人工智能技術在冠脈疾病診斷教學中的初步應用

樊瑋 張磊 許兵強

摘? 要：目的：探討人工智能輔助教學對于提高實習生冠狀動脈CTA判讀能力的應用價值。方法：選取在陜西省人民醫院CT室實習的影像醫學專業的本科生60人，依照不同教學方法隨機分為2組，即基于人工智能輔助教學法的實驗組、傳統教學法的對照組，針對兩組學生冠狀動脈CTA結果判讀能力進行客觀考核，評價教學效果。結果：實驗組教學滿意度高于對照組，平均判讀時間少于對照組，判讀成績高于對照組，且差異具有統計學意義（P<0.05）。結論：基于人工智能輔助冠狀動脈CTA判讀教學，增強了學生的實踐能力，進一步提高了學習效率。

關鍵詞：人工智能? 冠狀動脈疾病? CT血管造影? 醫院數字化影像與傳輸系統

中圖分類號：R-4;G642? ? ? ? ? ? ? ? ? ? ?文獻標識碼：A? ? ? ? ? ? ? ? ? 文章編號：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

隨著影像醫學與核醫學專業知識不斷更新，影像設備的更新換代及新型技術快速推廣應用，影像專業實習學生如何在有限的時間內更高效地掌握基本影像知識，提高實踐能力，培養具有自我學習新知識及解決問題能力的合格年輕影像醫師，是醫學影像科教學中所面臨的關鍵的問題。近年來人工智能（Artificial Intelligence，AI）技術在醫療領域取得了突破性進展，基于深度學習的計算機人工智能技術能自動快速提取冠狀動脈樹，標識冠狀動脈名稱，同時能夠準確定位冠狀動脈病變位置，分析病變性質及相應管腔狹窄程度，成為對輔助診斷冠心病及介入術后效果評價的常規檢查手段。本研究通過分組教學，評價人工智能輔助在短時間內對于提高醫學生冠狀動脈CTA判讀能力的教學效果。

1? 資料與方法

1.1? 一般資料

選擇本院2020年1月至2021年1月期間在陜西省人民醫院CT室實習的60名影像醫學與核醫學專業本科生、研究生為研究對象，所有研究對象首先在本科室具有10年以上工作經驗、主治醫師職稱以上的專業教師指導下進行為期2d的冠狀動脈CT血管成像（Coronary CT Angiography，CCTA）基礎理論知識教學后，隨機分為對照組和實驗組，每組學生均為30名。對照組采用傳統教學法，實驗組采用基于人工智能輔助教學法。對照組男性為17名，女性為13名，年齡在21～26歲，平均（23.03±2.15）歲;實驗組男性為14名，女性為16名，年齡在22～27歲，平均（22.79±3.06）歲。兩組學生一般資料差異不具有統計學意義（P >0.05）。

1.2? 方法

實驗組采用“冠狀動脈血管成像輔助診斷系統”（北京數坤科技有限公司）進行圖像瀏覽、參考其輔助診斷學習1周，并在醫院數字化影像與傳輸系統（picture archiving and communication systems，PACS）中書寫書寫診斷報告，對照組無任何輔助，自主在 PACS中進行圖像瀏覽進行1周學習，并出具診斷報告，帶教老師對學生所有書寫報告進行審核并指出不足之處，回答學生報告書寫中存在問題，直至完全掌握。

1.2.1 教學效果評價

在學習結束后對兩組學生進行教學滿意度評估和實際病例操作分析測試。滿意評估以調查問卷的形式進行，提供滿意、比較滿意和不滿意3個選項。

1.2.2 教學測試

在本院PACS系統中隨機選擇10份不同病例的冠脈CTA影像資料，書寫診斷報告，由3名有5年以上冠狀動脈CTA影像診斷工作經驗、主治醫師職稱以上的帶教老師記錄實驗組及對照組的書寫報告所用平均時間，并對診斷報告進行評分，以5分制評分，滿分50分。

1.2.3 診斷報告評估方法

報告書寫時間記錄是以學生進入PACS并完全打開患者圖像開始計時，當完成診斷并提交報告結束計時，時間單位為分。

冠狀動脈CTA診斷報告采用5分制進行評分。5分：診斷準確、描述清晰、無漏診及誤診病灶。4分：診斷基本正確，描述欠清晰，或有1處冠狀動脈血管病變診斷斷錯誤。3分：診斷基本正確，描述欠清晰，或有2處冠狀動脈血管病變診斷錯誤或漏診。2分：診斷不明確，描述不清晰，或有3處冠狀動脈血管病變診斷錯誤或漏診。1分：3處以上冠狀動脈血管病變診斷錯誤，描述錯誤，遺漏重要病變等[1]。

1.3 統計學分析

本次研究數據均采用spss 23.0軟件，計量資料用（±）表示，采用獨立樣本t檢驗。計數資料則采用（%）表示，采用2值檢驗，當P<0.05時，認為差異具有統計學意義。

2? 結果

兩組學生教學成績比較如下。

實驗組報告判讀平均用時少于對照組，判讀成績成績高于對照組，差異具有顯著統計學意義（P<0.05），如表1所示。

實驗組教學滿意度為93.33%，高于對照組的66.67%，差別具有顯著統計學意義（x2=7.02，P<0.05），如表2所示。

3? 討論

隨著社會經濟的發展和人民生活水平的逐步提高，冠心病成為威脅人類健康的主要心血管疾病之一，發病率有逐年上升的趨勢[2]。目前，冠心病診斷檢查方法主要有冠脈CTA和冠脈造影，冠脈CTA以其無創性成為首選方法，在臨床工作中得到廣泛應用。在傳統教學模式中，由于冠狀動脈CTA需要在后處理機器上進行觀察、診斷，因后處理機器數量較少，實習學生相關學習只能以教師為中心，聽從講解，實際操作的機會較少，處于被動式學習狀態，參與程度不高，造成學生學習的積極性降低，達不到高效的教學質量[3]。由于帶教時間有限，帶教老師也不能完全了解每個學生對相關知識的掌握程度，造成學生的學習效率不高。

基于深度學習的計算機人工智能技術（AI）近幾年發展迅速，在醫學領域中獲得認可并得到廣泛應用[4]。人工智能醫學影像技術日趨成熟，人工智能輔助教學在影像醫學與核醫學專業實習學生的帶教中凸顯優勢，這也是醫學影像教育的新起點、新契機和新挑戰[5]。人工智能在醫學影像教學領域的應用推動了醫學影像學教學模式的革新，極大地提高了教學效率和教學質量[6]。AI冠狀動脈血管成像輔助診斷系統能夠自動、快速地處理圖像，自動分割每一條冠脈血管同時命名血管，提供心臟VR圖像、血管CPR及三維重建圖像[7-9]，省略很多重復操作，精確、快速地完成冠狀動脈重建，發現、定位、定性病變并對相應血管狹窄程度進行判斷，直接將影像資料及報告展示出來，實習學生可以多病人、多方位、重復性討論學習，增加實踐操作機會，提高學生冠脈病變的判讀能力[10]。

本次研究以在本院實習的60名本科生及研究生作為研究對象，以實驗組和對照組進行分組教學，實驗組采用AI技術輔助教學，對照組采用傳統教學，無論從教學方式滿意度測評，還是教學效果評價，實驗組學生與對照組差異均具有統計學意義，可以初步體現基于人工智能輔助教學在冠狀動脈CTA結果判斷學習中的優勢，能夠調動學生學習的積極性，增強自我學習的能力，提高對冠脈病變的整體認識，能夠為醫學事業進步培養更加優秀的影像人才做出貢獻。

4? 結語

綜上，將基于人工智能輔助教學法應用在實習學生冠狀動脈CTA結果判讀，可以快速、高效地進行知識的獲取，提高實際操作和診斷能力，在很大程度上彌補了傳統教學模式的不足。因此，基于人工智能輔助在冠脈CTA結果判讀教學中具有較高價值，值得推廣。

參考文獻

[1] 肖建偉，張樹桐，謝元亮，等.基于深度學習的冠狀動脈CT血管成像冠狀動脈疾病報告與診斷系統的臨床應用[J].實用醫學雜志，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，談在祥.人工智能背景下“新醫科”建設的挑戰與變革[J].中國高校科技，2019（7）：56-59.

[5] 王貴生，陳曉霞，葉菊，等.醫學影像人工智能輔助教學在非影像學專業住院醫師規范化培訓中的初步應用及思考[J].中華災害救援醫學，2020，8（9）： 523-524.

[6] 張寧男，張璋.人工智能輔助教學在醫學影像規范化培訓中的新探索[J].教育教學論壇，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.人工智能成像優化技術在冠狀動脈CT血管成像的初步應用研究[J].中華放射學雜志，2020，54（5）：460-466.

[10] 張寧男楠，張璋.人工智能輔助教學在醫學影像規范化培訓中的新探索[J].教育教學論壇.2019（25）：176-178.