深度學習自動勾畫在“腫瘤放射治療學”教學中的應用

[作者簡介]（1991—），，女，河北衡水人，博士，主治醫師，主要從事腫瘤放射治療研究。

[中圖分類號]G642.0 [文獻標識碼］A [文章編號]1674-9324（2025）26-0125-04

[收稿日期］2024-08-06

引言

癌癥作為人類面臨的主要健康威脅之一，其主要治療手段包括手術、放療、化療等。調強放療作為一種現代、數字化的精確放療技術，是目前腫瘤治療的重要方法[1]。然而，該技術的關鍵點為放療前靶區的準確勾畫，靶區勾畫中腫瘤區及潛在亞臨床病灶的缺失與遺漏是影響療效的重要因素，這一問題近幾年逐漸得到重視。作為一門量大面廣的醫學技術基礎課程，“腫瘤放射治療學”是面向醫學學科的必修課程，在滿足國家高質量醫學建設需求的人才培養中發揮著不可替代的作用[2]。近十幾年來，經過全國相關領域教育者不斷探索和實踐，從“腫瘤放射治療學”課程的教學內容、教學方法、教學手段等方面進行了較系統的改革，初步摸索出了符合我國新時代、新背景的“腫瘤放射治療學”課程改革途徑。

教授學生能夠在最大限度保護正常組織的前提下進行放療方案的正確合理設計、實施是“腫瘤放射治療學”授課的核心。目前，深度學習在臨床醫學中的應用得到了廣泛關注，基于深度學習或先驗知識的自動勾畫技術已初步得到應用。與此同時，深度學習的快速發展為放療臨床教學帶來了新的機遇和方法。2020年，引進了MANTEIA公司的AccuContour智能放療圖像工作站，該系統整合了自動模型，用于描繪不同位置的腫瘤靶點和器官，實現了多種成像方式的融合和靶區的自動描繪。這可以顯著提高醫生和物理師的生產力，降低風險，使患者受益。利用日益增長的臨床應用和病例數據積累，大學第一附屬醫院建立了一個輔助學習平臺。自2020年以來，智能自標描述已被納入臨床教學，顯著提高了學生的參與度和學習效率。本文重點分析了大學第一附屬醫院采用深度學習輔助教學前后，60名接受腫瘤放療臨床學習學生的學習情況。

一、對象與方法

（一）研究對象

2021年8月至2022年7月，在規培的腫瘤放射治療專業的大學醫學生被選為研究對象。其中，選擇了2021年采用傳統放射治療教學方法的28名學生作為對照組，選擇了2022年采用深度學習輔助教學方法的32名學生作為實驗組。兩組之間基線數據比較結果顯示無顯著統計學差異 （pgt;0.05） ，表明具有可比性，如表1所示。該研究獲得了醫院倫理委員會批準，且所有學生均簽署了知情同意書。

（二）研究方法

對照組采用傳統教學方法結合基于先前知識的傳統勾畫方法；實驗組采用傳統教學方法結合深度學習智能輔助自動勾畫的方式，即來自AccuContour計劃系統上的自動勾畫工具被用于完成靶區勾畫。在理論學習的初始階段，通過考慮疾病知識和具體病例情況進行目標描述訓練，然后將此培訓與AccuCourt軟件系統的標準化案例模型進行比較，以進行受控學習和技能發展。

在兩組學生完成實際操作后，進行了理論評估和操作評估。理論評估的問題是從題庫中隨機選擇的，同時記錄評估結果。操作評估由同一位教師進行，該教師根據乳腺癌癥靶點劃定的標準化培訓指南評估結果，并將數據記錄在案。同時，還進行了滿意度調查，以評估學生對教學質量的滿意度，調查提供了三種選擇：高度滿意、普遍滿意和不滿意。比較了兩組學生在教學前的理論調查得分、教學后的理論和操作測試得分，以及操作時間、理論和操作測試一次通過率、操作信心和整體滿意度評價。

（三）數據分析處理

統計數據采用SPSS20.0軟件進行處理，對測量數據采用“平均值 ± 標準差”的表示方式，并使用獨立樣本t檢驗比較不同組的平均值。 plt;0.05 被認為具有統計學意義。

二、結果

（一）對照組和實驗組教學前后理論考核成績

結果顯示，在教學前，兩組之間的理論成績調查比較顯示沒有統計學意義 （pgt;0.05） ，而在教學后，兩組學生在理論考試中的分數都顯著高于教學前，且實驗組的分數高于對照組，在統計學上有顯著性差異 （plt;0.05） ，如表2所示。

（二）對照組和實驗組操作考核成績及考核一次通過率

結果分析顯示，實驗組學生勾畫時間、操作考核得分、考核一次通過率等均優于對照組，差異有統計學意義 （plt;0.05） ，如表3所示。

（三）兩組學生操作成功信心和學習整體滿意度比較

結果顯示，實驗組學生在操作成功方面比對照組更有信心，且他們對學習整體滿意度也更高，差異有統計學意義 （plt;0.05） ，如表4和表5所示。

三、討論

腫瘤放射治療學是一門實踐性很強的學科，包括體模制作/做模、CT模擬定位及放療計劃制訂等。其中，靶區及危及器官勾畫是住院醫師規范化培訓中重要的實踐技能之一。由于靶區勾畫的特殊性，醫學生對這項技能的學習主要集中在碩士研究生和博研究生的教育階段，甚至在住院醫師規培階段。因此，絕大多數學生都是從零開始，且訓練困難。在當前醫學知識迅速增長的時代，腫瘤放射治療領域的靶區勾畫理論知識變得復雜且高度專業化，同時放射治療技術和設備不斷更新和突破，因此，傳統的“腫瘤放射治療學”教學方法已無法滿足目前的要求，此外，對于學生來說，在有限的時間內全面掌握腫瘤放射治療的理論知識和實踐專業知識是一項艱巨的挑戰。因此，亟須創新教學模式來改革腫瘤放射治療領域的教學方式。

放射治療師須投入大量時間繪制有風險的腫瘤和器官的靶點。在CT定位后，每個腫瘤患者都會生成大量圖像（大約 100～200 張），這需要醫生仔細地逐層描繪出有風險的器官，而在具有復雜解剖結構和鄰近器官（如頭部和頸部）低輻射耐受劑量的區域，這項任務會變得更加復雜和精確[3]。因此，這些案例的目標描繪會非常耗時，通常需要 4～6 小時才能完成，而經驗不足的醫生在手動執行此任務時可能需要更多時間。目標描繪的過程涉及重復性任務，這些任務本質上是主觀的，因為處理同一病例的不同醫生之間存在差異。此外，這一過程缺乏標準化的評估標準，因此，迫切需要一種自動化和智能化的方法。目前，在腫瘤放射治療領域，呈現幾何圖案的醫學圖像數據明顯增加，積累了大量的臨床圖像數據。通過利用大規模數據學習，人工智能可以獲取相關知識，并利用深度學習和大數據技術自動分割腫瘤和非腫瘤組織[4]，實現目標區域的自動映射。基于此，醫生只需對自動生成的草圖結果進行審查、微調和修改，大大減少了工作量，并且醫生借助人工智能生成的圖像在描繪目標時提高了實時準確性；同時，生成的圖像可以作為年輕醫療專業人員的寶貴參考點，降低其產生錯誤的可能性。因此，人工智能在自動目標映射領域具有固有的優勢。目前，國內外在開發基于數據庫分割的自動勾畫繪制軟件方面都取得了進展，包括MIM、ABAS、RayStation 和 DeepViewer[ 5]。

自從開始使用AccuContour軟件以來，我院的腫瘤放射治療科已經建立了一套標準化案例模塊，用于處理各種腫瘤靶區和正常器官（如鼻咽癌、宮頸癌、乳腺癌、直腸癌和食管癌等）。通過標準案例提取圖像和自標數據，訓練計算機深度學習模型，然后利用這些模型描繪新患者的目標。通過利用自動勾畫軟件，筆者發現繪制時間大幅減少，且目標勾畫的一致性得到增強。近年來，我院在放射治療研究生教學中引入了深度學習輔助目標定位技術。這種方法有兩個好處：1學生可以根據自己的特定學習要求獨立訪問數據庫中預先存在的標準案例模塊，以提高他們的記憶和認知能力；②在實際應用中，學生可以利用自動勾畫軟件準確地勾勒出目標區域，從而避免因缺乏經驗或理解而導致的錯誤和遺漏，也大大減少了重復性任務。此外，這些勾畫經過經驗豐富的醫生的評估，可以幫助學生及時發現問題并糾正錯誤或不足，提高了生產率，促進了學生快速成長。基于此，學生可以將更多時間分配給理論知識學習、文獻探索、科學研究以及其他可以有效提高整體能力水平的內容。

在這項研究中，評估了學生在繪制結直腸癌靶點方面的表現。研究結果顯示，與手動繪制相比，使用自動勾畫繪制軟件的實驗組在30多分鐘內完成了任務。這一結果主要源于實驗組對Ac-cuContour軟件的有效利用以及他們參考存儲在數據庫中標準的結直腸癌病例的能力。借助深度學習技術，可以自動化勾畫腫瘤靶點和正常器官（如膀胱、結腸、小腸和脊髓等），在提交結果之前，只需要較少的時間進行個性化調整。另外，人工智能極大地提高了目標定位精度，與對照組相比，實驗組目標區域得分明顯更高。這種方法將學生的被動學習轉化為主動探索，提高了學生在完成學業后的滿意度，使學生有足夠的信心從事正式的臨床工作。對理論知識的評估顯示，兩個學生群體之間的差異較小，這表明人工智能輔助教學主要提高了學生的實踐技能。鑒于教師對臨床工作和科研任務方面的時間表要求較高，在教學過程中分配額外的時間進行逐步指導對他們來說是一個挑戰。因此，教師可以利用深度學習輔助教育來支持大數據教育方法，建立病案篩選標準，自動選擇符合標準的病案，提高教育效果。

很明顯，將自動勾畫系統納入腫瘤放射治療教學只是人工智能支持教學的一個方面。筆者的初步研究表明，人工智能既可以簡化和優化學生的學習過程，也可以使他們對人工智能輔助教學高度認可和接受。這表明，在當前的醫學教育框架內整合人工智能支持的教學具有很強的可行性，可以提高醫學教育的便利性和有效性，有必要在這一領域進行進一步的研究和推廣。

參考文獻

[1]李綿利，董艷，李花.3D打印在腫瘤放射治療教學中的應用效果觀察[J].中國繼續醫學教育，2019，11（12）：32-35.

[2]秦頌兵，趙奇，李莉，等.CBL聯合LBL在腫瘤放射治療學教學中的實踐［J].名醫，2018（12）：251.

[3」惠蓓娜，李毅，龔拓拓，等.人工智能在腫瘤放射治療學臨床教學中的應用研究[J].西部素質教育，2022，8（18）：116-119.

[4]柯海，于波，周瑞玲，等.人工智能輔助教學法在經口氣管插管教學中的效果評價[J」.中國臨床醫生雜志，2024，52（5）：627-629.

[5]孫文澤，李毅，張瑩冰，等.翻轉課堂聯合PBL教學法在腫瘤放射治療學臨床教學中的應用［J」.中國繼續醫學教育，2023，15（21）：71-75.The Application of Deep Learning Auto-contouring in Tumor Radiotherapy TeachingCAI Chang'，LI Li’，LIU Tong-shun2， ZHANG Ke-dong2

（1.Department of Tumor Radiotherapy， The FirstAfliated Hospital of Soochow University， Suzhou，

Jiangsu 2150o6， China; 2.School of Mechanical and Electrical Engineering， Soochow University，Suzhou， Jiangsu ， China）

Abstract： The primary objective of tumor radiotherapy is to equip students with a comprehensive understanding of thefundamental theoriesand practical applications inclinical oncology，radiophysics， radiobiology，andmedical imaging while enhancing their proficiency in basic theoretical knowledge andclinical skill.This study focuses on a group of 6O students who underwent radiotherapy training at the First Affiliated Hospital of Soochow University from August 2022 to July2023.Thestudents were divided into control and experimental groups for comparison between traditional teaching methods and deep learning-assisted teaching methods.The results revealed thatthere was no significant difference in theoretical assessment between the two groupsaftercompleting thecourse.However，in terms of practical skills developmentrelated totargetdelineation tasks during radiotherapy treatment planning process （automatic sketch），the experimental group demonstrated significantlyshorter completion timecompared tothecontrol groupalong withhigher assssment scores for target delineation accuracy.Moreover，the experimental group expressd greater satisfaction with the teaching approach than the control group.These findings indicate that incorporating deep learming techniques into clinical teaching for tumor radiotherapycan efectively stimulate students’ interest in independent learning while improving overall teaching effectivenessand studentsatisfaction.

Keywords：deep learning;radiation therapy;auto-contouring;clinical teaching