人工智能技術(shù)在冠脈疾病診斷教學(xué)中的初步應(yīng)用

樊瑋 張磊 許兵強(qiáng)

摘? 要：目的：探討人工智能輔助教學(xué)對于提高實習(xí)生冠狀動脈CTA判讀能力的應(yīng)用價值。方法：選取在陜西省人民醫(yī)院CT室實習(xí)的影像醫(yī)學(xué)專業(yè)的本科生60人，依照不同教學(xué)方法隨機(jī)分為2組，即基于人工智能輔助教學(xué)法的實驗組、傳統(tǒng)教學(xué)法的對照組，針對兩組學(xué)生冠狀動脈CTA結(jié)果判讀能力進(jìn)行客觀考核，評價教學(xué)效果。結(jié)果：實驗組教學(xué)滿意度高于對照組，平均判讀時間少于對照組，判讀成績高于對照組，且差異具有統(tǒng)計學(xué)意義（P<0.05）。結(jié)論：基于人工智能輔助冠狀動脈CTA判讀教學(xué)，增強(qiáng)了學(xué)生的實踐能力，進(jìn)一步提高了學(xué)習(xí)效率。

關(guān)鍵詞：人工智能? 冠狀動脈疾病? CT血管造影? 醫(yī)院數(shù)字化影像與傳輸系統(tǒng)

中圖分類號：R-4;G642? ? ? ? ? ? ? ? ? ? ?文獻(xiàn)標(biāo)識碼：A? ? ? ? ? ? ? ? ? 文章編號：1674-098X（2021）06（a）-0149-04

Primary Application of Artificial Intelligence Technology in Teaching of Coronary Artery Disease

FAN Wei? ZHANG Lei? XU Bingqiang

（1. Department of CT， Shaanxi Provincial People's Hospital， Xi'an， Shaanxi Province， 710068 China;2.521 Hospital of Norinco Group， Xi'an， Shaanxi Province， 710065? China）

Abstract： Objective： To evaluate the application of artificial intelligence （AI） in improving trainees ability of coronary artery disease diagnosis. Methods： 60 cases of trainees with bachelor's degree who practiced in the CT room of Shaanxi Provincial People's Hospital were randomly selected， divided into experimental group and control group based on different teaching methods. The traditional teaching method was used in control group， in contrast， AI technology assisted method was used in the experimental group. The results of clinical teaching between the two groups were objectively evaluated as well as their abilities of analyzing the coronary computed tomography angiography（CCTA） imaging. Results： The satisfactory degree in experimental group was higher， The average diagnostic time of cases was shorter in experimental group， meanwhile， the average score was higher in the experimental group than control group， the differences were significant in statistics （P<0.05）. Conclusion： The teaching method depends on AI technology is helpful in trainee's education， especially in improving their practical abilities and learning efficiency.

Key Words： AI; Coronary Artery Disease; CT Angiography; Hospital digital image and transmission system

隨著影像醫(yī)學(xué)與核醫(yī)學(xué)專業(yè)知識不斷更新，影像設(shè)備的更新?lián)Q代及新型技術(shù)快速推廣應(yīng)用，影像專業(yè)實習(xí)學(xué)生如何在有限的時間內(nèi)更高效地掌握基本影像知識，提高實踐能力，培養(yǎng)具有自我學(xué)習(xí)新知識及解決問題能力的合格年輕影像醫(yī)師，是醫(yī)學(xué)影像科教學(xué)中所面臨的關(guān)鍵的問題。近年來人工智能（Artificial Intelligence，AI）技術(shù)在醫(yī)療領(lǐng)域取得了突破性進(jìn)展，基于深度學(xué)習(xí)的計算機(jī)人工智能技術(shù)能自動快速提取冠狀動脈樹，標(biāo)識冠狀動脈名稱，同時能夠準(zhǔn)確定位冠狀動脈病變位置，分析病變性質(zhì)及相應(yīng)管腔狹窄程度，成為對輔助診斷冠心病及介入術(shù)后效果評價的常規(guī)檢查手段。本研究通過分組教學(xué)，評價人工智能輔助在短時間內(nèi)對于提高醫(yī)學(xué)生冠狀動脈CTA判讀能力的教學(xué)效果。

1? 資料與方法

1.1? 一般資料

選擇本院2020年1月至2021年1月期間在陜西省人民醫(yī)院CT室實習(xí)的60名影像醫(yī)學(xué)與核醫(yī)學(xué)專業(yè)本科生、研究生為研究對象，所有研究對象首先在本科室具有10年以上工作經(jīng)驗、主治醫(yī)師職稱以上的專業(yè)教師指導(dǎo)下進(jìn)行為期2d的冠狀動脈CT血管成像（Coronary CT Angiography，CCTA）基礎(chǔ)理論知識教學(xué)后，隨機(jī)分為對照組和實驗組，每組學(xué)生均為30名。對照組采用傳統(tǒng)教學(xué)法，實驗組采用基于人工智能輔助教學(xué)法。對照組男性為17名，女性為13名，年齡在21～26歲，平均（23.03±2.15）歲;實驗組男性為14名，女性為16名，年齡在22～27歲，平均（22.79±3.06）歲。兩組學(xué)生一般資料差異不具有統(tǒng)計學(xué)意義（P >0.05）。

1.2? 方法

實驗組采用“冠狀動脈血管成像輔助診斷系統(tǒng)”（北京數(shù)坤科技有限公司）進(jìn)行圖像瀏覽、參考其輔助診斷學(xué)習(xí)1周，并在醫(yī)院數(shù)字化影像與傳輸系統(tǒng)（picture archiving and communication systems，PACS）中書寫書寫診斷報告，對照組無任何輔助，自主在 PACS中進(jìn)行圖像瀏覽進(jìn)行1周學(xué)習(xí)，并出具診斷報告，帶教老師對學(xué)生所有書寫報告進(jìn)行審核并指出不足之處，回答學(xué)生報告書寫中存在問題，直至完全掌握。

1.2.1 教學(xué)效果評價

在學(xué)習(xí)結(jié)束后對兩組學(xué)生進(jìn)行教學(xué)滿意度評估和實際病例操作分析測試。滿意評估以調(diào)查問卷的形式進(jìn)行，提供滿意、比較滿意和不滿意3個選項。

1.2.2 教學(xué)測試

在本院PACS系統(tǒng)中隨機(jī)選擇10份不同病例的冠脈CTA影像資料，書寫診斷報告，由3名有5年以上冠狀動脈CTA影像診斷工作經(jīng)驗、主治醫(yī)師職稱以上的帶教老師記錄實驗組及對照組的書寫報告所用平均時間，并對診斷報告進(jìn)行評分，以5分制評分，滿分50分。

1.2.3 診斷報告評估方法

報告書寫時間記錄是以學(xué)生進(jìn)入PACS并完全打開患者圖像開始計時，當(dāng)完成診斷并提交報告結(jié)束計時，時間單位為分。

冠狀動脈CTA診斷報告采用5分制進(jìn)行評分。5分：診斷準(zhǔn)確、描述清晰、無漏診及誤診病灶。4分：診斷基本正確，描述欠清晰，或有1處冠狀動脈血管病變診斷斷錯誤。3分：診斷基本正確，描述欠清晰，或有2處冠狀動脈血管病變診斷錯誤或漏診。2分：診斷不明確，描述不清晰，或有3處冠狀動脈血管病變診斷錯誤或漏診。1分：3處以上冠狀動脈血管病變診斷錯誤，描述錯誤，遺漏重要病變等[1]。

1.3 統(tǒng)計學(xué)分析

本次研究數(shù)據(jù)均采用spss 23.0軟件，計量資料用（±）表示，采用獨立樣本t檢驗。計數(shù)資料則采用（%）表示，采用2值檢驗，當(dāng)P<0.05時，認(rèn)為差異具有統(tǒng)計學(xué)意義。

2? 結(jié)果

兩組學(xué)生教學(xué)成績比較如下。

實驗組報告判讀平均用時少于對照組，判讀成績成績高于對照組，差異具有顯著統(tǒng)計學(xué)意義（P<0.05），如表1所示。

實驗組教學(xué)滿意度為93.33%，高于對照組的66.67%，差別具有顯著統(tǒng)計學(xué)意義（x2=7.02，P<0.05），如表2所示。

3? 討論

隨著社會經(jīng)濟(jì)的發(fā)展和人民生活水平的逐步提高，冠心病成為威脅人類健康的主要心血管疾病之一，發(fā)病率有逐年上升的趨勢[2]。目前，冠心病診斷檢查方法主要有冠脈CTA和冠脈造影，冠脈CTA以其無創(chuàng)性成為首選方法，在臨床工作中得到廣泛應(yīng)用。在傳統(tǒng)教學(xué)模式中，由于冠狀動脈CTA需要在后處理機(jī)器上進(jìn)行觀察、診斷，因后處理機(jī)器數(shù)量較少，實習(xí)學(xué)生相關(guān)學(xué)習(xí)只能以教師為中心，聽從講解，實際操作的機(jī)會較少，處于被動式學(xué)習(xí)狀態(tài)，參與程度不高，造成學(xué)生學(xué)習(xí)的積極性降低，達(dá)不到高效的教學(xué)質(zhì)量[3]。由于帶教時間有限，帶教老師也不能完全了解每個學(xué)生對相關(guān)知識的掌握程度，造成學(xué)生的學(xué)習(xí)效率不高。

基于深度學(xué)習(xí)的計算機(jī)人工智能技術(shù)（AI）近幾年發(fā)展迅速，在醫(yī)學(xué)領(lǐng)域中獲得認(rèn)可并得到廣泛應(yīng)用[4]。人工智能醫(yī)學(xué)影像技術(shù)日趨成熟，人工智能輔助教學(xué)在影像醫(yī)學(xué)與核醫(yī)學(xué)專業(yè)實習(xí)學(xué)生的帶教中凸顯優(yōu)勢，這也是醫(yī)學(xué)影像教育的新起點、新契機(jī)和新挑戰(zhàn)[5]。人工智能在醫(yī)學(xué)影像教學(xué)領(lǐng)域的應(yīng)用推動了醫(yī)學(xué)影像學(xué)教學(xué)模式的革新，極大地提高了教學(xué)效率和教學(xué)質(zhì)量[6]。AI冠狀動脈血管成像輔助診斷系統(tǒng)能夠自動、快速地處理圖像，自動分割每一條冠脈血管同時命名血管，提供心臟VR圖像、血管CPR及三維重建圖像[7-9]，省略很多重復(fù)操作，精確、快速地完成冠狀動脈重建，發(fā)現(xiàn)、定位、定性病變并對相應(yīng)血管狹窄程度進(jìn)行判斷，直接將影像資料及報告展示出來，實習(xí)學(xué)生可以多病人、多方位、重復(fù)性討論學(xué)習(xí)，增加實踐操作機(jī)會，提高學(xué)生冠脈病變的判讀能力[10]。

本次研究以在本院實習(xí)的60名本科生及研究生作為研究對象，以實驗組和對照組進(jìn)行分組教學(xué)，實驗組采用AI技術(shù)輔助教學(xué)，對照組采用傳統(tǒng)教學(xué)，無論從教學(xué)方式滿意度測評，還是教學(xué)效果評價，實驗組學(xué)生與對照組差異均具有統(tǒng)計學(xué)意義，可以初步體現(xiàn)基于人工智能輔助教學(xué)在冠狀動脈CTA結(jié)果判斷學(xué)習(xí)中的優(yōu)勢，能夠調(diào)動學(xué)生學(xué)習(xí)的積極性，增強(qiáng)自我學(xué)習(xí)的能力，提高對冠脈病變的整體認(rèn)識，能夠為醫(yī)學(xué)事業(yè)進(jìn)步培養(yǎng)更加優(yōu)秀的影像人才做出貢獻(xiàn)。

4? 結(jié)語

綜上，將基于人工智能輔助教學(xué)法應(yīng)用在實習(xí)學(xué)生冠狀動脈CTA結(jié)果判讀，可以快速、高效地進(jìn)行知識的獲取，提高實際操作和診斷能力，在很大程度上彌補了傳統(tǒng)教學(xué)模式的不足。因此，基于人工智能輔助在冠脈CTA結(jié)果判讀教學(xué)中具有較高價值，值得推廣。

參考文獻(xiàn)

[1] 肖建偉，張樹桐，謝元亮，等.基于深度學(xué)習(xí)的冠狀動脈CT血管成像冠狀動脈疾病報告與診斷系統(tǒng)的臨床應(yīng)用[J].實用醫(yī)學(xué)雜志，2019（20）：3227-3230.

[2] Johnson LM.Low diagnostic yield of elective coronary angiography[J].New England Journal of Medicine，2010，363（1）：93-94.

[3] Oderinu OH， Adegbulugbe IC， Orenuga OO， et al.Comparison of students' perception of problem‐based learning and traditional teaching method in a Nigerian dental school[J].European Journal of Dental Education，2020，24（2）：207-212.

[4] 范瞬，談在祥.人工智能背景下“新醫(yī)科”建設(shè)的挑戰(zhàn)與變革[J].中國高?？萍迹?019（7）：56-59.

[5] 王貴生，陳曉霞，葉菊，等.醫(yī)學(xué)影像人工智能輔助教學(xué)在非影像學(xué)專業(yè)住院醫(yī)師規(guī)范化培訓(xùn)中的初步應(yīng)用及思考[J].中華災(zāi)害救援醫(yī)學(xué)，2020，8（9）： 523-524.

[6] 張寧男，張璋.人工智能輔助教學(xué)在醫(yī)學(xué)影像規(guī)范化培訓(xùn)中的新探索[J].教育教學(xué)論壇，2019，（25）：176-177.

[7] Andreas M Fischer，Marwen Eid，Carlo N De Cecco，et al.Accuracy of an artificial intelligence deep learning algorithm implementing a recurrent neural network with long short-term memory for the automated detection of calcified plaques from coronary computed tomography angiography[J].J Thorac Imaging，2020，35（Suppl 1）：S49-S57.

[8] Qiao HY，Tang CX，Schoepf UJ，et al.Impact of machine learningbased coronary computed tomography angiography fractional flow reserve on treatment decisions and clinical outcomes in patients with suspected coronary artery disease[J].Eur Radiol，2020，30（11）：5841-5851.

[9] 王曼，王怡寧，于敏，等.人工智能成像優(yōu)化技術(shù)在冠狀動脈CT血管成像的初步應(yīng)用研究[J].中華放射學(xué)雜志，2020，54（5）：460-466.

[10] 張寧男楠，張璋.人工智能輔助教學(xué)在醫(yī)學(xué)影像規(guī)范化培訓(xùn)中的新探索[J].教育教學(xué)論壇.2019（25）：176-178.