人工智能技术在冠脉疾病诊断教学中的初步应用

樊玮 张磊 许兵强

摘  要：目的：探讨人工智能辅助教学对于提高实习生冠状动脉CTA判读能力的应用价值。方法：选取在陕西省人民医院CT室实习的影像医学专业的本科生60人，依照不同教学方法随机分为2组，即基于人工智能辅助教学法的实验组、传统教学法的对照组，针对两组学生冠状动脉CTA结果判读能力进行客观考核，评价教学效果。结果：实验组教学满意度高于对照组，平均判读时间少于对照组，判读成绩高于对照组，且差异具有统计学意义（P<0.05）。结论：基于人工智能辅助冠状动脉CTA判读教学，增强了学生的实践能力，进一步提高了学习效率。

关键词：人工智能  冠状动脉疾病  CT血管造影  医院数字化影像与传输系统

中图分类号：R-4;G642                     文献标识码：A                  文章编号：1674-098X（2021）06（a）-0149-04

Primary Application of Artificial Intelligence Technology in Teaching of Coronary Artery Disease

FAN Wei  ZHANG Lei  XU Bingqiang

（1. Department of CT， Shaanxi Provincial People's Hospital， Xi'an， Shaanxi Province， 710068 China;2.521 Hospital of Norinco Group， Xi'an， Shaanxi Province， 710065  China）

Abstract： Objective： To evaluate the application of artificial intelligence （AI） in improving trainees ability of coronary artery disease diagnosis. Methods： 60 cases of trainees with bachelor's degree who practiced in the CT room of Shaanxi Provincial People's Hospital were randomly selected， divided into experimental group and control group based on different teaching methods. The traditional teaching method was used in control group， in contrast， AI technology assisted method was used in the experimental group. The results of clinical teaching between the two groups were objectively evaluated as well as their abilities of analyzing the coronary computed tomography angiography（CCTA） imaging. Results： The satisfactory degree in experimental group was higher， The average diagnostic time of cases was shorter in experimental group， meanwhile， the average score was higher in the experimental group than control group， the differences were significant in statistics （P<0.05）. Conclusion： The teaching method depends on AI technology is helpful in trainee's education， especially in improving their practical abilities and learning efficiency.

Key Words： AI; Coronary Artery Disease; CT Angiography; Hospital digital image and transmission system

隨着影像医学与核医学专业知识不断更新，影像设备的更新换代及新型技术快速推广应用，影像专业实习学生如何在有限的时间内更高效地掌握基本影像知识，提高实践能力，培养具有自我学习新知识及解决问题能力的合格年轻影像医师，是医学影像科教学中所面临的关键的问题。近年来人工智能（Artificial Intelligence，AI）技术在医疗领域取得了突破性进展，基于深度学习的计算机人工智能技术能自动快速提取冠状动脉树，标识冠状动脉名称，同时能够准确定位冠状动脉病变位置，分析病变性质及相应管腔狭窄程度，成为对辅助诊断冠心病及介入术后效果评价的常规检查手段。本研究通过分组教学，评价人工智能辅助在短时间内对于提高医学生冠状动脉CTA判读能力的教学效果。

1  资料与方法

1.1  一般资料

选择本院2020年1月至2021年1月期间在陕西省人民医院CT室实习的60名影像医学与核医学专业本科生、研究生为研究对象，所有研究对象首先在本科室具有10年以上工作经验、主治医师职称以上的专业教师指导下进行为期2d的冠状动脉CT血管成像（Coronary CT Angiography，CCTA）基础理论知识教学后，随机分为对照组和实验组，每组学生均为30名。对照组采用传统教学法，实验组采用基于人工智能辅助教学法。对照组男性为17名，女性为13名，年龄在21～26岁，平均（23.03±2.15）岁;实验组男性为14名，女性为16名，年龄在22～27岁，平均（22.79±3.06）岁。两组学生一般资料差异不具有统计学意义（P >0.05）。

1.2  方法

实验组采用“冠状动脉血管成像辅助诊断系统”（北京数坤科技有限公司）进行图像浏览、参考其辅助诊断学习1周，并在医院数字化影像与传输系统（picture archiving and communication systems，PACS）中书写书写诊断报告，对照组无任何辅助，自主在 PACS中进行图像浏览进行1周学习，并出具诊断报告，带教老师对学生所有书写报告进行审核并指出不足之处，回答学生报告书写中存在问题，直至完全掌握。

1.2.1 教学效果评价

在学习结束后对两组学生进行教学满意度评估和实际病例操作分析测试。满意评估以调查问卷的形式进行，提供满意、比较满意和不满意3个选项。

1.2.2 教学测试

在本院PACS系统中随机选择10份不同病例的冠脉CTA影像资料，书写诊断报告，由3名有5年以上冠状动脉CTA影像诊断工作经验、主治医师职称以上的带教老师记录实验组及对照组的书写报告所用平均时间，并对诊断报告进行评分，以5分制评分，满分50分。

1.2.3 诊断报告评估方法

报告书写时间记录是以学生进入PACS并完全打开患者图像开始计时，当完成诊断并提交报告结束计时，时间单位为分。

冠状动脉CTA诊断报告采用5分制进行评分。5分：诊断准确、描述清晰、无漏诊及误诊病灶。4分：诊断基本正确，描述欠清晰，或有1处冠状动脉血管病变诊断断错误。3分：诊断基本正确，描述欠清晰，或有2处冠状动脉血管病变诊断错误或漏诊。2分：诊断不明确，描述不清晰，或有3处冠状动脉血管病变诊断错误或漏诊。1分：3处以上冠状动脉血管病变诊断错误，描述错误，遗漏重要病变等[1]。

1.3 统计学分析

本次研究数据均采用spss 23.0软件，计量资料用（±）表示，采用独立样本t检验。计数资料则采用（%）表示，采用2值检验，当P<0.05时，认为差异具有统计学意义。

2  结果

两组学生教学成绩比较如下。

实验组报告判读平均用时少于对照组，判读成绩成绩高于对照组，差异具有显著统计学意义（P<0.05），如表1所示。

实验组教学满意度为93.33%，高于对照组的66.67%，差别具有显著统计学意义（x2=7.02，P<0.05），如表2所示。

3  讨论

随着社会经济的发展和人民生活水平的逐步提高，冠心病成为威胁人类健康的主要心血管疾病之一，发病率有逐年上升的趋势[2]。目前，冠心病诊断检查方法主要有冠脉CTA和冠脉造影，冠脉CTA以其无创性成为首选方法，在临床工作中得到广泛应用。在传统教学模式中，由于冠状动脉CTA需要在后处理机器上进行观察、诊断，因后处理机器数量较少，实习学生相关学习只能以教师为中心，听从讲解，实际操作的机会较少，处于被动式学习状态，参与程度不高，造成学生学习的积极性降低，达不到高效的教学质量[3]。由于带教时间有限，带教老师也不能完全了解每个学生对相关知识的掌握程度，造成学生的学习效率不高。

基于深度学习的計算机人工智能技术（AI）近几年发展迅速，在医学领域中获得认可并得到广泛应用[4]。人工智能医学影像技术日趋成熟，人工智能辅助教学在影像医学与核医学专业实习学生的带教中凸显优势，这也是医学影像教育的新起点、新契机和新挑战[5]。人工智能在医学影像教学领域的应用推动了医学影像学教学模式的革新，极大地提高了教学效率和教学质量[6]。AI冠状动脉血管成像辅助诊断系统能够自动、快速地处理图像，自动分割每一条冠脉血管同时命名血管，提供心脏VR图像、血管CPR及三维重建图像[7-9]，省略很多重复操作，精确、快速地完成冠状动脉重建，发现、定位、定性病变并对相应血管狭窄程度进行判断，直接将影像资料及报告展示出来，实习学生可以多病人、多方位、重复性讨论学习，增加实践操作机会，提高学生冠脉病变的判读能力[10]。

本次研究以在本院实习的60名本科生及研究生作为研究对象，以实验组和对照组进行分组教学，实验组采用AI技术辅助教学，对照组采用传统教学，无论从教学方式满意度测评，还是教学效果评价，实验组学生与对照组差异均具有统计学意义，可以初步体现基于人工智能辅助教学在冠状动脉CTA结果判断学习中的优势，能够调动学生学习的积极性，增强自我学习的能力，提高对冠脉病变的整体认识，能够为医学事业进步培养更加优秀的影像人才做出贡献。

4  结语

综上，将基于人工智能辅助教学法应用在实习学生冠状动脉CTA结果判读，可以快速、高效地进行知识的获取，提高实际操作和诊断能力，在很大程度上弥补了传统教学模式的不足。因此，基于人工智能辅助在冠脉CTA结果判读教学中具有较高价值，值得推广。

参考文献

[1] 肖建伟，张树桐，谢元亮，等.基于深度学习的冠状动脉CT血管成像冠状动脉疾病报告与诊断系统的临床应用[J].实用医学杂志，2019（20）：3227-3230.

[2] Johnson LM.Low diagnostic yield of elective coronary angiography[J].New England Journal of Medicine，2010，363（1）：93-94.

[3] Oderinu OH， Adegbulugbe IC， Orenuga OO， et al.Comparison of students' perception of problem‐based learning and traditional teaching method in a Nigerian dental school[J].European Journal of Dental Education，2020，24（2）：207-212.

[4] 范瞬，谈在祥.人工智能背景下“新医科”建设的挑战与变革[J].中国高校科技，2019（7）：56-59.

[5] 王贵生，陈晓霞，叶菊，等.医学影像人工智能辅助教学在非影像学专业住院医师规范化培训中的初步应用及思考[J].中华灾害救援医学，2020，8（9）： 523-524.

[6] 张宁男，张璋.人工智能辅助教学在医学影像规范化培训中的新探索[J].教育教学论坛，2019，（25）：176-177.

[7] Andreas M Fischer，Marwen Eid，Carlo N De Cecco，et al.Accuracy of an artificial intelligence deep learning algorithm implementing a recurrent neural network with long short-term memory for the automated detection of calcified plaques from coronary computed tomography angiography[J].J Thorac Imaging，2020，35（Suppl 1）：S49-S57.

[8] Qiao HY，Tang CX，Schoepf UJ，et al.Impact of machine learningbased coronary computed tomography angiography fractional flow reserve on treatment decisions and clinical outcomes in patients with suspected coronary artery disease[J].Eur Radiol，2020，30（11）：5841-5851.

[9] 王曼，王怡寧，于敏，等.人工智能成像优化技术在冠状动脉CT血管成像的初步应用研究[J].中华放射学杂志，2020，54（5）：460-466.

[10] 张宁男楠，张璋.人工智能辅助教学在医学影像规范化培训中的新探索[J].教育教学论坛.2019（25）：176-178.