基于眼动追踪技术的数字化教学模型在脑电图技能培训中的应用

张志芸，李琦玮，项晓慧，方嘉佳

(浙江大学医学院附属第四医院神经内科，浙江 义乌 322000)

脑电图(Electroencephalography，EEG)是一种非侵入性的评估，以毫秒的时间分辨率记录来自大量皮质神经元群体同步放电的电信号，迄今为止已持续发展了至少80年，对癫痫等发作性疾病的诊断和鉴别诊断，是其他检测技术不能取代的[1]。因此，脑电图分析技术是医学生及每一位临床医生必须掌握的一项最基本技能[2]。美国研究生医学教育认证委员会(Accreditation Council for Graduate Medical Education，ACGME)明确指出脑电图知识在神经内科住院医师教育中的重要性[3]，在我国住院医师培训方案中，对神经电生理轮转时间，学习目的、基本要求都有明确的规范要求[4]。然而在实际脑电图教学中，存在许多问题：①脑电图技术专业性强、理论抽象，实际教学工作中由于带教教师专业水平和教学经验的差异，导致实际培训效果和考核指标的均质化效果差强人意。②尽管住院医师规范化培训细则明确规定了脑电图的培训目标和考核指标，但实际考核形式单一，同时医学院校也缺乏专门的课程安排和针对性的脑电图学教材[5]。如何提高脑电图的教学质量，有效结合基础和临床应用，尽可能最大化临床阅图实践成为脑电图教学中的最大的挑战。③传统的医学教学仍以教师为中心忽视了学生的主体角色，造成基础知识和临床应用脱节，然而脑电图图形判读相对枯燥无味，更容易影响学生主动学习的积极性[6]。因此，通过优化整合教学资源，应用现代化教育手段保证住院医师在有限培训期内接受标准化培训内容，并能客观评价考核具有重要意义。

眼动追踪技术(Eye Tracking)是测量个人眼球运动以反映他们的注意力行为的方法。当眼球运动指向当前正在考虑或处理的任何刺激时，我们也会将注意力集中在该图像上。这种机制允许跟踪注视行为可提供一个人随时间的注意力分配的信息[7]。眼动仪(Eye Tracker)大多数基于视频记录眼球位置以及追踪眼部运动情况，如注视时间和次数，眼跳距离，瞳孔大小等量化数据[8]，从而了解学习者在各类学习情境下的注视记忆和交互行为等内在心理活动，帮助教育者分析学员们对信息获取方式、问题处理技能等方面的差异，还可以比较不同教学材料的效果差异，能够更加有效地对学习课程进行设计和改进，也能协助制定客观公正的教学成果考核评价体系。

为此，我们制定了一套基于眼动追踪技术的数字化教学训练模型用于神经内科脑电图教学、过程改进及成果考核。其目的是探索切实有助于促进学员自身发展的新型脑电图教学模式，能准确发现每个学生学习过程中的潜在问题并帮助其强化改进的学习方式，同时为教师提供反馈，从理论和实践层面引领脑电图教学模式发展和创新(见图1)。

1 教学模式创新目标

制作一套基于眼动追踪技术的神经内科脑电图数字化教学训练、考核图谱；初步探索该新型脑电图教学模式在临床实际中的应用效果。

2 数字化教学课程设计与制作

2.1 教学设备条件

本项目应用Tobii Pro nano眼动仪(Tobii Technology, Danderyd, Sweden)记录学员在解释脑电图时的眼球运动。该设备重量59g，采样率60Hz，双眼追踪，对被试者是否佩戴眼镜、头动和光线条件具有高度容忍性，作为最轻便的研究级眼动仪适用于实验室环境外执行眼动研究。该系列眼动仪系统基于视频的瞳孔和角膜反射进行眼动追踪，可生成热点图、眼动轨迹图。

2.2 教学实施环境条件

设置独立安静的教学房间，光线自然，隔音良好。连接眼动仪线路后，在计算机上打开眼动追踪系统软件。显示器屏幕为15.6英寸，分辨率为1 440×960，学员距显示器50～70厘米之间，调整眼动仪摄像头角度、焦距和受试者头部位置，进行五点校准使眼动误差控制在有效范围内，显示器显示教学课程(见图2)。

2.3 数字化教学脑电图图谱制作

筛选100张临床真实案例脑电图图谱做成图库，包括正常脑电图、发作间期异常脑电图、发作期脑电图、伪差脑电图等图谱。将原始图谱导入ErgoLAB 3.0，由两位脑电判读专家进行判读，记录眼动轨迹，生成热点图。然后研究者(脑电图判读专家)对每张图谱进行知识点解读和标示，根据图谱标注点选择兴趣区，为教学要点，生成参考答案图谱库(见图3)。

2.4 癫痫发作教学视频制作

癫痫发作的症状学对癫痫定位诊断有重要价值，这一步骤并不关注最后的诊断，而是关注背后的临床推理过程。因此，他的目的不是训练学生诊断所有可能的癫痫发作类型，而是训练他们收集对诊断至关重要症状的观察结果的过程。为了达到目的，选择了脑电图图片中癫痫发作的患者，截取5名具有典型定位症状发作视频来训练基于视觉观察的临床推理，包括：早期非强迫性头位转动、晚期强迫性头位转动、局灶性阵挛、不对称性强直“击剑姿势”和自动症。这些视频是由具有丰富的临床和教学经验专家提供的对发作形式的口头描述和诊断，并通过眼动仪记录专家的审阅眼动轨迹及热点，引导学生练习判读逻辑。视频获取患者知情同意术。

2.5 考核图谱制作

设置考核图库随机抽取方式，每次调取20张脑电图原始图谱，学生在阅读考核时，眼动仪记录判读脑电图图谱过程中的各项参数(例如眼动轨迹、知识点注视时间、知识点覆盖情况等)，生成学员考核数据。

3 脑电图数字化教学课程实施

3.1 课程结构设计

脑电图课程分为4节训练课程。第一节：介绍脑电图概念以及大脑记录的基础知识，包括敏感度、高频率波、低频滤波、走纸速度。第二节：正常脑电图判读，包括对后头部α节律、中央区μ节律、β活动、θ波、λ波，以及对睡眠波形和睡眠分期的判度。第三节：异常脑电图的判读，包括背景节律异常、发作间期癫痫样放电、发作期脑电图模式、常见癫痫综合征的脑电图模式，同时设计中还包含伪差脑电图。第四节：发作期脑电图及同步发作视频资料，包含多种发作形式的案例，叠加口头解释及专家在执行任务时的眼球运动而获得的眼球运动轨迹模型，课程录制为标准的授课视频。

3.2 授课过程评价

为了评估学员是否能够遵循注意力指导，在学习训练过程中软件平台会记录学员在判读脑电图图谱时的各项参数(例如眼动轨迹、知识点注视时间、知识点覆盖情况等)，生成学员数据(见图4)，通过分析学员的眼动轨迹、热点图等信息，判断学员的关注重点与本图教学要点的一致性来评价学员效果。系统平台会将实验内容与数据自动生成反馈表，供学员后续进一步反思学习。

3.3 考核阶段

课程中设置一节考核课程，随机从图库中调取20张脑电图图片，在眼动仪记录平台下进行数字化考核，当参与者阅读脑电图时，其眼球运动被记录下来，以确定参与者的视觉搜索行为，如考生眼动轨迹及热点图特征、知识点注视等信息，根据眼动仪设置的标准参数及评分标准，对学员进行的成绩打分。

4 眼动数据处理与分析

使用Tobii Pro nano眼动仪配套的ErgoLAB软件进行数据处理。选取的总体眼动指标包括:任务花费的总时间、扫描路径的总长度、注视次数、瞳孔大小、识别第一个AOI的时间(注视时长超过100ms)。兴趣区眼动指标包括: AOI 中的停留时间(s)、AOI中的注视次数、AOI回访次数(见表1)。热点图中红色表示注视时间最长，黄色次之，绿色最短。采用Shapiro-Wilk试验检测是否符合正态性检验，若数据不遵循正态分布，则以中位数显示。使用方差分析进行所有统计分析。对于每个因变量，以条件(控制与圆形显示与聚光灯显示)作为自变量进行方差分析。为了分析每种情况之间的差异，进行了Bonferroni事后测试。原始数据由Data Viewer导出后，应用SPSS 23.0进行统计分析。

表1 眼动仪指标及应用意义

5 教学效果评价及满意度反馈

研究者将基于眼动追踪技术的数字化教学模型应用于2022年1月-2022年3月期间在浙江大学医学院附属第四医院神经内科住院医规范化培训学员，共12名。其中一年级住院医师3名，二年级住院医师9名。所有参与课程的住院医师在神经内科规培时间为4周，均完成全套数字化教学课程，教学任务完成率100%。为进行教学效果评价，研究者召集2021年10月-2021年12月期间的同年级规培住院医师共14名作为对照，创新教学模式组学员与对照组学员同时参加完成神经内科脑电图出科考试卷，评估学员对脑电图知识的掌握状态。结果显示11名创新教学模式组的学员出科考试成绩高于80分(91.7%)，明显优于对照组(6人，42.9%)，P≤0.05。

此外，我们对所有学员发放调查问卷共26份，回收26份，有效问卷回收率100%。结果显示，有96.2%的学员们认为基于眼动追踪技术的数字化教学模式能够激发规培医师对脑电图学习的兴趣，76.9%的学员认为会反复进行学习及模拟训练。92.3%的学员认为眼动仪生成的学习反馈报告可以促使他们再次学习和分析，96.2%的学员认为该创新教学模式能促使学员更好地掌握知识点。

6 讨论

6.1 神经内科住院医师脑电图教学与培训的现状分析

由皮质神经元突触后电位产生的脑电图信号提供对大脑生理功能的实时评估。对脑电图结果的分析，特别是癫痫发作和发作间期癫痫样放电，在癫痫的诊断中起着至关重要的作用。脑电图作为一种临床神经生理学技术，是评估和管理癫痫的重要工具，在医院和门诊社区环境中均有悠久而丰富的应用历史，动态脑电图、视频脑电图监测、重症监护病房中的连续脑电图以及术中和颅内脑电图监测也成为评估个别癫痫患者的重要和新兴手段[9]。脑电图作为广泛应用的检查手段是每个神经科医生都需要掌握的技能。然而既往研究发现，大约50%的住院医师不能正确解读脑电图[10]，约25%的住院医师毕业时未达到脑电图培训的目标[11]。这种状态不利于脑电图学的发展，也很难保障脑电图的教学质量。因此如何在有限的时间里掌握一门理论抽象，实践性强，且与神经系统疾病紧密联系的学科成为脑电图教学重要任务。

针对这一困境，我国学者也在不断探索和创新教学模式。首都医科大学宣武医院近年来一直在探索调整教学内容，优化教学方案和教学方式，如明确带教教师、定期组织病例讨论、培训期间采用随堂测验与出科考核相结合的方式，教学效果较前有所提升[12]。上海长征医院神经内科脑电图室应用网络平台，创新性的引用“微课”模式，在节省时间的同时加强脑电图知识点的反复记忆，提供语音、图片等多种提问方式构建了有效互动，提高了学习效果[13]。此外，多模式整合教学法、病例分析教学法等创新教学模式也在临床带教中被尝试[14]。随着社会的不断发展，医学知识的高速增长对医学教育的要求越来越高。医学院校必须与时俱进，不断从教育理论与实践中汲取教学质量评价新理念、新方法，结合医学教育的特点，深入研究医学教学质量评价方法，以满足日益发展的医学教育变化，逐步提高医学教学质量。

6.2 眼动追踪技术的多种特性与教育研究具有高契合度

眼动追踪是一种测量眼球运动的技术，其数据结果可视化并可进行统计分析。眼动追踪还可用于阐明学习及其背后的过程，以便为教学材料的设计提供信息。虽然许多关于教学设计的研究只关注学习过程的结果(例如成绩)，但眼动追踪技术可洞察学习过程。它可显示学习者如何与教学材料进行交互，进而提供学习者是否达到或如何达到学习结果的信息。这些特性与教育研究具有高契合度，可揭示学习者特性同教学设计策略的关系，帮助教育者发现教学问题，提升教学技能、改进多媒体设计、改善教学质量，还可帮助教学平台优化课程设计，提高教学效率。

迄今为止，眼球追踪方法在临床环境中的培训、评估和反馈实践做出了重要的贡献。利用专家注视行为辅助教学可将专家模式反映给新手学员，以诱导注意力转移，提高任务表现。Sodergren等人都发现，在简短的指导之后，新手的任务表现有所改善，他们的注视行为更接近于专家水平，对相关AOIs的关注增加[15]。Leff等发现与专家显示的口头指导相比，使用视觉指导与专家注视点显示相结合，学员表现明显提高[16]。专家和新手之间的注视行为差异，对于指导培训和评估项目的发展也至关重要，AOI停留时间和首次注视时间可用于评估技能水平,热点图实现了空间密度可视化。Bond研究解释心电图时的搜索策略，发现专家们较新手对异常处的思考速度更快。扫描路径分析显示，专家一旦发现异常就集中在其周围区域，相比之下新手的搜索策略更加广泛[17]。Capogna比较新手和专家麻醉师在模拟硬膜外阻滞期的眼动指标，发现专家注视固定一个更具体的目标位置，而新手则将注意力分散在跟踪他们的工具和目标位置之间[18]。总之该技术能够提供可靠的定量数据，对提高临床技能做出指示，提供培训解决方案并帮助反馈和反思。

6.3 基于眼动追踪技术的数字化教学模式是顺应当今数字时代发展的创新

随着数字经济的高速发展，将“网络与数据法”课程模式逐步兴起。2019年新型冠状病毒病(COVID-19)的快速传播对全球医疗保健产生了巨大影响，大大减少了在医疗环境中进行面对面教育的机会[19]。“互联网+”“智慧+”等教学管理平台成了新时代的主流教学模式。近几年，全世界顶级大学纷纷步入虚拟仿真实验领域[20]，柴娜教授通过虚拟仿真技术构建医学影像课程的实践教学虚拟操作环境，实现了理论授课和实验教学的完美融合[21]。眼动追踪技术可生成多种可视化图像，从多角度获取数据，如眼动路径数据、瞳孔数据、注视数据等，是虚拟仿真实验领域的重要辅助工具之一。Zheng Bin教授基于眼动追踪技术建立虚拟仿真外科手术训练营，学员们通过佩戴头戴式眼动仪在虚拟仿真环境下进行腹腔镜肿块切除等手术操作的训练，结果显示用眼动仪记录数据评价操作者的熟练程度和手术灵敏警觉度客观有效[22]。Madsen J等应用眼动仪远程评估在线教学视频的有效性，发现认真的学生在观看教学视频时具有相似的眼球运动，眼球运动的同步是个人学习表现的良好预测指标[23]。Grima-Murcia博士在医学生技能考核中应用便携式眼动仪，以评估医学的临床技能、决策和解决问题的能力[24]。因此，未来基于眼动追踪技术势必同教育结合得更加紧密，作为一种提供量化数据的工具，为教育研究展开新的视角，在教育研究中将占有越来越重要的位置。

7 总结

目前脑电图教学在实际临床工作中存在诸多痛点，教学质量差强人意。基于眼动追踪技术的数字化脑电图教学模式具有数据可量化性、与教学特性高契合度、可有效展示眼动时空特征反映临床思维逻辑等特征优势，可有效提高脑电图的教学质量及学员兴趣。同时，对教学策略的改善和推动教育内容深化亦有所参考。具有良好的教学应用前景。