人工智能識別系統(tǒng)在骨髓細胞形態(tài)進修教學中的應用研究

李 佳，楊武晨，彭賢貴，高 蕾，張 曦，墻 星，陶廷露，劉思恒，冉岑霞，張 誠

（陸軍軍醫(yī)大學第二附屬醫(yī)院，重慶 400002）

骨髓細胞形態(tài)檢驗是醫(yī)學檢驗中最基礎的學科，是血液病實驗室診斷方法中最重要的技術，也是目前各醫(yī)院必須開展的基礎檢驗項目。但骨髓細胞形態(tài)理論知識枯燥乏味，細胞體積小、種類繁多、差別細微，無法肉眼觀察，僅能在顯微鏡下觀察，難度極大，對細胞的識別及認識主觀性強，強烈依賴經驗。骨髓細胞形態(tài)學是將實踐和經驗融為一體的漫長的學習過程，是繼續(xù)教育中的常見進修課程。傳統(tǒng)進修骨髓細胞形態(tài)的教學形式多采用“灌輸式”教師講授—學習者聽的教學法，忽視了學習者的主觀能動性，部分帶教教師不夠重視，實驗教學手段單一且落后[1]。人工智能（Artificial Intelligence，AI）是目前生產技術革新和產能提高的重要手段，已進入智慧教育領域，但在醫(yī)學教育領域甚少涉及。因此本課題引入人工智能識別系統(tǒng)，讓學習者（在校學生及繼續(xù)教育者）在其幫助下學習骨髓細胞形態(tài)，對比其與傳統(tǒng)骨髓細胞形態(tài)學習方式在進修教學中的應用，旨在研究人工智能識別系統(tǒng)在教學上有無優(yōu)勢，能否更好地完成教學任務。

1 研究對象及方法

1.1 研究對象

納入2018年3月—2020年6月到陸軍軍醫(yī)大學第二附屬醫(yī)院血液病醫(yī)學中心參加進修的各醫(yī)院醫(yī)生共26例，性別及年齡無特殊要求。

1.2 研究方法

將進修生隨機分為傳統(tǒng)教學組和人工智能組，傳統(tǒng)教學組主要通過教師帶教、學生聽課及學生提問教師回答的方式達到教學目的；人工智能組主要通過杭州智維公司開發(fā)的人工智能識別骨髓細胞形態(tài)軟件進行細胞教學指導，學生用鼠標劃過需要學習的細胞，人工智能識別系統(tǒng)自動顯示細胞名字、需要鑒別的細胞類型及可能性百分數(shù)。

1.2.1 師資 由經驗豐富、臨床及教學時間大于10年的教員帶教，由主管技師以上職稱講解。

1.2.2 人工智能識別骨髓細胞形態(tài)軟件 由杭州智維軟件公司研發(fā)，可進行骨髓細胞識別，識別率分別為：中性粒細胞識別率99.8%，單核細胞識別率98%，淋巴細胞識別率99.7%，紅系有核細胞識別率97%。

1.2.3 評判標準 主要觀察指標：（1）教學滿意度和興趣（滿意度設為非常滿意5分，滿意4分，一般3分，差2分，很差1分；興趣設為非常有興趣5分，有興趣4分，一般3分，沒興趣2分，非常沒興趣1分），通過學生閱片考核及問卷調查的方法進行效果評估；（2）學習時長（課后自習時長）；（3）兩組進修生單個細胞的識別準確率（分別考核教學前和教學后）；（4）單張骨髓涂片準確率（分別考核教學前和教學后）。問卷調查包括教學滿意度、興趣；單個細胞考核以每張圖一個細胞的形式，考核100個細胞，記錄正確細胞數(shù)；考核的骨髓片要求為骨髓增生活躍，細胞分布均勻且視野好，染色良好；單張涂片準確率通過對單張骨髓涂片進行細胞計數(shù)，與正確計數(shù)答案做對比，統(tǒng)計正確率。

1.2.4 統(tǒng)計學分析 通過SPSS 19.0軟件分析數(shù)據(jù)，采用配對t檢驗、秩和檢驗（Mann-Whitney U）及χ2檢驗進行。

2 結果

2.1 一般情況

傳統(tǒng)教學組和人工智能組均為13例，平均年齡分別為27.18歲和 28.10 歲，無統(tǒng)計學差異（P＞0.05），男女性別比為 1∶2。

2.2 兩組教學滿意度及興趣比較（見表1）

表1 兩組教學滿意度及興趣評分分布情況（n）

傳統(tǒng)教學組和人工智能組的教學滿意度比較，秩和檢驗Z=-1.531，P=0.126＞0.05。盡管人工智能組教學滿意度略高于傳統(tǒng)教學組，但并無差異，說明學生對傳統(tǒng)教學和人工智能教學均很滿意。傳統(tǒng)教學組和人工智能組的興趣比較，秩和檢驗Z=-2.571，P=0.01＜0.05，人工智能組興趣高于傳統(tǒng)教學組?？傊?，在學習過程中，人工智能教學更能調動學生的學習積極性。

2.3 課后學習時間

傳統(tǒng)教學組學習時間均值為（2.06±0.399）小時/天，人工智能組學習時間均值為（2.67±0.560）小時/天，傳統(tǒng)教學組和人工智能組比較，P=0.000＜0.01，有統(tǒng)計學差異。

2.4 100個細胞識別正確個數(shù)

對比兩組教學前后的細胞識別情況，傳統(tǒng)教學組教學前正確識別細胞數(shù)均值為（26.46±8.491）個，教學后正確識別細胞數(shù)均值為（74.31±3.093）個，配對 t檢驗 t=-17.533，P＜0.01，有統(tǒng)計學差異，教學成果顯著。人工智能組教學前正確識別細胞數(shù)均值為（25.00±7.937）個，教學后正確識別細胞數(shù)均值為（73.23±3.295）個，配對 t檢驗 t=-19.085，P＜0.01，有統(tǒng)計學差異，教學成果顯著。教學后的傳統(tǒng)教學組和人工智能組比較，t=0.859，P＞0.05，無統(tǒng)計學差異。

2.5 單張骨髓涂片細胞計數(shù)的正確率

傳統(tǒng)教學組和人工智能組單張骨髓涂片細胞計數(shù)正確情況見表2，傳統(tǒng)教學組教學后成績顯著高于教學前（P＜0.01）；人工智能組教學后成績顯著高于教學前（P＜0.01）。教學后的人工智能組和傳統(tǒng)教學組比較，無統(tǒng)計學差異（χ2=0.249，P=0.618）。

表2 兩組單張骨髓涂片細胞計數(shù)情況（n）

3 討論

近年來，越來越多人工智能引入醫(yī)學范疇，AI醫(yī)學圖像識別已應用于腸鏡AI圖像識別[2]、影像學（CT、B超等）[3]的AI圖像識別、胚胎與繁殖的AI圖像識別[4]、腫瘤病理的AI圖像識別[5]。本研究中主要涉及的是骨髓/血細胞的AI圖像識別，相比較而言，其觀察指標更多，種類繁多而缺乏特征性組織結構，可參照的參數(shù)相對較少，因此對細胞認識的要求更高，細胞的識別難度加大，系統(tǒng)研發(fā)或學習的難度極大提升。將AI識別系統(tǒng)應用于骨髓細胞形態(tài)的學習中，可以幫助學生或進修生更好地學習。

3.1 滿意度及興趣分析

本研究中認為采用人工智能教學和傳統(tǒng)教學的學生均有很高的教學滿意度及興趣，兩種方法均獲得學習者較高的認可。但是學習者認為AI教學更有趣，此方法可以寓教于樂，方式類似游戲，讓人有挑戰(zhàn)的沖動，且易于操作，便于學習。

3.2 學習時長分析

本研究發(fā)現(xiàn)，人工智能組學習者更愿意主動學習，可能因為采用新型教學法學習者可根據(jù)自己的時間安排學習，學習方式更有趣，并且在學習中能快速得到反饋，學習過程不枯燥，更能吸引學習者。

3.3 學習成果分析

研究發(fā)現(xiàn)，無論傳統(tǒng)教學法還是AI教學法，經過長時間的學習，成績都能得到較明顯的提升，差別并不大，可能是傳統(tǒng)教學組的教學雖然比較枯燥，學習者和教師的互動相對較少，但是經過學習后，仍能很好地識別細胞及細胞分類，這也說明人工智能組和傳統(tǒng)教學組比較，優(yōu)勢更多地在學習過程中。

3.4 AI識別系統(tǒng)在教學上應用的優(yōu)劣勢

3.4.1 優(yōu)勢（1）目前AI教學模式優(yōu)勢之一是儲備能力及更新能力，可讓學習者最大可能地接觸最多最廣的細胞圖片[6]，做到與時俱進。長遠來看，可能會讓學習者學習更快、更新能力更強[7]；還可自動參考異常細胞，方便快捷。（2）AI教學法能減輕教師負擔，教師不用專門抽時間給學生講課、準備課件。同時，還可以通過AI識別系統(tǒng)進行遠程專家咨詢[8-10]，有助于教育標準化[10]。

3.4.2 缺點（1）反饋環(huán)節(jié)：盡管相較傳統(tǒng)教學組，人工智能組學習者能得到更多反饋，但這仍是薄弱環(huán)節(jié)。反饋是AI教學十分重要的環(huán)節(jié)[11-14]，但本中心的AI識別系統(tǒng)提供反饋卻很困難，同樣問題還見于Egele等[15]的研究，他們發(fā)現(xiàn)80%的受調查者從未或很少收到糾正性反饋。另外，如何提高反饋質量仍是亟須解決的方面。（2）考試模塊薄弱：本研究的考核手段仍是人工考核，AI識別系統(tǒng)缺乏考試模塊，有待后期補充。國際研究表明，目前大多AI教學系統(tǒng)均存在這一缺陷，其中通信安全及作弊問題需要警惕[16-17]；機器故障或不正確的編碼而導致錯判誤判，可能造成可怕的后果。想辦法做到公正無誤且不出紕漏，才能更好地將AI識別系統(tǒng)運用在實際工作中。

3.5 解決辦法

加速系統(tǒng)的完善，注意隱私保護，提高反饋質量及加強考試系統(tǒng)的研發(fā)。