意能力培养的原则，让医学生在3年的时间内广泛掌握临床知识，拓展临床知识面，避免只顾自己专业的一叶障目的临床工作现状[2]。但是受限于各科室的轮转时间，一些住院医师在有的科室只能是蜻蜓点水、雁过拔毛，没有真正掌握到基本技能。因此，各临床科室在承担住院医师规范化培训时面临的主要问题是如何让住院医师在有限的时间内，有效地掌握本科室基本临床知识和技能，以更好的服务今后的临床工作，提高整体医疗质量。一代代临床医生不断探索，尝试了多种方法，但很多设想都受限于人力、精力和时间，而近年来AI的快速发展和兴起为我们开辟了一条新道路。

2.人工智能走进医学教学和实践。“AI”这个词汇入选了“2017年度中国媒体十大流行语”。今天“AI”也慢慢揭开了她的面纱，走进了我们临床工作的每一天。“AI”是研究及开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学，属于计算机科学的一个分支，它企图了解智能的实质，并生产出一种新的能以人类智能相似的方式做出反应的智能机器，该领域的研究包括机器人、语言识别、图像识别、自然语言处理和专家系统等。AI的主要目标是使机器能够胜任一些通常需要人类智能才能完成的复杂工作。但不同的时代、不同的人对这种“复杂工作”的理解是不同的。特别是对于医学影像专业，AI有独特的优势，影像学的直接处理对象是影像图像，而计算机的优势是可以识别各种各样的图像，把图像拆分成计算机可读的小片段，进行全信息的汇总，有的放矢地发现图像关键点进行提取和分析，实现人机交互的工作方式[3]。当前国内外很多AI后处理工作站和软件已经被引入临床工作中，并发挥着筛选病灶、辅助诊断的作用。

3.人工智能辅助教学的优势。在本研究中，AI组和人工组的图像质量评分无明显差别，其原因可能是由于图像质量更多的依赖于扫描的原始图像，其与患者的配合、扫描模式选择的关系更为密切，后处理环节并不能明显地改善图像质量，而AI组的报告评分明显提高且用了较短的处理时间，提示AI后处理和结构化报告模式有效地提高了工作的效率和准确性。实验结束，分别了解AI组和人工组的用户体验。人工组反映很多医生以前没有接触过影像后处理系统，特别是血管后处理软件，有的医生对冠状动脉的解剖认识欠清晰，虽然经过短期的培训，但是很难把握报告书写的模式和狭窄程度的拿捏。而AI组医生则表示，虽然很多医生非影像专业，但是AI后处理系统简单、便捷，大多数血管都可以自动识别并且生成血管的多平面重组图像，判断冠脉血管起源、走势并自动命名，AI还能自动识别斑块和狭窄，测量斑块密度和血管管腔的狭窄程度，一键生成结构化报告。AI组医生的主要任务体现在了解患者病史、验证AI自动识别是否有误、判断结构化报告是否符合临床诊断需求、提供临床建议等方面。AI后处理全自动化将1小时的工作时间缩减至1分钟。对于住院医师规范化培训的需求，可能很多医生不是影像学专业，在医学影像科的短短几周时间内，需要掌握许多基本临床技能和专业知识。一部分优秀医生会做好知识储备和拓展等预习工作，但对于大多数医生的知识面仅限于本科教学中的基础课和专业课内容，完全不能适应这种快速、高度专业的规培轮转方式，可能刚刚对医学影像有点感觉，就已经要离开本科室了。而AI辅助教学恰恰可以省略很多技术性强的重复工作，精确、快速地完成患者个性化冠状动脉模型重建，直接将报告医生、临床医生需要的图像和结构化报告信息展示出来。住院医师可以根据自己的需求有针对性的学习冠状动脉解剖、病变和后处理方式，加强了医学影像与临床实际应用的联系，使参加培训的不同专业的住院医师各得其所。AI以实现后处理流程全覆盖、诊断全自动以及产出标准化，极大地简便和优化了住院医师的学习过程，也为以后逐步实现精准、个体化医学模式奠定了技术基础[4]。

五、小结

综上，通过使用AI进行冠状动脉CTA后处理的教学尝试，发现AI辅助教学可以为不同专业、不同层次的住院医师提供个性化、人机交互的教学模式，为解决住院医师规范化培训中“时间紧、不精通”的问题提供了途径，提高了医疗队伍的整体素质。

参考文献：

[1]樊荣荣,施晓雷,孙安,萧毅.人工智能在住院医师规范化培养中的应用价值探讨[J].肿瘤影像学,2018,27(4):261-264.

[2]万莉,贡丽英,吴清,穆得超.人工智能在高等医学教育中的应用前景[J].中国医学教育技术,2018,32(6):607-609.

[3]康巍,钟武宁,韦苇,阳君,赵阳,金观桥.大数据背景下人工智能在医学研究生个性化网络教学中的探索[J].中国继续医学教育,2018,10(32):41-43.

[4]李熠,匡双玉,桂庆军,尹凯,钟慧,游咏.人工智能在医学生临床技能培养中的应用探讨[J].医学教育研究与实践,2018,26(6):908-910.

作者：张宁男楠 张璋 单位：天津医科大学总医院