人工智能在麻醉學(xué)專業(yè)碩士臨床技能培訓(xùn)考核中的應(yīng)用可行性探討

易 斌，陳芋文，鐘坤華，甯交琳，魯開智，張 炬，顧健騰

(1.陸軍軍醫(yī)大學(xué)第一附屬醫(yī)院手術(shù)麻醉科，重慶 400038；2.中國科學(xué)院重慶綠色智能技術(shù)研究院，重慶 400714)

1 人工智能(artificial intelligence，AI)在醫(yī)學(xué)以及教育中有應(yīng)用前景

AI是研究、開發(fā)用于模擬、延伸和擴(kuò)展人的智能的理論、方法、技術(shù)及應(yīng)用系統(tǒng)的一門新的技術(shù)科學(xué)，已經(jīng)應(yīng)用于機(jī)器人、自然語言理解、專家系統(tǒng)、圖像識別、地質(zhì)勘探、石油化工、軍事以及醫(yī)療診斷領(lǐng)域[1]。在醫(yī)學(xué)中的應(yīng)用主要集中以下幾個方面：①通過醫(yī)學(xué)專家系統(tǒng)(medical expert system, MES)進(jìn)行臨床醫(yī)療診斷，其經(jīng)歷了建模不確定性的困擾到貝葉斯網(wǎng)絡(luò)的廣泛應(yīng)用，最終幫助醫(yī)生解決復(fù)雜的醫(yī)學(xué)問題，繼承和發(fā)揚理論和臨床經(jīng)驗[2]。Breault等用CART分析方法對糖尿病數(shù)據(jù)庫進(jìn)行分析后，首次證實數(shù)據(jù)挖掘技術(shù)在糖尿病診斷領(lǐng)域的潛在價值；研究報道利用遺傳算法(Genetic Algorithm,GA)算法和反向傳播算法(Back Propagation,BP)神經(jīng)網(wǎng)絡(luò)可用于冠心病的臨床診斷[3-4]。②基于人工神經(jīng)網(wǎng)絡(luò)(ANN)模型的新型專家系統(tǒng)，可以解決知識獲取途徑出現(xiàn)的“瓶頸”現(xiàn)象、知識“組合爆炸”問題[5]。這些系統(tǒng)包括：Saito等研制的PDP網(wǎng)絡(luò)醫(yī)療診治系統(tǒng)，王存冉等研制的基于逆向傳播的ANN中醫(yī)診治系統(tǒng)等[6-7]。Araujo等[8]運用卷積神經(jīng)網(wǎng)絡(luò)對乳腺癌組織圖像進(jìn)行分類，四分類和二分類的準(zhǔn)確度分別為77.8%和83.3%，腫瘤檢出敏感度為95.6%。③基于人工智能算法的單病種的早期診斷和預(yù)后預(yù)測。近期Nature Medicine上集中報道了多篇人工智能算法在單病種早期診斷和預(yù)后預(yù)測方面的應(yīng)用研究。Ravizza等基于真實臨床數(shù)據(jù)的算法模型對糖尿病相關(guān)的慢性腎病的預(yù)測能力顯著優(yōu)于傳統(tǒng)方法[9]。Attia報道利用人工智能算法，僅使用心電圖數(shù)據(jù)，可以識別射血分?jǐn)?shù)<35%的心室功能障礙患者，準(zhǔn)確性達(dá)到85.7%，顯示強(qiáng)大篩查能力[10]。Hannun開發(fā)了利用深度神經(jīng)網(wǎng)絡(luò)算法在53 549名使用動態(tài)心電圖監(jiān)測裝置的患者上用于心肌病評分，其敏感性為0.837，顯著高于心臟專科醫(yī)生的0.780[11]。

AI近幾年開始逐步應(yīng)用于教學(xué)[12-13]。醫(yī)學(xué)存在大量病例和電子數(shù)據(jù)，以及遠(yuǎn)超其他學(xué)科的知識更新速度，決定了AI在醫(yī)學(xué)教育中更有應(yīng)用價值。例如利用語音識別和語義分析技術(shù)用于智能化考核測評；通過學(xué)生個性信息采集，創(chuàng)造每個學(xué)生的個性化學(xué)習(xí)體驗[14]；人工智能還可高效的長時間追蹤學(xué)生的學(xué)習(xí)過程，通過橫向?qū)Ρ群涂v向?qū)Ρ?，可診斷學(xué)生在知識結(jié)構(gòu)、能力水平、學(xué)習(xí)需求等方面的問題所在[15]。IBM的Watson醫(yī)生森使用自然語言、假設(shè)生成和基于證據(jù)的學(xué)習(xí)能力為臨床決策支持提供幫助，亦可為醫(yī)學(xué)生的臨床思維學(xué)習(xí)提供有力支持。

2 AI在麻醉學(xué)專業(yè)型研究生臨床技能培訓(xùn)中應(yīng)用的緊迫性

麻醉臨床技能培訓(xùn)是麻醉學(xué)專業(yè)型研究生的核心教學(xué)指標(biāo)和培養(yǎng)中的關(guān)鍵因素，直接決定麻醉學(xué)專業(yè)型碩士研究生的教學(xué)質(zhì)量。培訓(xùn)中如何真實有效地評估每位麻醉學(xué)專碩生是有效性培訓(xùn)的關(guān)鍵；如何個體化的臨床培訓(xùn)是提高培養(yǎng)質(zhì)量的重要保障；如何有效地改進(jìn)是當(dāng)前各大醫(yī)學(xué)院校所面臨的普遍問題。既往我國麻醉學(xué)專業(yè)型碩士研究生培訓(xùn)依賴經(jīng)驗、依賴傳統(tǒng)、學(xué)徒式的教學(xué)模式雖為麻醉學(xué)初期發(fā)展起到重要作用；然而難以保證培訓(xùn)質(zhì)量[16-17]。為了提高培訓(xùn)質(zhì)量，國內(nèi)外進(jìn)行了大量的研究，嘗試了多種教學(xué)模式探索；例如臨床技能教學(xué)大數(shù)據(jù)采集和分析、問題導(dǎo)向式教學(xué)(Problem-based Learning, PBL)、團(tuán)隊教學(xué)(Team-base Learning)、workshop教學(xué)、改良Mini-CEX(mini-clinical evaluation exercise)教學(xué)法以及國內(nèi)張亮等提出“三明治教學(xué)法”等[18-21]。

這些教學(xué)探索提升了麻醉學(xué)專業(yè)型研究生麻醉臨床技能培訓(xùn)質(zhì)量的同時，還存在如下問題：①麻醉學(xué)臨床技能教學(xué)數(shù)據(jù)相對于其他學(xué)科具備數(shù)據(jù)量大、影響因素多、核心重點多的特點，數(shù)據(jù)分析難度大。目前認(rèn)為麻醉學(xué)臨床技能培訓(xùn)至少掌握28大項麻醉技能操作(見下述)；這些麻醉技能操作的教學(xué)評估和反饋的關(guān)鍵點均不同，每位麻醉學(xué)專碩生每天均實施大量臨床技能操作，即產(chǎn)生大量教學(xué)數(shù)據(jù)。這些數(shù)據(jù)難以準(zhǔn)確、及時、高效的依靠帶教導(dǎo)師手工分析和準(zhǔn)確反饋。②與其他學(xué)科的“群體化統(tǒng)一化”的臨床技能培訓(xùn)不同，麻醉學(xué)專業(yè)型研究生絕大多數(shù)日常臨床技能培訓(xùn)在各自手術(shù)間內(nèi)面對不同的患者實施完成，且每日時常需要完成多名手術(shù)患者的麻醉管理和短時間完成多項臨床技能操作，對帶教教學(xué)的需求高，帶教導(dǎo)師很難及時、持續(xù)、有效的教學(xué)評估和反饋。③既往臨床技能培訓(xùn)和評估反饋中，帶教導(dǎo)師往往依據(jù)既往設(shè)計的表格流程觀察學(xué)生技能操作并反饋，常忽略患者的個體化差異，同時亦沒有將手術(shù)患者的臨床麻醉相關(guān)醫(yī)療數(shù)據(jù)(包括患者術(shù)中麻醉管理質(zhì)量、不良事件、術(shù)后恢復(fù)質(zhì)量、住院時間以及ICU時間、醫(yī)療費用、患者滿意度和舒適度等)加入評估和反饋，而這些數(shù)據(jù)是麻醉臨床技能培訓(xùn)質(zhì)量的最終體現(xiàn)。④臨床麻醉技能培訓(xùn)導(dǎo)師嚴(yán)重不足；目前在各大教學(xué)醫(yī)院1個麻醉學(xué)導(dǎo)師帶教數(shù)個甚至十余個專碩生，難以實現(xiàn)高質(zhì)量教學(xué)。這些存在的問題依靠目前的教學(xué)模式難以得到解決，需要借助更優(yōu)手段介入才能進(jìn)一步提高培訓(xùn)質(zhì)量。如果基于人工智能(artificial intelligence，AI)設(shè)計研究麻醉學(xué)專業(yè)碩士臨床技能培訓(xùn)考核數(shù)據(jù)庫，應(yīng)用于麻醉學(xué)專業(yè)碩士生的臨床培訓(xùn)教學(xué)培訓(xùn)，勢必有利于上述問題的解決，同時緩解“臨床麻醉教學(xué)師資嚴(yán)重不足”現(xiàn)象，有希望顯著提高教學(xué)質(zhì)量。

3 AI應(yīng)用于麻醉學(xué)專業(yè)碩士臨床技能培訓(xùn)的應(yīng)用可行性以及算法研究

基于人工智能的方法應(yīng)用于麻醉學(xué)專業(yè)碩士技能培訓(xùn)，實現(xiàn)麻醉專業(yè)碩士技能培訓(xùn)自動化評價系統(tǒng)，對導(dǎo)師的教學(xué)干預(yù)提示以及對學(xué)生的有效評測反饋。大致方法流程：首先對麻醉操作流程進(jìn)行采集和關(guān)鍵點標(biāo)注，構(gòu)建標(biāo)準(zhǔn)操作數(shù)據(jù)集；同時對培訓(xùn)碩士進(jìn)行技能操作流程的數(shù)據(jù)采集，構(gòu)建培訓(xùn)操作技能數(shù)據(jù)集；然后基于智能統(tǒng)計分析工具建模專業(yè)碩士評估模型；最后基于軟件開發(fā)實現(xiàn)麻醉專業(yè)碩士培訓(xùn)系統(tǒng)，采用師資培訓(xùn)和應(yīng)用對照進(jìn)行驗證。分述如下：

3.1 麻醉學(xué)臨床技能標(biāo)準(zhǔn)視頻操作采集及標(biāo)注

麻醉學(xué)臨床技能標(biāo)準(zhǔn)視頻操作庫主要基于導(dǎo)師標(biāo)準(zhǔn)示范進(jìn)行視頻采集涉及專業(yè)碩士臨床培訓(xùn)的28項臨床麻醉操作技：機(jī)械通氣的操作，快速誘導(dǎo)氣管內(nèi)插管，簡易呼吸囊操作，全身麻醉麻醉藥物劑量配置和使用，椎管內(nèi)麻醉，硬膜外麻醉，蛛網(wǎng)膜下腔腰椎穿刺術(shù)，靜脈麻醉術(shù)中管理，術(shù)中、術(shù)后危重病人搶救，胸外心臟非同步直流電除顫術(shù)，氣管內(nèi)麻醉實施，術(shù)前訪視病人，利用麻醉機(jī)手法人工通氣，面罩給氧以及機(jī)械通氣的設(shè)置，麻醉管理術(shù)中的觀察，常用鎮(zhèn)痛技術(shù)，局部浸潤麻醉，控制性降壓技術(shù)，術(shù)中不良反應(yīng)的觀察和處理，麻醉科急診夜班的接診處理，麻醉記錄單和小結(jié)書寫，專業(yè)外語文獻(xiàn)讀書報告或筆記，中心靜脈穿刺，小兒氣管插管，周圍神經(jīng)阻滯麻醉(頸叢、臂叢)，中心靜脈壓監(jiān)測技術(shù)，托頜法(開放氣道)和有創(chuàng)動脈穿刺技術(shù)。

通過視頻采集標(biāo)記出每個操作關(guān)鍵點，設(shè)計操作打分表。以氣管插管為例，標(biāo)注分值關(guān)鍵點包括氣道評估、氣管導(dǎo)管的選擇、喉鏡置入的熟練度、插管的熟練度、插管深度、導(dǎo)管的固定、以及最終依據(jù)PETCO2等。評價表設(shè)計以操作關(guān)鍵點為評價指標(biāo)因素集M{m1,m2,m3…}；評價集為V{v1,v2,v3,v4,v5},v1:優(yōu)秀；v2：良好；v3：中；v4：差;v5:較差。針對28項操作，根據(jù)標(biāo)準(zhǔn)操作流程視頻分別設(shè)計每項操作的評價。

3.2 麻醉學(xué)專業(yè)碩士臨床技能培訓(xùn)數(shù)據(jù)采集

麻醉學(xué)專業(yè)碩士臨床技能培訓(xùn)數(shù)據(jù)包括以下幾部分：根據(jù)麻醉操作評價表，由導(dǎo)師對學(xué)生進(jìn)行評價；根據(jù)導(dǎo)師的麻醉標(biāo)準(zhǔn)操作流程，麻醉學(xué)專碩生依據(jù)示范視頻的考核關(guān)鍵點自評評分；采集實施操作的病例臨床麻醉相關(guān)醫(yī)療數(shù)據(jù)(包括患者術(shù)中麻醉管理質(zhì)量、不良事件、術(shù)后恢復(fù)質(zhì)量、住院時間以及ICU時間、醫(yī)療費用、患者滿意度和舒適度等)。在建立評價模型前，需要規(guī)范化處理培訓(xùn)數(shù)據(jù)便于后期處理包括：

評價指標(biāo)類型一致化：對采集數(shù)據(jù)的指標(biāo)采用極大型指標(biāo)，取值越大系統(tǒng)對應(yīng)指標(biāo)表現(xiàn)越好。

定性指標(biāo)的量化處理：采集的數(shù)據(jù)中很多指標(biāo)并不能直接就進(jìn)行定量分析，大部分指標(biāo)都是只能進(jìn)行定性分析。采用隸屬函數(shù)的方法進(jìn)行量化。如五等級評價標(biāo)準(zhǔn)(A,B,C,D,E)進(jìn)行量化處理。用1～5個數(shù)字表示這五個等級。采用如下隸屬函數(shù)進(jìn)行量化：對應(yīng)1～3采用對數(shù)函數(shù)作為隸屬函數(shù)，對于3～5采用偏大型柯西分布作為隸屬函數(shù)。這樣選取隸屬函數(shù)的原因是通常在打分的時候認(rèn)為D和E，A和B之間的實際差距并不是那么明顯。而打分C,D之間往往代表這兩個指標(biāo)值差距更大。隸屬函數(shù)如下：

待定系數(shù)為：a,b,α,β

評價指標(biāo)的無量綱化：不同的指標(biāo)量綱不同如果在此基礎(chǔ)上直接進(jìn)行權(quán)重確定，會使權(quán)重的確定變得非常困難，同時也會使評價模型的建立和選取的指標(biāo)有直接的耦合。在確定權(quán)重之前首先進(jìn)行無量綱化處理，權(quán)重確定時不會再考慮量綱的因素。使得模型的建立和指標(biāo)的選取進(jìn)行解耦，讓模型具有清晰的邏輯和通用性。常用的無量綱化方法有：標(biāo)準(zhǔn)差方法、極值差方法和功效數(shù)方法等。本文采用標(biāo)準(zhǔn)差方法進(jìn)行處理：

令：

其中：

無量綱化后，評價矩陣的均值和方差分別為0和1，矩陣中的值稱為標(biāo)準(zhǔn)評價值

3.3 麻醉學(xué)專業(yè)碩士臨床技能培訓(xùn)評估模型

基于標(biāo)準(zhǔn)數(shù)據(jù)庫和培訓(xùn)數(shù)據(jù)庫，采用多因素綜合評價模型，構(gòu)建麻醉學(xué)專業(yè)碩士臨床技能培訓(xùn)評估模型。綜合評價是對受多種因素影響的事物做出全面評價的一種十分有效的多因素決策方法，其特點是評價結(jié)果不是絕對地肯定或否定，而是以一個模糊集合來表示。

麻醉學(xué)專業(yè)碩士臨床技能培訓(xùn)評估數(shù)據(jù)集包括(導(dǎo)師對學(xué)生每個關(guān)鍵操作點的評分；學(xué)生依照標(biāo)準(zhǔn)操作對自身的評分；患者的麻醉相關(guān)數(shù)據(jù)：)

A：導(dǎo)師評分矩陣：行為操作關(guān)鍵點，列為導(dǎo)師評價分?jǐn)?shù)

B：自評評分矩陣：行為操作關(guān)鍵點，列為學(xué)生自評分?jǐn)?shù)

C：患者相關(guān)數(shù)據(jù)矩陣：行為操作關(guān)鍵點，列為患者在此關(guān)鍵點的相關(guān)數(shù)據(jù)(麻醉質(zhì)量評分、不良事件、術(shù)后恢復(fù)時間)

不同的評價指標(biāo)的不同重要程度用權(quán)重系數(shù)進(jìn)行表示。每一個評價指標(biāo)對應(yīng)一個權(quán)重系數(shù)。用W表示，其中導(dǎo)師評價權(quán)重為WA，自評權(quán)重為WB，患者權(quán)重為WC,此外各個權(quán)重和為1：

有了評價指標(biāo)和其對應(yīng)的權(quán)重之后，建立合適的綜合評價模型，確定綜合評價函數(shù)f：

Y=f(A,B,C,WA,WB,WC)

綜合評價函數(shù)f的選取有多種，通過實驗分別進(jìn)行以下模型驗證：

線性加權(quán)綜合法：將權(quán)重直接和對應(yīng)的規(guī)范化后的測量值相乘然后求和

非線性加權(quán)綜合法：用非線性函數(shù)作為綜合評價模型

S型分布函數(shù)法：S型分布函數(shù)模型如下：

其中

且

w(c)=0.5

3．4 麻醉學(xué)專業(yè)碩士技能培訓(xùn)評估分析系統(tǒng)

麻醉學(xué)專業(yè)碩士技能培訓(xùn)評估分析系統(tǒng)基于多因素綜合評價模型，增添智能培訓(xùn)評估分析子模塊。子模塊系統(tǒng)，采用B/S模式架構(gòu)，由瀏覽器、服務(wù)器、數(shù)據(jù)庫服務(wù)器三個層次組成。第一層瀏覽器(客戶機(jī))為用戶與整個系統(tǒng)的接口?？蛻舳耸褂靡粋€通用的瀏覽器來代替其它的各種應(yīng)用軟件,用戶的所有操作都是通過瀏覽器進(jìn)行的,由它來解釋HTML,顯示網(wǎng)頁內(nèi)容。在這里網(wǎng)頁具有一定的交互功能,支持用戶在網(wǎng)頁提供的表單上輸入信息提交給后臺,并提出處理請求。這里的后臺即第二層的Web服務(wù)器。第二層Web服務(wù)器將啟動相應(yīng)的進(jìn)程來響應(yīng)瀏覽器的請求,并動態(tài)生成嵌入處理結(jié)果的HTML做代碼返回給客戶機(jī)瀏覽器。第三層數(shù)據(jù)庫服務(wù)器的任務(wù)類似于模型的第二層,負(fù)責(zé)協(xié)調(diào)不同服務(wù)器發(fā)出的SQL請求,管理數(shù)據(jù)庫。

4 AI應(yīng)用于麻醉學(xué)專業(yè)碩士臨床技能培訓(xùn)和考核的前景展望

基于上述分析，利用“多源臨床教學(xué)數(shù)據(jù)的實時采集與辨識”“面向人工智能方法的教學(xué)指標(biāo)分析與預(yù)測預(yù)警模型的構(gòu)建”“教學(xué)評測評估算法與智能教學(xué)干預(yù)提示”等多種關(guān)鍵技術(shù)，對麻醉學(xué)專業(yè)碩士生臨床技能操作和術(shù)中麻醉管理數(shù)據(jù)進(jìn)行實時分析采集，同時融合手術(shù)患者HIS/PACS/EMR臨床數(shù)據(jù)以及追蹤隨訪數(shù)據(jù)，由此形成高質(zhì)量臨床技能培訓(xùn)教學(xué)數(shù)據(jù)集；并智能分析數(shù)據(jù)集與專碩生操作技能、評估評測、反饋以及患者預(yù)后等關(guān)聯(lián)，構(gòu)建臨床技能培訓(xùn)評估評測反饋人工智能支持知識圖譜，實現(xiàn)對專碩生培訓(xùn)期間技能培訓(xùn)質(zhì)量的實時追蹤，能夠有效對專碩生臨床技能的弱相以及不足等自動診斷和綜合追蹤預(yù)警；能夠減少大量臨床技能培訓(xùn)對帶教導(dǎo)師工作量的依賴度，切實提高每位麻醉學(xué)專業(yè)碩士研究生的臨床培訓(xùn)質(zhì)量。在此方面具有較佳的應(yīng)用前景。