人工智能輔助教學在醫學影像規范化培訓中的新探索

張寧男楠 張璋

摘要：住院醫師規范化培訓要求醫生在短時間內掌握基本臨床技能和專業知識。人工智能（artificial intelligence，AI）近年來已經逐步走進了日常臨床和教學工作中，本文擬將AI輔助教學應用于醫學影像學規范化培訓中，并探討AI在規范化培訓中的應用模式和意義。

關鍵詞：人工智能；住院醫師規范化培訓；醫學影像學

中圖分類號：G642.0 文獻標志碼：A 文章編號：1674-9324（2019）25-0176-03

一、引言

住院醫師規范培訓是醫學生畢業后繼續教育的重要環節，已經在全國各省市逐步開始執行，也將會在以后很長一段時間內成為年輕醫生的必修環節。一般規范化培訓期限為3年，3年之內除了需要輪轉臨床的內、外、婦、兒科，還需要輪轉輔助科室，如醫學影像科、核醫學、超聲科等。以醫學影像科放射科為例，不同專業住院醫師輪轉時間可能差異很大（0.5—18個月）。如何在短時間內有效率地掌握醫學影像學知識，特別是臨床醫生能直接應用的技能是醫學影像科規培的關鍵問題[1]。因此，本研究擬使用人工智能（Artificial Intelligence，AI）輔助教學的方法探索在短時間內教授住院醫師有效掌握醫學影像技能的可行性。

二、材料方法

1.分組信息。連續收集2017年7月—2018年12月在天津醫科大學總醫院醫學影像科進行規培的住院醫師共263人，每人均進行2小時的后處理和報告書寫培訓。隨機分為2組進行冠狀動脈計算機斷層掃描血管造影（Computed tomography angiography，CTA）后處理和報告書寫。其中，AI組使用“冠心病智能輔助診斷系統”（Coronary Doc，數坤網絡科技有限公司）進行圖像后處理和報告書寫（見圖1）；人工組使用常規西門子后處理工作站（Syngo.via，Siemens Healthineers）。由簽發報告上級醫生對冠狀動脈后處理的血管圖像質量、影像診斷報告進行評分，并記錄平均后處理及報告書寫時間。

2.評分標準。圖像評分采用Likert 4級評分法：1分為圖像質量優，對診斷無任何影響；2分為圖像質量良好，診斷基本不受影響；3分為圖像質量尚可，診斷稍困難，但尚能做出診斷；4分為圖像質量差，診斷困難。報告評分使用影像歸檔和通信系統（Picture Archiving and Communication Systems，PACS）終端的書寫報告系統（GE Centricity DICOM Viewer 3.1）的5分制進行評分。5分：診斷準確、描述清晰；4分：診斷正確、描述欠清晰；3分：診斷不明確；2分：為部分診斷有錯誤或遺漏重要鑒別診斷；1分：遺漏重要病變、診斷或誤判。

3.統計學分析。AI組和人工組的后處理圖像評分、報告質量評分均采用秩和檢驗類判斷是否存在差別。書寫報告時間采用Student t檢驗驗證兩組之間的差別。P<0.05為具有統計學意義。

三、結果

通過對263名住院醫生的共計573個CTA病例的

分析結果顯示：AI組和人工組的后處理圖像質量無明顯差別，而AI組的報告書寫評分明顯高于人工組，AI組的后處理及書寫報告使用時間明顯較短（見

表1）。

四、討論

1.住院醫師規范化培訓面臨的問題。以前我國沒有規范化住院醫師培訓制度，醫學生畢業后未經任何二級學科培養就直接分配到醫院從事臨床工作，以后的臨床能力和水平在很大程度上取決于所在醫療機構的水平。我們逐步學習和引進了美國執業醫師考試制度、臨床輪轉制度，制定了有中國特色的住院醫師輪轉制度。1993年，衛生部發出《關于實施臨床住院醫師規范化培訓試行辦法的通知》，揭開了住院醫師規范化培訓的序幕。在規培六個基本原則中提到，堅持“嚴謹作風、扎實基礎、寬廣知識”，注意能力培養的原則，讓醫學生在3年的時間內廣泛掌握臨床知識，拓展臨床知識面，避免只顧自己專業的一葉障目的臨床工作現狀[2]。但是受限于各科室的輪轉時間，一些住院醫師在有的科室只能是蜻蜓點水、雁過拔毛，沒有真正掌握到基本技能。因此，各臨床科室在承擔住院醫師規范化培訓時面臨的主要問題是如何讓住院醫師在有限的時間內，有效地掌握本科室基本臨床知識和技能，以更好的服務今后的臨床工作，提高整體醫療質量。一代代臨床醫生不斷探索，嘗試了多種方法，但很多設想都受限于人力、精力和時間，而近年來AI的快速發展和興起為我們開辟了一條新道路。

2.人工智能走進醫學教學和實踐。“AI”這個詞匯入選了“2017年度中國媒體十大流行語”。今天“AI”也慢慢揭開了她的面紗，走進了我們臨床工作的每一天?！癆I”是研究及開發用于模擬、延伸和擴展人的智能的理論、方法、技術及應用系統的一門新的技術科學，屬于計算機科學的一個分支，它企圖了解智能的實質，并生產出一種新的能以人類智能相似的方式做出反應的智能機器，該領域的研究包括機器人、語言識別、圖像識別、自然語言處理和專家系統等。AI的主要目標是使機器能夠勝任一些通常需要人類智能才能完成的復雜工作。但不同的時代、不同的人對這種“復雜工作”的理解是不同的。特別是對于醫學影像專業，AI有獨特的優勢，影像學的直接處理對象是影像圖像，而計算機的優勢是可以識別各種各樣的圖像，把圖像拆分成計算機可讀的小片段，進行全信息的匯總，有的放矢地發現圖像關鍵點進行提取和分析，實現人機交互的工作方式[3]。當前國內外很多AI后處理工作站和軟件已經被引入臨床工作中，并發揮著篩選病灶、輔助診斷的作用。

3.人工智能輔助教學的優勢。在本研究中，AI組和人工組的圖像質量評分無明顯差別，其原因可能是由于圖像質量更多的依賴于掃描的原始圖像，其與患者的配合、掃描模式選擇的關系更為密切，后處理環節并不能明顯地改善圖像質量，而AI組的報告評分明顯提高且用了較短的處理時間，提示AI后處理和結構化報告模式有效地提高了工作的效率和準確性。實驗結束，分別了解AI組和人工組的用戶體驗。人工組反映很多醫生以前沒有接觸過影像后處理系統，特別是血管后處理軟件，有的醫生對冠狀動脈的解剖認識欠清晰，雖然經過短期的培訓，但是很難把握報告書寫的模式和狹窄程度的拿捏。而AI組醫生則表示，雖然很多醫生非影像專業，但是AI后處理系統簡單、便捷，大多數血管都可以自動識別并且生成血管的多平面重組圖像，判斷冠脈血管起源、走勢并自動命名，AI還能自動識別斑塊和狹窄，測量斑塊密度和血管管腔的狹窄程度，一鍵生成結構化報告。AI組醫生的主要任務體現在了解患者病史、驗證AI自動識別是否有誤、判斷結構化報告是否符合臨床診斷需求、提供臨床建議等方面。AI后處理全自動化將1小時的工作時間縮減至1分鐘。

對于住院醫師規范化培訓的需求，可能很多醫生不是影像學專業，在醫學影像科的短短幾周時間內，需要掌握許多基本臨床技能和專業知識。一部分優秀醫生會做好知識儲備和拓展等預習工作，但對于大多數醫生的知識面僅限于本科教學中的基礎課和專業課內容，完全不能適應這種快速、高度專業的規培輪轉方式，可能剛剛對醫學影像有點感覺，就已經要離開本科室了。而AI輔助教學恰恰可以省略很多技術性強的重復工作，精確、快速地完成患者個性化冠狀動脈模型重建，直接將報告醫生、臨床醫生需要的圖像和結構化報告信息展示出來。住院醫師可以根據自己的需求有針對性的學習冠狀動脈解剖、病變和后處理方式，加強了醫學影像與臨床實際應用的聯系，使參加培訓的不同專業的住院醫師各得其所。AI以實現后處理流程全覆蓋、診斷全自動以及產出標準化，極大地簡便和優化了住院醫師的學習過程，也為以后逐步實現精準、個體化醫學模式奠定了技術基礎[4]。

五、小結

綜上，通過使用AI進行冠狀動脈CTA后處理的教學嘗試，發現AI輔助教學可以為不同專業、不同層次的住院醫師提供個性化、人機交互的教學模式，為解決住院醫師規范化培訓中“時間緊、不精通”的問題提供了途徑，提高了醫療隊伍的整體素質。

參考文獻：

[1]樊榮榮，施曉雷，孫安，蕭毅.人工智能在住院醫師規范化培養中的應用價值探討[J].腫瘤影像學，2018，27（4）：261-264.

[2]萬莉，貢麗英，吳清，穆得超.人工智能在高等醫學教育中的應用前景[J].中國醫學教育技術，2018，32（6）：607-609.

[3]康巍，鐘武寧，韋葦，陽君，趙陽，金觀橋.大數據背景下人工智能在醫學研究生個性化網絡教學中的探索[J].中國繼續醫學教育，2018，10（32）：41-43.

[4]李熠，匡雙玉，桂慶軍，尹凱，鐘慧，游詠.人工智能在醫學生臨床技能培養中的應用探討[J].醫學教育研究與實踐，2018，26（6）：908-910.