肺結節人工智能在影像醫學本科生教學中的分析*

張聲旺，冷文潔，容鵬飛，陳 倩

(中南大學湘雅三醫院:1.放射科;2.病理科，湖南 長沙 410013)

隨著計算機硬件和深度學習技術的發展，人工智能(AI)逐漸深入到影像醫學的臨床、教學與科研中[1-3]。影像醫學包括放射、超聲、核醫學等范疇，影像醫學傳統的教學模式為教師課堂授課、學生閱片實習的形式，教學主體主要以教師為主、學生為輔，傳統的教學模式導致學生學習效率不高、理論知識與臨床應用脫節[4]。隨著現代影像技術的進步，影像醫學圖片已經實現數字化，尤其適合計算機深度學習和人工智能技術的應用[5]。多項研究已經證實，AI展示出相當高甚至超越臨床醫生的能力[6-9]，已經越來越多地融合到醫學教學中[10-12]。AI可以快速分析大量的圖像，提取病灶多層次定量特征，為肺部結節的定位、定性診斷提供可靠的依據[13]。將AI應用于影像醫學教學中，幫助本科生能夠更好地識別、定性結節，提高學生的學習興趣和學習效率，在一定程度上可以實現教學的智能化、個性化。

1 輔助識別肺部結節

肺部解剖結構復雜，包含血管、淋巴管、支氣管、肺泡等結構，而且多類疾病如腫瘤、炎癥、結核、結締組織疾病等均可導致肺部結節形成，且結節形態各異、大小不一，人眼睛對于肺部小結節尤其是亞厘米結節辨認困難，對于密度較低的磨玻璃結節更是難上加難。因此，臨床醫生在診斷過程中或本科生在學習過程中會花費較長的時間去識別結節，且非常容易漏診。AI通過計算機的深度學習，應用于肺部影像診斷中能夠快速、敏銳地識別各類結節，尤其是人眼睛容易漏診的微小結節，可以給臨床醫生和初學影像的本科生節約大量的寶貴時間。傳統教學模式下初學影像的本科生非常容易將血管斷面誤診肺部結節，也非常容易漏診為肺部小結節，因此初學影像學的本科生，很容易從心理上受到打擊，從而主觀性地認為肺部結節診斷非常困難、很難學好。AI輔助教學新模式下，學生首先自行識別肺部結節，再對照AI判斷的肺部結節，篩查假陽性結節、總結分析自己不足之處；AI能夠敏銳發現人眼較難分辨的5 mm以下的微小結節及磨玻璃結節，減少肺部結節的漏診。AI的輔助學習，幫助本科生及時分析、發現自己的不足，并且逐步深入學習肺部結節的診斷經驗，有助于培養本科生的學習信心和學習興趣。因此，AI在影像教學中的應用，將教師為主體的教師講授-學生閱片-教師答疑的傳統教學模式改變為學生觀察-AI診斷-學生對照學習-教師答疑的以學生為主體的智能化教學模式。

影像醫學對于臨床醫學專業本科生來說是一門非常重要的橋梁課程，在臨床工作中會遇到很多肺部結節查因的患者，肺部解剖結構較為復雜，結節定位診斷需要精確到肺段水平，很多有經驗的臨床醫生也難以較好地掌握肺部結節定位診斷的要領。而AI作為計算機科學的一個分支，能夠精準定位肺部結節，作為一名本科生，在學習階段首先需要做到能夠發現結節并定位結節。因此AI輔助教學有助于學生精準定位肺部結節，在一定程度上緩解了本科生的難點、培養學生的學習興趣。在教師為主體的傳統教學模式下學生單純聽教師授課，理論與實踐容易脫節[14]，導致在學習過程中容易漏診、誤診肺部結節，學習效率不高，引入AI后通過對照學習，幫助學生發現、定位結節，因而更容易獲取結節診斷的經驗。

2 輔助定性肺部結節

影像發現、定位肺部結節的目的是定性結節，給臨床提供有價值的治療決策。肺部結節的定性需要從結節的大小、形態、位置、密度、與周圍結構的關系等方面綜合分析，才能推斷結節的良、惡性，幫助臨床制定肺部結節的治療決策。即使有經驗的臨床醫生，對肺部結節的定性診斷也需要細致分析結節特點才能得出相對可靠的診斷。對于初學影像診斷的本科生，分析結節的細節特點定性結節難度較大，且教師也沒有足夠的時間針對每名學生輔導、講授結節特點及定性證據。通過計算機深度學習開發的AI軟件能夠迅速分析結節特點，判斷結節內是否包含實性或磨玻璃部分、結節的形態、結節邊緣輪廓及結節與周圍結構的關系等，能夠初步判斷結節的性質。因此，本科生在自主診斷結節性質的基礎上，再結合AI輔助診斷進行綜合分析，更容易準確定性結節。因此AI也給教師節約了大量的講解時間，讓學生有更多的課堂時間進行自主、主動學習。因此，AI能夠幫助學生更好地自主學習，讓學生從被動學習改變為主動學習，更容易培養學生學習的興趣、提高學生的學習成效。

3 實現教學精準化、個性化

AI輔助教學將學生從被動學習改變為主動學習模式，且在學習過程中能隨時對照AI進行學習。傳統的教學模式是以教師為主體、由教師主導學生學習，可能會導致部分學生學習效率低、學習效果不理想，教師也沒有充足的時間對學生進行有針對地單獨講授。AI輔助教學模式下學生可以根據自身知識掌握情況隨時調整學習進度，遇到疑難的問題可以及時提問，教師也可以根據學生的學習情況實施個性化輔導。傳統教學模式下教師統一安排教學內容和教學進度，不能兼顧不同學生的學習進度，而AI輔助影像教學給教師創造了相對多余的時間實施個性化輔導。因此，AI在一定程度上實現了教學的精準化、個性化。學生應用AI軟件可以在任意時間、任意地點進行學習，可以根據其他課程進度自主調整影像學習的時間和進度。因此，AI在一定程度上也實現了影像教學的智能化。隨著計算機科學的快速發展，結合影像學學課的特點，精準化、個性化、智能化教學已經逐漸深入到影像醫學教學與臨床當中。

4 提高學生學習效率和教師教學效率

AI可以提高學生學習效率和教師教學效率。傳統教學模式下教師統一安排學習進度，不能照顧學生的不同知識掌握情況，容易導致學生知識掌握不牢、學習效率低下、理論與臨床應用脫節。AI輔助影像教學，學生可以自主、對照學習，可以根據自身學習情況自主安排復習、預習，大大減少了教師答疑的時間，而且學生在與AI對照學習時處于相對封閉的環境，不會具有傳統上與教師溝通的壓力，更不會產生恐懼感。因此，AI輔助教學尤其適合不善于與教師溝通的學生。AI輔助影像教學也能夠提高對學生邏輯思維能力的培養[15]。在學習過程中，學生能夠體驗到AI分析肺部結節的思路和特點，有助于培養和提高學生分析問題和解決問題的思維能力，而且AI的使用留給學生更多的思考和想象時間，有助于學生影像思維能力的培養。因此，AI有利于提高學生的學習效率。對于教師而言，教師可以根據學生AI輔助下自主學習情況，針對學生的疑難問題實施精準化、個性化教學，針對學生反映比較突出的少數問題可以具體講解，因此AI輔助教學在一定程度上也提高了教師的教學效率。

5 推動教學模式的改革

AI屬于計算機科學的分支，主要目的是使機器能夠勝任一些通常需要人類智能才能完成的工作，而對于影像學教學，本科生面對的主要為數字化圖像，所以AI具有獨到的優勢。醫療設備越來越精密，在教學及臨床工作中患者的CT或MRI圖像量多、信息量非常大，決定了單純根據人眼診治疾病難度很大，尤其是初學影像學的本科生。教師講授教學內容花費時間比較長、且教學效果不一定明確，AI輔助影像教學，推動了傳統的教師講授-學生被動聽課的教學模式，改變為教師、學生、人工智能三者結合的智能化教學模式。不僅僅針對本科生，影像專業的住培醫生、研究生同樣可以采用AI輔助進行學習。因此，AI推動了影像醫學教學模式的深度改革與發展，使影像醫學的教學實現高度的數字化、智能化、精準化成為可能。

6 引導學生合理應用AI

隨著醫療設備的發展，影像醫學圖片已經實現數字化，AI作為計算機科學的一個分支能夠快速分析數字化圖片，且能準確、快速地識別、定位并輔助定性肺部結節，可能會導致部分學習積極性不高的學生過度依靠AI軟件，而忽略了自主分析判斷步驟，可能會導致這部分學生的學習浮于表面、知識掌握不牢固，在臨床遇到類似問題時不能完全依靠自身知識結構進行解決。因此，教師需要加強監督，引導學生合理運用AI進行輔助學習。另外，在AI輔助教學模式下，與傳統教學模式比較，教師講授時間會相對減少，可能導致部分學生認為監督減少，從而放松學習。因此，在影像醫學教學中教師需要加強管理，制定相應的管理制度，明確影像學習的目的和要求，引導學生正確應用AI輔助學習。學生合理利用AI輔助影像學習，增加了學習的自主性，提升了學習效率。目前。AI輔助教學還處于初級階段，難免還有各種問題，因此還需要教師加強管理和引導。

7 AI在教學中的不足與弊端

AI在影像醫學教學中帶來了很多的便利，具有較好的發展與應用前景，但AI也具有一定不足。例如，AI在教學與臨床中的使用需要一定的經費支持，對于經費相對較少的偏遠地區存在經費短缺問題，導致在教學中不能及時使用及更新。AI是計算機對一定的病例進行深度學習、具有一定的知識儲備后才能在教學與臨床中使用，所以診斷時不可能完全正確，會存在假陰性與假陽性，需要教師與學生結合個人知識儲備進行綜合研判。另外，科學合理使用AI輔助教學才能提高教師的教學效率與學生的學習效率，但過分依賴AI有可能導致教學與學習效率的退步。目前，AI在教學與臨床中的使用還處于初級階段，在教學中還處于初級的輔助地位，不能具體分析學生在學習過程中的優勢與不足，針對不同學生還不能進行完全精準的智能化輔導，不能將學生掌握的知識程度及時反饋給教師。因此，工程師還需要不斷升級AI軟件，完善軟件的不足之處，提高AI軟件在教學與臨床中的人性化、精確化、智能化水平，不斷提高AI軟件在教學中的地位與角色。

綜上所述，將AI融合到影像醫學教學中，推動以教師為主體的傳統教學模式改變為以學生為主體的智能化教學模式，解決了教師與學生之間缺少互動的問題，提高了學生的學習興趣，從而提高學生的學習效率和教師的教學效率。因此，在一定程度上實現了影像教學的精準化、個性化、智能化，從而推動影像醫學教學模式的改革與發展。