人工智能在研究生外科教学中的应用探索

蒋伟 马海涛 郑鸿 杨桦 邱远

当今，人工智能（artificial intelligence，AI）正在全球范围内掀起新的科技热潮，成为推动引领新一轮产业结构变革的重要创新动力。在我国，人工智能也已上升为国家重点战略，尤其在医疗方面，也进入发展快车道。人工智能技术对现代医学教育改革产生了深远的影响，使以往以思维记忆能力为基础的训练，逐步转向从不断增长的信息资源中整合和利用信息的能力。在医学教育中充分运用融合了大数据信息平台、云计算、5G 移动互联网以及虚拟现实的人工智能技术，能够为临床教学、医师培训、医疗实践带来积极影响。日前，清华大学医学院与相关科技公司合作，建成全国首个“智慧现实虚拟临床教学中心”，率先跨出我国人工智能辅助临床教学的第一步[1]。2017 年7 月，国务院印发《新一代人工智能发展规划》，指出高校应当利用人工智能技术加快推动人才培养模式、教学方法改革[2]。2018 年国家自然科学基金委员会在信息科学部下增设“教育科学研究”方向，鼓励人工智能、大数据等技术与教育科学、教学活动相互融合。可见，近五年人工智能相关政策集中落地，为我们临床教学改革提供了契机。在未来的医学教育中，应主动变革现有的教学理念及模式，深度融合人工智能技术，方能占领未来医学教育高地，为我国医学事业培养面向未来的人才。

1 人工智能在医学中的运用趋势

人工智能是一门基于计算机科学、脑神经学和社会科学发展而来，主要研究、开发用于模拟、延伸和扩展人的智能的综合性学科。其主要作用是能够替代人类执行识别、认知、分类及决策等各种功能。人工智能对医学领域已经产生深远影响，在医学影像辅助诊断、临床决策支持、药物挖掘、健康管理、临床技能训练等方面取得了卓越成绩[3]。

人工智能在医学图像识别方面目前已经有比较成熟的应用实例。计算机辅助诊断（computeraided diagnosis，CAD）是指通过影像学、医学图像处理以及人工智能等技术，对病变的影像特征进行量化分析处理并做出判断的自动分析技术。主要包含图像采集、图像预处理、ROI 域分割、特征提取和分类识别等五大工作模块，辅助影像科医师快速发现病灶并进行分析，从而使诊断的效率及准确率大大提高。2016 年，美国学者Stephen T.Wong 和Jenny C.Chang 团队开发了自然语言处理（NLP）软件算法。该算法首先对543 例乳腺癌患者的X 线摄影平片进行深度学习，通过捕获乳腺X 线摄片的关键特征，与乳腺X 线图像数据库进行比对、识别，并与乳腺癌亚型进行关联。从而实现高精度、高效率的X 线影像识别能力，是普通医师诊断速度的近30倍，且诊断准确率可高达99%[4]。人工智能在辅助新药研发方面也有良好的应用前景。美国生物制药公司Berg Health 应用人工智能平台快速筛选胰腺癌、膀胱癌和脑癌等患者组织样本，并对相应的基因组信息和生物分子代谢途径的差距进行分析，从而达到快速寻找潜在的药物靶点的目的[5]。通过这种从数据为起点出发，继而利用数据生成一系列假定靶点及对应药物的方法，预计可使新药研发成本大幅度降低。此外，人工智能还能够辅助临床医师为患者提供诊疗方案。IBM 公司与MSKCC 医院联合研发推出了Watson 肿瘤解决方案（WFO）[6]。根据IBM 提供的资料显示，WFO 可以在17s 内，对69 种治疗方案，3 469 本医学著作，61 540次实验数据，10.6 万份临床报告及24.8 万篇论文进行阅览，并结合医师所输入的具体的患者信息指标，最终选择最优的个性化治疗方案供医师参考[7]。同样，人工智能技术在医学教学方面运用也进行了大量探索。运用人工智能技术，可以将人体解剖结构、血流动力学、运动力学等进行全息还原，研究生可以在虚拟空间里进行学习。还可通过软件操作，将患者的器官或病灶进行精准再现以及几何分析，术前对病灶的区位、体积、径线进行全面评估，协助制定手术方案和方案风险综合评估。由此可见，与传统医疗服务技术相比，人工智能的医学应用在提高医疗质量、降低医疗成本以及提高医疗教学效率方面都有较多优势。未来的医学将会与人工智能深度融合，这也对现在的医学教育提出了新的要求。

2 研究生教育现状问题思考

研究生临床教育不仅是高层次医学人才的主要培养渠道，还对推动现代医学发展起着至关重要的作用。随着医学的不断发展和医学教育标准的提高，医学教育必须紧跟时代变革。研究生教育与本科生教育不同，前者更偏向于培养研究生独立思考问题和主动探索问题答案的综合能力[8]。但是，目前外科学研究生教学仍然面临多方面的矛盾。只有深入分析问题本质，才能从新的教学手段方法中寻求解决问题的切入点。

2.1 临床思维能力培养不深入

一方面，专业型研究生培养与住院医师规范化培训相结合后，大部分研究生时间安排以轮转科室为主。一些轮转科室对研究生存在有“重使用、轻培养”的倾向，甚至完全将研究生当作“实习生”使用。他们的大量时间用于书写病历和换药，挤占了临床实践及回顾思考时间[9]。另一方面，部分临床带教老师的单一说教代替了研究生主动思考和探索，阻碍了研究生临床潜力的发挥与创新精神的培养。这种“填鸭式”带教无法及时对研究生不足之处予以反馈并纠正，更不利于充分调动研究生的主观能动性。

2.2 训练期间考核机制不完善

一方面，目前每个学校的研究生教育培养都有各自的考核标准。针对研究生期间的阶段性考核，很多医学院校都是由教学科室自行组织各类理论或是操作技能考试。然而师资力量参差不齐，无法做到统一标准。更无法对所有的研究生进行客观统一的评价[10]。另一方面，带教老师在对研究生进行考核时缺乏有效监督，没有形成严格的制度化、规范化考核机制。考核存在形式化，走过场等问题。还容易因管理漏洞而出现教师工作懈怠、滋生舞弊等情况。

2.3 科研创新能力训练不充分

科研创新能力是研究生的核心竞争力之一。由于临床专业研究生平时以临床实际运用能力和工作能力为主，科研创新能力训练是训练过程中的短板[11]。在研究生培养过程中，由于时间紧、任务重，与导师接触时间有限等多方面问题，导致无法对临床研究生进行系统的科研训练，培养完备的科研素养[12]。另外，部分高校导师队伍数量不足、水平参差不齐、本身知识与能力结构并不能完全满足研究生的创新能力培养需求。

3 人工智能在外科研究生能力培养中的应用和前景

上述在外科学研究生培养过程中存在的短板，正是人工智能可以加以弥补的地方。人工智能的出现，让临床实践最大限度的与临床教学相融合，研究生可以无损的、无障碍的从临床实践的海量数据中汲取“营养”和知识。

3.1 人工智能可用于研究生临床思维的培养和训练

临床思维能力是疾病诊断及治疗的关键。因此，我们考虑可以运用人工智能对研究生临床思维培训进行协助：一方面，人工智能可以为临床思维训练发挥示范或辅助作用。以百度医疗大脑为代表的人工智能由人工智能算法（超大规模的神经网络）、计算能力（数十万台服务器进行计算，基于GPU）、大数据共3 部分组成[13]。具备语音合成与识别、图像、自然语言处理以及用户画像等4 方面能力。可通过采集并分析专业文献，模拟医生问诊工作流程，并在问诊过程中对患者的症状描述进行收集汇总、分类整理。依据患者的症状提出可能出现或是遗漏的问题，全程辅助研究生进行病史采集和初步诊断[14]。这样能够帮助训练研究生临床思维的逻辑性、层次性及严谨性。另一方面，现已开发出多种智能化机器人来替代标准化病人，对研究生进行临床诊断能力的培养和考核[15]。这有效解决了标准化病人需投入大量资金和时间训练的高成本问题以及实际病人不愿配合等难题。随着人工智能的进一步发展，智能机器人将能实现对患者症状、表情、动作、语言更为生动地模仿；进而提供更为标准、规范、准确的病情模拟演示和交互对话。

3.2 人工智能可辅助教学考核与评估

人工智能除了充实临床教学内容外，还可以提供完善、客观的教学考核与评估。当前人工智能系统可以针对学者的学习特征进行分析，并进一步为学者优化学习路径、定制学习资源、反馈学习效果[16]。阿尔伯塔大学就利用人工智能建立了一套完善的学习及评价系统。系统提供文献下载、在线学习及讨论测试，同时后台对研究生与系统的交互数据进行自动记录，如各项操作的时间、次数、频率及讨论内容等。同时，系统通过记录的数据来分析研究生的学习策略、偏好、成效，并最终形成研究生的学习特征图谱和学习成果报告[17]。另外，人工智能技术还可以通过捕捉学习时的时间数据、眼动数据、质性信息等，更加科学的认识研究生学习规律和学习习惯。如果将所有学习过程信息和考核信息纳入人工智能系统，将会有利于高效精准地对教学情况进行评估，并实时向学习者反馈，为培养优秀的医学人才提供坚实保障[18]。

3.3 人工智能可作为临床实践的重要补充

研究生的培养离不开实践训练，而人工智能虚拟实训系统的出现可以解决研究生操作机会少，提高临床技能操作教学质量。我校张绍祥教授牵头建立了全国首个基于中国数字化人体的虚拟解剖系统。该系统以中国数字化人体数据集为基础，结合计算机信息学、图像学与网络技术，通过数据分割、计算机三维重建、模型平滑贴图和软件系统开发而构建[19]。围绕这一系统，我们已经建立了教学系统接入端。研究生可运用此系统对目标器官结构进行任意方位、角度的三维可视化观察研究。其高精度的解剖图像能够清晰地显示包括血管、神经、淋巴等在内的人体各种精细解剖结构。同时，我们外科教研室正在探索依托此虚拟系统建立可交互式虚拟手术平台[20]，为研究生提供更深入更真实的手术操作虚拟练习，使学习者在面对真实病人前有更加充分的训练。

3.4 人工智能助力科研能力

医学科学研究对医学进步发挥着重要作用，多数研究生由于临床工作负荷大，缺乏数据或者整理数据的时间。大量且繁琐的临床科研数据通常又需要花费其大量的时间及精力，而人工智能这一新技术和新方法的引进与应用有望能够改变这一矛盾现状。一方面，大数据平台通过对临床患者信息的收集、解析、录入并校验，将医疗行业大规模的数据转化为机器可识别分析的数据，即结构化。这样数据的处理能力就可以大幅提升，减轻研究生科研工作的负担。另一方面，人工智能还可以将医学数据的检测和分析过程自动化，并完成对影像数据的精准解读，尽可能减少人为误差对结果的判读，为开展临床科研和实践提供重要保障[21]。近期来自全球100 多个实验室的近150 位学者在Nature 联合发表了研究分析的近3 000 份肿瘤样本的甲基化数据，对1 104 份样本传统病理诊断和运用人工智能决策系统诊断的结果进行了比较。最终显示两者诊断完全一致的样本占60.4%；15.5% 的样本两者诊断一致，但人工智能认为它们应该属于更小的亚型；两者诊断不一致的样本占12.6%，深度分析证实其中92.8%的样本人工智能诊断正确[22]。研究生可利用该系统对大量的临床数据进行分析整理，并继续挖掘新的数据指标意义，同时将所得结论在日益增多的临床海量数据中得到进一步验证。此外，在医学实验中，人工智能技术还能够追踪实验对象，并对实验进程进行监控和干预。比如，在细胞操作实验中，运用人工智能技术固定细胞，在运动过程中下达命令，实现医学实验的追踪、注射、捕捉、转移等，为科研人员的医学实验分析和研究提供便捷[23]。

4 结语

随着时代的发展，人工智能技术与教育行业的融合发展正迅猛地推动着教育事业的变革。人工智能在临床教学的实际应用也发现存在一些缺陷，例如建设成本较高，系统调试复杂，操作人员难以掌握，体验感不流畅等。不过，随着深度学习与神经网络的进一步完善与成熟，人工智能技术在医学教学中的作用将会越来越突出，从而为医学教育的发展提供广阔的机遇和发展空间。