人工智能輔助教學在醫學影像規范化培訓中的應用及探索

吳芳 蘇壯志 孫崢 杜祥穎 盧潔*

（1.首都醫科大學宣武醫院放射與核醫學科，北京 100053； 2.磁共振成像腦信息學北京市重點實驗室，北京 100053）

醫學影像學是臨床診斷的重要組成部分，能夠為疾病診斷提供客觀證據，并且為臨床科室提供必不可少的支撐平臺。醫學影像住院醫師規范化培訓（簡稱住培）是醫學生畢業后教育的重要組成部分，是提高影像醫師專業技術水平的重要環節［1］?，F階段的住院醫師主要通過完成臨床工作獲得經驗，這種模式積累緩慢，無法對學習效果進行實時反饋，且培養周期有限，很難在有限時間內全部掌握常見及疑難病例影像特征。隨著醫療信息化建設的全面推進，醫學影像教育教學也在這種信息變革中面臨著自我轉型的挑戰。

構建醫學影像智能學習平臺，創建新培養模式，將很大程度上影響未來學科體系的教學方向?！督逃畔⒒笆濉币巹潯分幸褜ⅰ吧罨畔⒓夹g與教育教學的融合發展”列為教育改革發展的首要任務，這表明推動線上信息化教學之路勢在必行［2］。人工智能（artificial intelligence，AI）是利用計算機技術模擬人類思維及學習過程，使其勝任人類智能所能完成的復雜工作的一門前沿學科，通過智能代理和智能教學系統，可為教學過程的個性化及交互性奠定技術基礎，通過智能反饋系統，推進AI輔助下的以學生為主體的智能交互教學模式，對快速培養具有高素質的影像科醫生有著積極的意義［3-5］。同時，輔以大數據后臺運行保障教學質量和資源數據的安全，將進一步打破傳統教學時間和空間的限制，顯著提高教學工作效率，降低教學成本，同時達到縮短人才培養周期的目的。

1 醫學影像住培教學現狀

影像科住培是實現學生從課堂到實踐的過渡，也是學生轉變為醫生的必經階段。醫學影像住培課程內容復雜，包括全身各個系統常見疾病的影像學表現，教學內容廣泛，涵蓋理論知識、基本技能、臨床思維等綜合培養內容，如何在短時間內有效率地掌握影像學知識是規培的關鍵問題?，F階段的教學方式為：學生通過完成日常工作中診斷報告和病例隨訪來積累經驗；教師以課堂授課形式傳授知識、經驗和技能。這種教育模式存在一定的弊端：首先，住院醫師主要通過日常臨床工作積累經驗，讓他們在有限的培訓時間內廣泛掌握影像知識存在一定困難；其次，影像診斷常常缺乏金標準對照，無法對學習效果進行實時反饋，導致培訓時間長、學習效率低等問題；另外，教學資料主要來自數字化影像存檔與傳輸系統（picture archiving and communication system，PACS）和醫院信息系統（hospital information system，HIS），雖然可以有效準確地融合業務系統中醫學影像、臨床診斷、病理學診斷及隨訪等信息，但由于無法對圖像資源進行分類、篩選，不能實現快速有效的疾病分類學習；最后，培訓課程的設定又制約教師的授課方式和地點，一些培訓基地圖像資源滯后、病種單一，在有限的培訓時間內學生接觸到的病例圖像內容和數目受限，亦降低了教學質量，使臨床實踐和理論教學脫節。這種以教師授課為主的教學模式，已遠落后于現代影像技術的發展，不能滿足影像科人才培養的需要。因此，改進教學方法，豐富教學內容，發揮學生的主觀能動性，激發學生的創造性思維，提升實踐能力，成為醫學影像教學努力的方向。

2 AI輔助醫學教育國內外研究現狀

在過去的25年里，AI在教育領域取得了重大發展，如教師機器人—— 一個負責發布教學內容、提供反饋和監督進度的助教。事實證明，AI在教育領域越來越廣泛地應用有助于學生獲得專業幫助、發現知識差距，從而使教師擺脫繁瑣的工作，使他們能夠更有效地對學生作出回應，并改進個性化和適應性的教學過程。國外已有研究者［6］將AI技術應用于第一年外科住院醫師培訓中，通過AI技術（深度神經網絡、圖像/視頻識別數據庫和學習進度引擎的組合）構建虛擬導師，即擁有智能揚聲器的可穿戴設備，可記錄學生的臨床活動軌跡，虛擬導師通過智能眼鏡監測學生的各項操作，并提供相應的知識點，學習者也可通過語音對虛擬導師進行提問，系統會做出相應回答，學習結束后系統對學生學習軌跡進行整合，通過反饋模塊，對學習效果進行評價，并提供今后的學習建議。這種教學方式有效地提高了外科住院醫師的培養質量及效率，但目前沒有廣泛應用，主要原因在于可穿戴設備的開發，仍存在一些技術性問題。另有研究者［7］開發了AI輔助教學系統，將其應用于護理學本科生的培養中，即創建虛擬患者，以便更好地為護理本科生在臨床實習期間與真實的患者、家屬和其他衛生保健專業人員的交流做好準備；研究結果顯示在護理生溝通技能訓練中，創設虛擬患者可以提供真實的學習環境，提升護理生自我效能感及對有效溝通技巧的信心，但是該研究在內容開發、技術限制和期望管理方面出現了挑戰，這些挑戰可以通過應急計劃、開放式溝通、持續的程序更新、改進和培訓來解決。除了臨床醫學，AI在醫學影像教育中也出現了一些探索式研究［8-9］。有研究者［8］探索了AI輔助教學在醫學影像規培的可行性，研究者將在放射科培訓的住院醫師分為AI組和人工組，AI組應用“智能輔助診斷系統”進行圖像后處理及報告書寫，人工組則利用常規工作站，結果顯示AI組的報告書寫評分明顯高于人工組，而后處理及書寫報告使用時間明顯較短，顯示出了AI輔助教學方法對影像醫師培養的重要價值。國外研究者［10］針對本科生對醫學影像學AI的態度做出一項調查，263名醫學本科生中，約52%的人了解目前在放射學中關于AI的應用，68%的人表示未接觸過AI技術，且大多數人同意AI將徹底改變和改進醫學影像教學。

3 AI輔助醫學影像教育構想及研究計劃

3.1 醫學影像智能教學數據庫

基于AI醫學影像教育平臺的構建包括數據庫的建立和線上交互學習平臺的開發。目前，國內外普遍缺乏可供教學的高質量醫學影像公開數據庫，AI輔助教學的基礎是數據庫的建立，數據的采集首先需建立針對HIS和PACS的數據訪問與連接的信息安全機制，實現自動化的數據采集與篩選，即在符合醫院業務系統的安全等保護要求下，與醫院HIS和PACS進行對接，通過實時采集系統，在網絡環境下進行數據通信，實現對檢查設備中的圖像數據的自動、實時和無損采集，可進行臨床實時數據的教學。在進行患者隱私保護后，篩選全身各系統疾病的臨床、影像及病理數據，利用AI技術將全身各系統疾病影像圖像與臨床、病理學以及隨訪等信息進行結構化和系統化的有效整合。同時需開發相應的計算機硬件及軟件設備以便進行醫學影像數據的計算及存儲，構建各系統影像病例圖譜，實現疾病的快速檢索。

3.2 醫學影像AI交互學習平臺

基于數據庫設計醫學影像AI教學平臺，模塊配置充分與教學架構的需求相結合，包括在線學習模塊、鞏固強化模塊、智能反饋模塊及測試模塊（圖1）。

圖1 醫學影像AI教學平臺的應用流程

3.2.1 在線學習模塊

在線學習模塊有涵蓋該領域的多模態影像學習入口及各項臨床指標信息學習入口。在進入學習模塊后學生可導入或直接通過疾病名稱搜索各類疾病圖像，對圖像作預處理、標注結構病灶、圖像邊緣檢測、分割、測量及重建等操作，查看對應疾病的影像學特征進行學習，幫助住院醫師學習影像知識。以胸部疾病為例，打開此模塊界面，首先是胸部疾病的基本檢查技術，包含胸部X線、胸部電子計算機斷層掃描（computer tomography，CT）和胸部磁共振（magnetic resonance imaging， MRI）等平掃/增強的影像技術介紹。學生通過對不同序列的了解，掌握基本的胸部影像掃描技術。之后進入胸部疾病的診斷學習，在智能交互平臺的指導下可按照疾病的難易程度進行從易到難的學習，過程中教師可根據學生對疾病的掌握情況進行個性化的教學指導。通過大量可視化三維醫學圖像和臨床信息的數據庫，如同臨床中常用的口袋書一樣，在AI集成平臺系統中，模擬現實情境，為學生營造出真實的學習體驗，同時，學生可根據自己對疾病的掌握情況進行針對性的學習。

3.2.2 鞏固強化模塊

通過可提供海量可視化三維醫學圖像和臨床信息的智能數據庫，系統可自動匹配與金標準數據的最佳特征，隨后進行智能學習和智能交互的模型部署反饋前端顯示。學生可在用戶登錄層通過智能調度系統根據需要選擇對圖像作描述、分析、預判等操作，再由智能反饋系統對學生初步學習的診斷結果做出預判和評估，根據反饋算法，將找到具有類似屬性的病例進行推送，便于學生強化訓練。

3.2.3 智能反饋模塊

在學生自主學習過程中，反饋系統也會記錄學生的學習過程（包括學習時長、學習軌跡及測試結果等）并實時反饋給系統平臺；教師利用分類模型進行掌握度評價，將學生未掌握的內容增加權重比值，在學習過程中通過智能反饋突出該部分的強化學習，教師亦可根據智能反饋結果為不同的學生提供個性化的教學指導。

3.2.4 測試模塊

測試模塊用于檢測學生在使用醫學影像智能交互學習平臺后的能力提升測試，系統可自動輸出測試報告，記錄每個用戶的測試結果，并分析、輸出學生未掌握的知識點，傳送到反饋系統，二次學習時反饋系統會自動對學生進行該方面知識點的強化鞏固。這種AI輔助教學方法的核心是一種雙向交互式教與學的教學形式，利用AI進行信息流高地的傳遞和交互，匯總收集問題后，通過智能結構化問題要點，提高師生交互水平和學習效率。

3.3 基于智能教學平臺的教學模式

基于智能教學平臺，可為住院醫師制定具體的教學方案，主要教學模式包括課堂教學模式、自主學習模式和移動教學模式。

3.3.1 課堂教學模式

課堂教學模式主要是基于以臨床病例為基礎的學習方法（case-based learning，CBL），學習平臺的數據庫中含有大量篩選出的典型病例，平臺的課程中心模塊則提供了醫學影像教學課件及課程視頻，極大地方便了CBL教學。在教學中，教師可以指導學生根據病種在平臺中進行查詢，選擇某一病例，學生首先獲得該患者的臨床資料，然后教師指導學生觀察患者的影像圖像，學生進行積極討論，發表自己的診斷意見、診斷依據及鑒別診斷。隨后教師進行點評，提示學生繼續查看此患者其他影像圖片及實驗室檢查結果，讓學生再次發表自己的意見。最終，教師進行總結，并進入平臺的課程中心進行相關知識點的鞏固學習。

3.3.2 自主學習模式

學生通過注冊認證后登錄平臺，即可選擇模塊進行學習。平臺可供學習的模塊包括各系統常規影像學檢查技術、科室開展的新技術新項目介紹、各系統疾病相關知識點及典型病例分析。在學生自主學習后，系統會對學生的學習時長、學習軌跡進行分析，并推薦個體化學習方法。在線考核模塊提供學生自主測驗，包括基礎知識考核及案例分析，系統自動輸出測試報告。輸出學生未掌握的知識點并輸送到反饋系統后，系統自動生成復習內容對學生知識薄弱點進行強化訓練。

3.3.3 移動教學模式

學生可以通過應用程序學習影像理論知識、查看疾病案例、參加測驗。自學不受時間、場所、設備、人為因素等限制，可以隨時隨地反復練習，將課堂知識逐步“碎片化”，使學習的方式效率更加靈活有效。

3.4 計算機虛擬仿真技術

醫學影像學教學，除了讀片診斷之外，還有一些技術操作內容也是住院醫師需要掌握的內容，如圖像的三維重建及設備的操作等。傳統的教學模式主要是教師演示和學生觀摩，學生的參與度不高，致使學習效果不盡如人意。虛擬仿真技術就是采用計算機圖形學、多媒體技術、AI等手段模仿另一個真實系統的技術，在醫學領域已經被廣泛應用于醫學教學、遠程會診、外科手術操作和健康管理等方面［11］。在醫學影像操作課程教學方面，可以模擬影像設備的工作環境，對機器結構進行拆解，對機器的操作流程進行模擬仿真，能夠改善傳統教學方式的不足，拓展教學時空，有利于學生對知識的快速掌握。如CT掃描工作站仿真教學系統，不需要CT主機，能夠全真模仿真實CT掃描工作站的操作流程，滿足學生學習和掌握CT掃描操作基本技術的需求［12］。

4 AI輔助醫學教育在影像科住院醫師培養中的優勢與不足

傳統的醫學影像教學方式缺乏靈活性和便捷性，“AI+醫學影像學”的模式使教學不受空間和時間的限制，為醫學影像住培中“時間緊、內容多”的問題提供了解決途徑，尤其在疫情背景下，這種教學模式的變更顯得更為有效［13-15］。傳統的醫學影像教學模式以臨床病例積累及理論授課為主，存在培訓時間長、難以真正掌握到基本技能、無法得到實時反饋等問題，且不同培訓基地的病例資源存在差異，教學質量難以同質化。AI教學平臺的數據庫中含有大量篩選出的典型病例，極大地方便了教師授課及學生自主學習。教學中，教師可以指導學生根據病種在平臺中進行查詢，通過智能學習、交互式學習的新型教育模式，參與者與模擬環境交互進行教學與學習；通過反饋模塊，對學生學習效果實時反饋，強化AI在教育教學中的個性化特點，有效提高學習效率。AI輔助教學將理論與實踐密切結合，幫助學生有效掌握理論知識和實踐技能。AI與沉浸式媒體的融合更符合學生學習的需求，有助于調動學生學習的積極性，發揮學生自主學習能力，激發學生創造性思維［16］。

盡管AI輔助教學具有上述多種優勢，但不能完全取代現場教學，醫學人文教育等教學內容離不開臨床實踐。隨著科學技術突飛猛進的發展，影像醫學中的人文精神逐漸被忽略，醫療行為越來越模式化、機械化，影像科醫生僅僅關注疾病的診斷，而忽視了人文關懷。AI輔助教學模式主要是幫助學生掌握相應的專業知識，而醫學人文教育則需要帶教教師的言傳身教及學生的醫療實踐，科學技術與醫學人文建設的結合將成為影像醫學教育的理想模式。

5 AI輔助醫學影像教育面臨的挑戰

AI輔助醫學影像教育所面臨的首要挑戰是AI應用程序開發的技術困難，工程師和數據科學家更關注AI系統的準確性，以確定系統正確預測結果的可能性，然而，這樣可能沒有什么臨床和教育意義。如果要實現這一相關性，醫學和教育領域專家需要與工程師和數據科學家合作，以開發在醫學教育中既準確又有效的AI系統。因此，開發AI系統的一個重要方面是需要一個多學科團隊，包括工程師、教育專家、數據科學家以及臨床醫生［17］。此外，除了AI系統的可用性和技術困難之外，還需要考慮數據安全問題［18］。在數字化世界中，數據保護至關重要，特別是如果AI實踐是在商業環境中進行的，公司可能從收集數據中獲利。因此，重點是如何最好地提高數據安全性，增加用戶對AI應用程序的使用信心。缺乏強有力的數據保護措施會使學習者的數據面臨風險，并可能導致社會拒絕在醫學教育中使用AI。同時，需要開發新的模型，允許訪問教育數據以開發AI應用程序。AI系統應用面臨的挑戰還包括有效性評估存在困難，為了客觀證明AI的有效性，理想方法是對AI系統的使用與傳統教學方法進行比較研究，這些研究需要大量樣本才能得出準確結果。在進行任何干預之前，研究對象也應對所學課程具有相同的認知水平。因此，目前針對AI在醫學教育中的有效性研究較少［19］。

“AI+醫學影像學”的教育模式一定程度上可緩解傳統教育模式的弊端，實現了方便快捷、實時反饋的教學新模式，有助于加快住培訓進程、提高教學效率及質量、促進住培同質化。盡管AI輔助教學的廣泛應用仍面臨一些挑戰，隨著技術的不斷進步，AI在醫學教育中的潛在用途將繼續增加。其中一個發展將是AI的使用，與虛擬現實和增強現實等沉浸式技術相結合。因此，AI技術對促使新型教育教學模式覆蓋整個教育過程，對推動教學現代化和教育發展改革具有深遠意義。

利益沖突所有作者均聲明不存在利益沖突。

作者貢獻聲明吳芳：提出研究思路，設計研究方案，撰寫論文；蘇壯志、孫崢：調研人才培養方案實施的可行性；杜祥穎：審定論文；盧潔：提出、設計研究命題，總體把關，審定論文。