人工智能辅助教学在医学影像规范化培训中的应用及探索

吴芳 苏壮志 孙峥 杜祥颖 卢洁*

（1.首都医科大学宣武医院放射与核医学科，北京 100053； 2.磁共振成像脑信息学北京市重点实验室，北京 100053）

医学影像学是临床诊断的重要组成部分，能够为疾病诊断提供客观证据，并且为临床科室提供必不可少的支撑平台。医学影像住院医师规范化培训（简称住培）是医学生毕业后教育的重要组成部分，是提高影像医师专业技术水平的重要环节［1］。现阶段的住院医师主要通过完成临床工作获得经验，这种模式积累缓慢，无法对学习效果进行实时反馈，且培养周期有限，很难在有限时间内全部掌握常见及疑难病例影像特征。随着医疗信息化建设的全面推进，医学影像教育教学也在这种信息变革中面临着自我转型的挑战。

构建医学影像智能学习平台，创建新培养模式，将很大程度上影响未来学科体系的教学方向。《教育信息化“十三五”规划》中已将“深化信息技术与教育教学的融合发展”列为教育改革发展的首要任务，这表明推动线上信息化教学之路势在必行［2］。人工智能（artificial intelligence，AI）是利用计算机技术模拟人类思维及学习过程，使其胜任人类智能所能完成的复杂工作的一门前沿学科，通过智能代理和智能教学系统，可为教学过程的个性化及交互性奠定技术基础，通过智能反馈系统，推进AI辅助下的以学生为主体的智能交互教学模式，对快速培养具有高素质的影像科医生有着积极的意义［3-5］。同时，辅以大数据后台运行保障教学质量和资源数据的安全，将进一步打破传统教学时间和空间的限制，显著提高教学工作效率，降低教学成本，同时达到缩短人才培养周期的目的。

1 医学影像住培教学现状

影像科住培是实现学生从课堂到实践的过渡，也是学生转变为医生的必经阶段。医学影像住培课程内容复杂，包括全身各个系统常见疾病的影像学表现，教学内容广泛，涵盖理论知识、基本技能、临床思维等综合培养内容，如何在短时间内有效率地掌握影像学知识是规培的关键问题。现阶段的教学方式为：学生通过完成日常工作中诊断报告和病例随访来积累经验；教师以课堂授课形式传授知识、经验和技能。这种教育模式存在一定的弊端：首先，住院医师主要通过日常临床工作积累经验，让他们在有限的培训时间内广泛掌握影像知识存在一定困难；其次，影像诊断常常缺乏金标准对照，无法对学习效果进行实时反馈，导致培训时间长、学习效率低等问题；另外，教学资料主要来自数字化影像存档与传输系统（picture archiving and communication system，PACS）和医院信息系统（hospital information system，HIS），虽然可以有效准确地融合业务系统中医学影像、临床诊断、病理学诊断及随访等信息，但由于无法对图像资源进行分类、筛选，不能实现快速有效的疾病分类学习；最后，培训课程的设定又制约教师的授课方式和地点，一些培训基地图像资源滞后、病种单一，在有限的培训时间内学生接触到的病例图像内容和数目受限，亦降低了教学质量，使临床实践和理论教学脱节。这种以教师授课为主的教学模式，已远落后于现代影像技术的发展，不能满足影像科人才培养的需要。因此，改进教学方法，丰富教学内容，发挥学生的主观能动性，激发学生的创造性思维，提升实践能力，成为医学影像教学努力的方向。

2 AI辅助医学教育国内外研究现状

在过去的25年里，AI在教育领域取得了重大发展，如教师机器人—— 一个负责发布教学内容、提供反馈和监督进度的助教。事实证明，AI在教育领域越来越广泛地应用有助于学生获得专业帮助、发现知识差距，从而使教师摆脱繁琐的工作，使他们能够更有效地对学生作出回应，并改进个性化和适应性的教学过程。国外已有研究者［6］将AI技术应用于第一年外科住院医师培训中，通过AI技术（深度神经网络、图像/视频识别数据库和学习进度引擎的组合）构建虚拟导师，即拥有智能扬声器的可穿戴设备，可记录学生的临床活动轨迹，虚拟导师通过智能眼镜监测学生的各项操作，并提供相应的知识点，学习者也可通过语音对虚拟导师进行提问，系统会做出相应回答，学习结束后系统对学生学习轨迹进行整合，通过反馈模块，对学习效果进行评价，并提供今后的学习建议。这种教学方式有效地提高了外科住院医师的培养质量及效率，但目前没有广泛应用，主要原因在于可穿戴设备的开发，仍存在一些技术性问题。另有研究者［7］开发了AI辅助教学系统，将其应用于护理学本科生的培养中，即创建虚拟患者，以便更好地为护理本科生在临床实习期间与真实的患者、家属和其他卫生保健专业人员的交流做好准备；研究结果显示在护理生沟通技能训练中，创设虚拟患者可以提供真实的学习环境，提升护理生自我效能感及对有效沟通技巧的信心，但是该研究在内容开发、技术限制和期望管理方面出现了挑战，这些挑战可以通过应急计划、开放式沟通、持续的程序更新、改进和培训来解决。除了临床医学，AI在医学影像教育中也出现了一些探索式研究［8-9］。有研究者［8］探索了AI辅助教学在医学影像规培的可行性，研究者将在放射科培训的住院医师分为AI组和人工组，AI组应用“智能辅助诊断系统”进行图像后处理及报告书写，人工组则利用常规工作站，结果显示AI组的报告书写评分明显高于人工组，而后处理及书写报告使用时间明显较短，显示出了AI辅助教学方法对影像医师培养的重要价值。国外研究者［10］针对本科生对医学影像学AI的态度做出一项调查，263名医学本科生中，约52%的人了解目前在放射学中关于AI的应用，68%的人表示未接触过AI技术，且大多数人同意AI将彻底改变和改进医学影像教学。

3 AI辅助医学影像教育构想及研究计划

3.1 医学影像智能教学数据库

基于AI医学影像教育平台的构建包括数据库的建立和线上交互学习平台的开发。目前，国内外普遍缺乏可供教学的高质量医学影像公开数据库，AI辅助教学的基础是数据库的建立，数据的采集首先需建立针对HIS和PACS的数据访问与连接的信息安全机制，实现自动化的数据采集与筛选，即在符合医院业务系统的安全等保护要求下，与医院HIS和PACS进行对接，通过实时采集系统，在网络环境下进行数据通信，实现对检查设备中的图像数据的自动、实时和无损采集，可进行临床实时数据的教学。在进行患者隐私保护后，筛选全身各系统疾病的临床、影像及病理数据，利用AI技术将全身各系统疾病影像图像与临床、病理学以及随访等信息进行结构化和系统化的有效整合。同时需开发相应的计算机硬件及软件设备以便进行医学影像数据的计算及存储，构建各系统影像病例图谱，实现疾病的快速检索。

3.2 医学影像AI交互学习平台

基于数据库设计医学影像AI教学平台，模块配置充分与教学架构的需求相结合，包括在线学习模块、巩固强化模块、智能反馈模块及测试模块（图1）。

图1 医学影像AI教学平台的应用流程

3.2.1 在线学习模块

在线学习模块有涵盖该领域的多模态影像学习入口及各项临床指标信息学习入口。在进入学习模块后学生可导入或直接通过疾病名称搜索各类疾病图像，对图像作预处理、标注结构病灶、图像边缘检测、分割、测量及重建等操作，查看对应疾病的影像学特征进行学习，帮助住院医师学习影像知识。以胸部疾病为例，打开此模块界面，首先是胸部疾病的基本检查技术，包含胸部X线、胸部电子计算机断层扫描（computer tomography，CT）和胸部磁共振（magnetic resonance imaging， MRI）等平扫/增强的影像技术介绍。学生通过对不同序列的了解，掌握基本的胸部影像扫描技术。之后进入胸部疾病的诊断学习，在智能交互平台的指导下可按照疾病的难易程度进行从易到难的学习，过程中教师可根据学生对疾病的掌握情况进行个性化的教学指导。通过大量可视化三维医学图像和临床信息的数据库，如同临床中常用的口袋书一样，在AI集成平台系统中，模拟现实情境，为学生营造出真实的学习体验，同时，学生可根据自己对疾病的掌握情况进行针对性的学习。

3.2.2 巩固强化模块

通过可提供海量可视化三维医学图像和临床信息的智能数据库，系统可自动匹配与金标准数据的最佳特征，随后进行智能学习和智能交互的模型部署反馈前端显示。学生可在用户登录层通过智能调度系统根据需要选择对图像作描述、分析、预判等操作，再由智能反馈系统对学生初步学习的诊断结果做出预判和评估，根据反馈算法，将找到具有类似属性的病例进行推送，便于学生强化训练。

3.2.3 智能反馈模块

在学生自主学习过程中，反馈系统也会记录学生的学习过程（包括学习时长、学习轨迹及测试结果等）并实时反馈给系统平台；教师利用分类模型进行掌握度评价，将学生未掌握的内容增加权重比值，在学习过程中通过智能反馈突出该部分的强化学习，教师亦可根据智能反馈结果为不同的学生提供个性化的教学指导。

3.2.4 测试模块

测试模块用于检测学生在使用医学影像智能交互学习平台后的能力提升测试，系统可自动输出测试报告，记录每个用户的测试结果，并分析、输出学生未掌握的知识点，传送到反馈系统，二次学习时反馈系统会自动对学生进行该方面知识点的强化巩固。这种AI辅助教学方法的核心是一种双向交互式教与学的教学形式，利用AI进行信息流高地的传递和交互，汇总收集问题后，通过智能结构化问题要点，提高师生交互水平和学习效率。

3.3 基于智能教学平台的教学模式

基于智能教学平台，可为住院医师制定具体的教学方案，主要教学模式包括课堂教学模式、自主学习模式和移动教学模式。

3.3.1 课堂教学模式

课堂教学模式主要是基于以临床病例为基础的学习方法（case-based learning，CBL），学习平台的数据库中含有大量筛选出的典型病例，平台的课程中心模块则提供了医学影像教学课件及课程视频，极大地方便了CBL教学。在教学中，教师可以指导学生根据病种在平台中进行查询，选择某一病例，学生首先获得该患者的临床资料，然后教师指导学生观察患者的影像图像，学生进行积极讨论，发表自己的诊断意见、诊断依据及鉴别诊断。随后教师进行点评，提示学生继续查看此患者其他影像图片及实验室检查结果，让学生再次发表自己的意见。最终，教师进行总结，并进入平台的课程中心进行相关知识点的巩固学习。

3.3.2 自主学习模式

学生通过注册认证后登录平台，即可选择模块进行学习。平台可供学习的模块包括各系统常规影像学检查技术、科室开展的新技术新项目介绍、各系统疾病相关知识点及典型病例分析。在学生自主学习后，系统会对学生的学习时长、学习轨迹进行分析，并推荐个体化学习方法。在线考核模块提供学生自主测验，包括基础知识考核及案例分析，系统自动输出测试报告。输出学生未掌握的知识点并输送到反馈系统后，系统自动生成复习内容对学生知识薄弱点进行强化训练。

3.3.3 移动教学模式

学生可以通过应用程序学习影像理论知识、查看疾病案例、参加测验。自学不受时间、场所、设备、人为因素等限制，可以随时随地反复练习，将课堂知识逐步“碎片化”，使学习的方式效率更加灵活有效。

3.4 计算机虚拟仿真技术

医学影像学教学，除了读片诊断之外，还有一些技术操作内容也是住院医师需要掌握的内容，如图像的三维重建及设备的操作等。传统的教学模式主要是教师演示和学生观摩，学生的参与度不高，致使学习效果不尽如人意。虚拟仿真技术就是采用计算机图形学、多媒体技术、AI等手段模仿另一个真实系统的技术，在医学领域已经被广泛应用于医学教学、远程会诊、外科手术操作和健康管理等方面［11］。在医学影像操作课程教学方面，可以模拟影像设备的工作环境，对机器结构进行拆解，对机器的操作流程进行模拟仿真，能够改善传统教学方式的不足，拓展教学时空，有利于学生对知识的快速掌握。如CT扫描工作站仿真教学系统，不需要CT主机，能够全真模仿真实CT扫描工作站的操作流程，满足学生学习和掌握CT扫描操作基本技术的需求［12］。

4 AI辅助医学教育在影像科住院医师培养中的优势与不足

传统的医学影像教学方式缺乏灵活性和便捷性，“AI+医学影像学”的模式使教学不受空间和时间的限制，为医学影像住培中“时间紧、内容多”的问题提供了解决途径，尤其在疫情背景下，这种教学模式的变更显得更为有效［13-15］。传统的医学影像教学模式以临床病例积累及理论授课为主，存在培训时间长、难以真正掌握到基本技能、无法得到实时反馈等问题，且不同培训基地的病例资源存在差异，教学质量难以同质化。AI教学平台的数据库中含有大量筛选出的典型病例，极大地方便了教师授课及学生自主学习。教学中，教师可以指导学生根据病种在平台中进行查询，通过智能学习、交互式学习的新型教育模式，参与者与模拟环境交互进行教学与学习；通过反馈模块，对学生学习效果实时反馈，强化AI在教育教学中的个性化特点，有效提高学习效率。AI辅助教学将理论与实践密切结合，帮助学生有效掌握理论知识和实践技能。AI与沉浸式媒体的融合更符合学生学习的需求，有助于调动学生学习的积极性，发挥学生自主学习能力，激发学生创造性思维［16］。

尽管AI辅助教学具有上述多种优势，但不能完全取代现场教学，医学人文教育等教学内容离不开临床实践。随着科学技术突飞猛进的发展，影像医学中的人文精神逐渐被忽略，医疗行为越来越模式化、机械化，影像科医生仅仅关注疾病的诊断，而忽视了人文关怀。AI辅助教学模式主要是帮助学生掌握相应的专业知识，而医学人文教育则需要带教教师的言传身教及学生的医疗实践，科学技术与医学人文建设的结合将成为影像医学教育的理想模式。

5 AI辅助医学影像教育面临的挑战

AI辅助医学影像教育所面临的首要挑战是AI应用程序开发的技术困难，工程师和数据科学家更关注AI系统的准确性，以确定系统正确预测结果的可能性，然而，这样可能没有什么临床和教育意义。如果要实现这一相关性，医学和教育领域专家需要与工程师和数据科学家合作，以开发在医学教育中既准确又有效的AI系统。因此，开发AI系统的一个重要方面是需要一个多学科团队，包括工程师、教育专家、数据科学家以及临床医生［17］。此外，除了AI系统的可用性和技术困难之外，还需要考虑数据安全问题［18］。在数字化世界中，数据保护至关重要，特别是如果AI实践是在商业环境中进行的，公司可能从收集数据中获利。因此，重点是如何最好地提高数据安全性，增加用户对AI应用程序的使用信心。缺乏强有力的数据保护措施会使学习者的数据面临风险，并可能导致社会拒绝在医学教育中使用AI。同时，需要开发新的模型，允许访问教育数据以开发AI应用程序。AI系统应用面临的挑战还包括有效性评估存在困难，为了客观证明AI的有效性，理想方法是对AI系统的使用与传统教学方法进行比较研究，这些研究需要大量样本才能得出准确结果。在进行任何干预之前，研究对象也应对所学课程具有相同的认知水平。因此，目前针对AI在医学教育中的有效性研究较少［19］。

“AI+医学影像学”的教育模式一定程度上可缓解传统教育模式的弊端，实现了方便快捷、实时反馈的教学新模式，有助于加快住培训进程、提高教学效率及质量、促进住培同质化。尽管AI辅助教学的广泛应用仍面临一些挑战，随着技术的不断进步，AI在医学教育中的潜在用途将继续增加。其中一个发展将是AI的使用，与虚拟现实和增强现实等沉浸式技术相结合。因此，AI技术对促使新型教育教学模式覆盖整个教育过程，对推动教学现代化和教育发展改革具有深远意义。

利益冲突所有作者均声明不存在利益冲突。

作者贡献声明吴芳：提出研究思路，设计研究方案，撰写论文；苏壮志、孙峥：调研人才培养方案实施的可行性；杜祥颖：审定论文；卢洁：提出、设计研究命题，总体把关，审定论文。