医学影像人工智能教学对住院医师规范化价值提升的影响

雷永霞 李新春 成程 王鹏 彭玉 邓宇

毕业后，真正参与临床诊疗工作初始阶段的医学生，被称之为住院医师。规范化培训是提升住院医师医疗水平以及理论联系实际能力的重要手段，也是医疗学科发展过程中不可或缺的重要环节，对于打造优秀的临床医师队伍具有重要意义。人工智能（artificial intelligence，AI）是现在，乃至未来应用前景最为乐观的新兴科学技术，包括自然语言处理、计算机视觉、图像识别、知识图谱等，在社会各行业领域均有广泛应用，为人类的工作、生活方式带来了翻天覆地的改变。AI 的概念出现于20 世纪中期，最开始便与医学、医疗系统关系密切，上世纪70 年代，美国研发出MYCIN 系统并应用于血液感染疾病的诊断，为临床合理选择抗菌素类药物提供了指导依据[1]。21 世纪后，AI 在医疗系统的应用更为广泛，医学影像联合人工智能被认为是发展前景最广阔的领域。本院在对非医学影像专业的住院医师进行规范化培训教学中引入了医学影像人工智能技术，现将教学过程与结果报告如下。

1 资料与方法

1.1 一般资料

本组60 名住院医师均为非医学影像专业，入组时间为2019 年3 月—2020 年8 月，在我院放射科接受规范化培训。人工组30 名，男性17 名、女性13 名；年龄23～26 岁，平均（24.83±0.91）岁。智能组30 名，男性20 名、女性10 名；年龄23～26 岁，平均（24.79±1.01）岁。两组住院医师的基本资料比较，差异无统计学意义（P＞0.05）。

1.2 方法

所有住院医师均接受为期14 d 的胸部CT 影像诊断培训，培训结束后，随机挑选胸部CT 影像资料发放给住院医师，每人5 份。人工组在没有任何辅助技术的情况下，独立阅览CT 图像，填写诊断报告。智能组使用AI 系统浏览CT 平扫图像，参考AI 系统的阅片结果做出诊断，借助医院数字化影像与传输系统（picture archiving and communication systems，PACS）出具诊断报告。

1.3 观察评定标准

由放射科医生汇总两组住院医师的诊断报告，并对诊断报告的书写时间和完成质量进行评价。

（1）书写时间：住院医师进入医院PACS，从完全打开CT 图像开始计时，直到点击提交报告时结束。

（2）诊断报告质量[2]：描述清晰、诊断准确、无漏诊与误诊病灶，计5 分；描述不够清晰，但诊断基本准确，或有一个＜5 mm 的肺内漏诊病灶，计4 分；描述欠清晰，诊断基本无误，或有1 个＞5 mm 或2 个＜5 mm 的漏诊病灶，计3 分；描述不清晰、未做出明确诊断，或有≥2 个的5 mm 以上或≥3 个5 mm 以下的病灶漏诊，计2 分；描述与诊断全部错误，遗漏了重要病灶，计1 分。

1.4 统计学方法

本研究应用SPSS 19.0 统计学软件进行处理，计量资料以（）表示，组间比较采用t检验，计数资料以（%）表示，组间比较进行χ2检验，P＜0.05 为差异有统计学意义。

2 结果

两组住院医师的CT 诊断报告完成情况比较：智能组报告的书写时间为（3.55±1.08）min，明显短于人工组（12.92±2.24）min（P＜0.05）；诊断报告质量评分（4.18±0.63）分，明显高于人工组（3.02±0.91）分（P＜0.05），如表1 所示。

表1 两组住院医师的CT 诊断报告完成情况比较（）

表1 两组住院医师的CT 诊断报告完成情况比较（）

3 讨论

3.1 医学影像规范化培训教学的不足之处

3.1.1 教学理念落后

在对住院医师的规范化培训教学中，最凸出的还属教学理念问题。传统、落后的教学理念显然无法适应现阶段的教学需求，而且教学中缺少先进的医学影像设备的支持，带教老师只能单方面的讲解课本内容，以至于住院医师普遍缺少临床操作经验。现阶段的医学影像学教材内容过于陈旧，教材中涉及的影像学设备非常单一，甚至完全不符合临床现状。尽管教材中部分内容和医学影像相关，但只是笼统描述，没有进行深入讲解，学生只能对各种疾病的影像学特点有一个模糊的概念，对于指导临床诊断意义不大。21 世纪，现代医学技术正在以突飞猛进的速度发展，医学影像学被划分为放射科、超声科等多个科室，每个科室所使用的仪器、设备都有所均不同，因此影像学的诊断结果也存在差异。如果仍然沿用传统的教学理念，使用与临床脱节的陈旧教材与设备，显然无法提高学生的临床实践能力与综合能力。

3.1.2 教学内容不合理

医学影像学发展至今，所涉猎的领域已经非常广泛，内容也十分复杂，比如同一种影像学技术对于不同疾病的区分、不同影像学诊断结果的区分等。只有科学、合理的安排教学内容，选择教学模式，才能真正提高规范化培训教学质量。而且不同的影像学设备，对于不同患者、不同疾病的操作步骤也有区别，临床医生必须有非常丰富的实践经验和诊断经验，才能对患者的疾病做出正确、合理的判断，从而为临床治疗方案的选择提供可靠依据。如果培训中没有合理安排教学内容，没有规划好核磁共振、超声、CT、X 线片等各种影像学科目，则很容易让学生感到混乱，最终的结果往往是学生对每种影像学技术都略知一二，但又完全不熟悉诊断方式，无法熟练操作影像学设备，从而提高了诊断的错误率，极易引起医疗纠纷。

3.2 AI 在医学影像教学中的创新作用

3.2.1 为新的教学模式奠定了基础

正是因为AI 技术具有智能代理功能，才让规范化培训教学更具有交互性和针对性。智能代理技术囊扩了许多应用特性，智能系统可以根据这些特性来拓展功能，以更好的满足用户需求[3]。AI 技术最大的特点是能够深度学习，以网络信息空间为途径，可以迅速的获取用户需要的信息，解决关键字的匹配查询与搜索引擎等问题，避免了大量无关、无效信息的干扰，提高了信息搜索的精准度[4]。在规范化培训教学中，可以显著提高老师与学生获取知识的效率，利用AI技术实现目标准确的检索，第一时间获得有效信息，同时也提高了学生自主学习的能力。比如，以网络平台为基础的超声影像学虚拟学习平台，拥有虚拟超声病例图像库、虚拟超声仪器操作、在线超声考核、超声科室漫游、人体虚拟超声检查、超声课程中心等多个智能化模块。学生根据自己的学习需求，可以自行操作上述模块模拟临床情境，提高超声操作的熟练度，有效激发了学生的学习热情，更利于培养学生独立思考与思辨能力[5]。

3.2.2 AI 技术提高了规范化培训效率与质量

以计算机为载体，AI 技术能够提供海量信息数据，与传统的书面教材不同，AI 数据更加生动形象，图文并茂，更便于学生理解和掌握知识，同时也增强了学生对抽象知识的感性认知。站在带教老师的角度，AI 技术能够完成繁杂、琐碎的教学课件设计，从而让老师把更多的时间和精力投入到教学过程中，显著提高教学质量。智能网络化学习平台突破了传统教学的限制，帮助老师摆脱了过于依赖临床病例与超声设备的问题，学生拥有了更为广阔的学习空间[6]。

3.2.3 AI 技术有助于培养学生的思维能力

在学习、认知、体验的过程中，学生通过AI 技术可以更加深刻的了解非结构化、半结构化问题[7]，引导了学生从各个角度思考和看待问题，同时还能模拟人类专家、学者思考问题与解决问题的思路，对于启发学生思维、培养学生的逻辑能力十分重要。比如，学生可以向AI 专家系统提出“Why”“How”等问题，系统接到指令会自行做出逻辑推理，并将最终结果呈现给学生，就像老师面对面教学。在学习过程中，学生能够充分感受AI 专家的思考模式、思维特点与推理过程，更利于提高学生的分析与判断能力[8]。

3.3 AI 技术在住院医师规范化培训教学中的意义

医学影像科的规范化培训中，胸部CT 诊断是重点内容，要求住院医师掌握。作为非影像专业的住院医师，首先要做的是明确肺部病灶。找出病灶一方面需要大量时间来仔细观察CT 图像，另一方面还需要对CT 图像有一定的视觉敏感度，而这方面正是非影像专业住院医师的薄弱点，尤其是肺内的直径5 mm 以下的小病灶很容易漏诊[9]。影像报告的书写既需要影像学思维，还需要影像学专业的书面语言。作为非影像专业的住院医师，想要在短短14 d 时间内掌握专业知识并非易事。本次研究结果显示：智能组的住院医师，书写诊断报告的时间为（3.55±1.08）min，人工组用时（12.92±2.24）min；且智能组的诊断报告书写质量优于人工组，差异有统计学意义（P＜0.05）。这一研究结果充分说明AI 技术与医学诊断系统的相互结合能够显著提高影像诊断效率与诊断报告质量。

参与本次研究的60 名住院医师并非医学影像专业，他们对医学影像的了解大部分来自于课本，而且专科知识非常欠缺。如果采用传统的教学模式，学生需要付出大量的时间、精力，学习压力大，强度高。从实际工作来看，非医学影像专业的规范化培训，主要侧重点主要放在临床特点方面，这与医学影像专业的培训教学有本质不同，对带教老师教学水平的考验更大。在医学影像临床工作中引入AI 技术，比如肺部AI 产品，其图片识别能力和深度学习能力极为强大，可以极大的减少医生的工作量，降低人为错误率，提高诊断效率与准确率。研究显示[10-11]：在低剂量CT 肺部结节筛查中应用AI 产品，能够有效提高实习医生的诊断敏感性，提高阅片效率。这一研究结果充分说明AI 技术在低年资、经验浅的医师教学中具有重要意义，同样也可用于规范化培训教学。AI 技术与医学影像的相互结合，可以迅速、准确的识别病灶。非医学影像专业的住院医师不再需要花费大量时间去寻找病灶，而是可以更专注的研究病灶的影像学特点[12-13]。AI 技术将住院医师从繁琐、耗时的阅片工作中完全解放，因为阅片工作并不是他们的专业，也不是临床工作的重点内容。而且AI 技术能够为临床诊断提供更加丰富和详细的内容，让专业以外的住院医师可以更有针对性的查阅资料，把病理、检验、医学影像特点等各种信息融合在一起，学习效率更高。

3.4 AI 技术在医疗领域的发展趋势

AI 技术的推广，需要程序开发人员、医学专家的共同努力。由于AI 算法的可解释性与鲁棒性较差，所以AI 产品的研发难度大。从设计开始，到最终的成品，需要漫长的研发周期以及大量资金支持。很多企业受制于经费而将研发工作无限期推延，因此需要国家、政府部门的支持，国家应该出台相应的优惠政策，鼓励企业深入研究AI 技术在医疗领域的应用。除此之外，医疗体系需要进一步完善，各个医疗机构之间应该实现数据和信息共享。这需要临床经验丰富的医学家的指导，统一医学影像系统的标注以及医学标准术语，相关的医疗器械、医药企业也力所能及的提供帮助[14-15]。

综上所述，在非医学影像专业住院医师的规范化培训中，医学影像与AI 技术的结合能够在短时间内提高住院医师的学习水平。