人工智能在研究生外科教學(xué)中的應(yīng)用探索

蔣偉 馬海濤 鄭鴻 楊樺 邱遠(yuǎn)

當(dāng)今，人工智能（artificial intelligence，AI）正在全球范圍內(nèi)掀起新的科技熱潮，成為推動引領(lǐng)新一輪產(chǎn)業(yè)結(jié)構(gòu)變革的重要創(chuàng)新動力。在我國，人工智能也已上升為國家重點(diǎn)戰(zhàn)略，尤其在醫(yī)療方面，也進(jìn)入發(fā)展快車道。人工智能技術(shù)對現(xiàn)代醫(yī)學(xué)教育改革產(chǎn)生了深遠(yuǎn)的影響，使以往以思維記憶能力為基礎(chǔ)的訓(xùn)練，逐步轉(zhuǎn)向從不斷增長的信息資源中整合和利用信息的能力。在醫(yī)學(xué)教育中充分運(yùn)用融合了大數(shù)據(jù)信息平臺、云計算、5G 移動互聯(lián)網(wǎng)以及虛擬現(xiàn)實的人工智能技術(shù)，能夠為臨床教學(xué)、醫(yī)師培訓(xùn)、醫(yī)療實踐帶來積極影響。日前，清華大學(xué)醫(yī)學(xué)院與相關(guān)科技公司合作，建成全國首個“智慧現(xiàn)實虛擬臨床教學(xué)中心”，率先跨出我國人工智能輔助臨床教學(xué)的第一步[1]。2017 年7 月，國務(wù)院印發(fā)《新一代人工智能發(fā)展規(guī)劃》，指出高校應(yīng)當(dāng)利用人工智能技術(shù)加快推動人才培養(yǎng)模式、教學(xué)方法改革[2]。2018 年國家自然科學(xué)基金委員會在信息科學(xué)部下增設(shè)“教育科學(xué)研究”方向，鼓勵人工智能、大數(shù)據(jù)等技術(shù)與教育科學(xué)、教學(xué)活動相互融合?？梢?，近五年人工智能相關(guān)政策集中落地，為我們臨床教學(xué)改革提供了契機(jī)。在未來的醫(yī)學(xué)教育中，應(yīng)主動變革現(xiàn)有的教學(xué)理念及模式，深度融合人工智能技術(shù)，方能占領(lǐng)未來醫(yī)學(xué)教育高地，為我國醫(yī)學(xué)事業(yè)培養(yǎng)面向未來的人才。

1 人工智能在醫(yī)學(xué)中的運(yùn)用趨勢

人工智能是一門基于計算機(jī)科學(xué)、腦神經(jīng)學(xué)和社會科學(xué)發(fā)展而來，主要研究、開發(fā)用于模擬、延伸和擴(kuò)展人的智能的綜合性學(xué)科。其主要作用是能夠替代人類執(zhí)行識別、認(rèn)知、分類及決策等各種功能。人工智能對醫(yī)學(xué)領(lǐng)域已經(jīng)產(chǎn)生深遠(yuǎn)影響，在醫(yī)學(xué)影像輔助診斷、臨床決策支持、藥物挖掘、健康管理、臨床技能訓(xùn)練等方面取得了卓越成績[3]。

人工智能在醫(yī)學(xué)圖像識別方面目前已經(jīng)有比較成熟的應(yīng)用實例。計算機(jī)輔助診斷（computeraided diagnosis，CAD）是指通過影像學(xué)、醫(yī)學(xué)圖像處理以及人工智能等技術(shù)，對病變的影像特征進(jìn)行量化分析處理并做出判斷的自動分析技術(shù)。主要包含圖像采集、圖像預(yù)處理、ROI 域分割、特征提取和分類識別等五大工作模塊，輔助影像科醫(yī)師快速發(fā)現(xiàn)病灶并進(jìn)行分析，從而使診斷的效率及準(zhǔn)確率大大提高。2016 年，美國學(xué)者Stephen T.Wong 和Jenny C.Chang 團(tuán)隊開發(fā)了自然語言處理（NLP）軟件算法。該算法首先對543 例乳腺癌患者的X 線攝影平片進(jìn)行深度學(xué)習(xí)，通過捕獲乳腺X 線攝片的關(guān)鍵特征，與乳腺X 線圖像數(shù)據(jù)庫進(jìn)行比對、識別，并與乳腺癌亞型進(jìn)行關(guān)聯(lián)。從而實現(xiàn)高精度、高效率的X 線影像識別能力，是普通醫(yī)師診斷速度的近30倍，且診斷準(zhǔn)確率可高達(dá)99%[4]。人工智能在輔助新藥研發(fā)方面也有良好的應(yīng)用前景。美國生物制藥公司Berg Health 應(yīng)用人工智能平臺快速篩選胰腺癌、膀胱癌和腦癌等患者組織樣本，并對相應(yīng)的基因組信息和生物分子代謝途徑的差距進(jìn)行分析，從而達(dá)到快速尋找潛在的藥物靶點(diǎn)的目的[5]。通過這種從數(shù)據(jù)為起點(diǎn)出發(fā)，繼而利用數(shù)據(jù)生成一系列假定靶點(diǎn)及對應(yīng)藥物的方法，預(yù)計可使新藥研發(fā)成本大幅度降低。此外，人工智能還能夠輔助臨床醫(yī)師為患者提供診療方案。IBM 公司與MSKCC 醫(yī)院聯(lián)合研發(fā)推出了Watson 腫瘤解決方案（WFO）[6]。根據(jù)IBM 提供的資料顯示，WFO 可以在17s 內(nèi)，對69 種治療方案，3 469 本醫(yī)學(xué)著作，61 540次實驗數(shù)據(jù)，10.6 萬份臨床報告及24.8 萬篇論文進(jìn)行閱覽，并結(jié)合醫(yī)師所輸入的具體的患者信息指標(biāo)，最終選擇最優(yōu)的個性化治療方案供醫(yī)師參考[7]。同樣，人工智能技術(shù)在醫(yī)學(xué)教學(xué)方面運(yùn)用也進(jìn)行了大量探索。運(yùn)用人工智能技術(shù)，可以將人體解剖結(jié)構(gòu)、血流動力學(xué)、運(yùn)動力學(xué)等進(jìn)行全息還原，研究生可以在虛擬空間里進(jìn)行學(xué)習(xí)。還可通過軟件操作，將患者的器官或病灶進(jìn)行精準(zhǔn)再現(xiàn)以及幾何分析，術(shù)前對病灶的區(qū)位、體積、徑線進(jìn)行全面評估，協(xié)助制定手術(shù)方案和方案風(fēng)險綜合評估。由此可見，與傳統(tǒng)醫(yī)療服務(wù)技術(shù)相比，人工智能的醫(yī)學(xué)應(yīng)用在提高醫(yī)療質(zhì)量、降低醫(yī)療成本以及提高醫(yī)療教學(xué)效率方面都有較多優(yōu)勢。未來的醫(yī)學(xué)將會與人工智能深度融合，這也對現(xiàn)在的醫(yī)學(xué)教育提出了新的要求。

2 研究生教育現(xiàn)狀問題思考

研究生臨床教育不僅是高層次醫(yī)學(xué)人才的主要培養(yǎng)渠道，還對推動現(xiàn)代醫(yī)學(xué)發(fā)展起著至關(guān)重要的作用。隨著醫(yī)學(xué)的不斷發(fā)展和醫(yī)學(xué)教育標(biāo)準(zhǔn)的提高，醫(yī)學(xué)教育必須緊跟時代變革。研究生教育與本科生教育不同，前者更偏向于培養(yǎng)研究生獨(dú)立思考問題和主動探索問題答案的綜合能力[8]。但是，目前外科學(xué)研究生教學(xué)仍然面臨多方面的矛盾。只有深入分析問題本質(zhì)，才能從新的教學(xué)手段方法中尋求解決問題的切入點(diǎn)。

2.1 臨床思維能力培養(yǎng)不深入

一方面，專業(yè)型研究生培養(yǎng)與住院醫(yī)師規(guī)范化培訓(xùn)相結(jié)合后，大部分研究生時間安排以輪轉(zhuǎn)科室為主。一些輪轉(zhuǎn)科室對研究生存在有“重使用、輕培養(yǎng)”的傾向，甚至完全將研究生當(dāng)作“實習(xí)生”使用。他們的大量時間用于書寫病歷和換藥，擠占了臨床實踐及回顧思考時間[9]。另一方面，部分臨床帶教老師的單一說教代替了研究生主動思考和探索，阻礙了研究生臨床潛力的發(fā)揮與創(chuàng)新精神的培養(yǎng)。這種“填鴨式”帶教無法及時對研究生不足之處予以反饋并糾正，更不利于充分調(diào)動研究生的主觀能動性。

2.2 訓(xùn)練期間考核機(jī)制不完善

一方面，目前每個學(xué)校的研究生教育培養(yǎng)都有各自的考核標(biāo)準(zhǔn)。針對研究生期間的階段性考核，很多醫(yī)學(xué)院校都是由教學(xué)科室自行組織各類理論或是操作技能考試。然而師資力量參差不齊，無法做到統(tǒng)一標(biāo)準(zhǔn)。更無法對所有的研究生進(jìn)行客觀統(tǒng)一的評價[10]。另一方面，帶教老師在對研究生進(jìn)行考核時缺乏有效監(jiān)督，沒有形成嚴(yán)格的制度化、規(guī)范化考核機(jī)制。考核存在形式化，走過場等問題。還容易因管理漏洞而出現(xiàn)教師工作懈怠、滋生舞弊等情況。

2.3 科研創(chuàng)新能力訓(xùn)練不充分

科研創(chuàng)新能力是研究生的核心競爭力之一。由于臨床專業(yè)研究生平時以臨床實際運(yùn)用能力和工作能力為主，科研創(chuàng)新能力訓(xùn)練是訓(xùn)練過程中的短板[11]。在研究生培養(yǎng)過程中，由于時間緊、任務(wù)重，與導(dǎo)師接觸時間有限等多方面問題，導(dǎo)致無法對臨床研究生進(jìn)行系統(tǒng)的科研訓(xùn)練，培養(yǎng)完備的科研素養(yǎng)[12]。另外，部分高校導(dǎo)師隊伍數(shù)量不足、水平參差不齊、本身知識與能力結(jié)構(gòu)并不能完全滿足研究生的創(chuàng)新能力培養(yǎng)需求。

3 人工智能在外科研究生能力培養(yǎng)中的應(yīng)用和前景

上述在外科學(xué)研究生培養(yǎng)過程中存在的短板，正是人工智能可以加以彌補(bǔ)的地方。人工智能的出現(xiàn)，讓臨床實踐最大限度的與臨床教學(xué)相融合，研究生可以無損的、無障礙的從臨床實踐的海量數(shù)據(jù)中汲取“營養(yǎng)”和知識。

3.1 人工智能可用于研究生臨床思維的培養(yǎng)和訓(xùn)練

臨床思維能力是疾病診斷及治療的關(guān)鍵。因此，我們考慮可以運(yùn)用人工智能對研究生臨床思維培訓(xùn)進(jìn)行協(xié)助：一方面，人工智能可以為臨床思維訓(xùn)練發(fā)揮示范或輔助作用。以百度醫(yī)療大腦為代表的人工智能由人工智能算法（超大規(guī)模的神經(jīng)網(wǎng)絡(luò)）、計算能力（數(shù)十萬臺服務(wù)器進(jìn)行計算，基于GPU）、大數(shù)據(jù)共3 部分組成[13]。具備語音合成與識別、圖像、自然語言處理以及用戶畫像等4 方面能力。可通過采集并分析專業(yè)文獻(xiàn)，模擬醫(yī)生問診工作流程，并在問診過程中對患者的癥狀描述進(jìn)行收集匯總、分類整理。依據(jù)患者的癥狀提出可能出現(xiàn)或是遺漏的問題，全程輔助研究生進(jìn)行病史采集和初步診斷[14]。這樣能夠幫助訓(xùn)練研究生臨床思維的邏輯性、層次性及嚴(yán)謹(jǐn)性。另一方面，現(xiàn)已開發(fā)出多種智能化機(jī)器人來替代標(biāo)準(zhǔn)化病人，對研究生進(jìn)行臨床診斷能力的培養(yǎng)和考核[15]。這有效解決了標(biāo)準(zhǔn)化病人需投入大量資金和時間訓(xùn)練的高成本問題以及實際病人不愿配合等難題。隨著人工智能的進(jìn)一步發(fā)展，智能機(jī)器人將能實現(xiàn)對患者癥狀、表情、動作、語言更為生動地模仿；進(jìn)而提供更為標(biāo)準(zhǔn)、規(guī)范、準(zhǔn)確的病情模擬演示和交互對話。

3.2 人工智能可輔助教學(xué)考核與評估

人工智能除了充實臨床教學(xué)內(nèi)容外，還可以提供完善、客觀的教學(xué)考核與評估。當(dāng)前人工智能系統(tǒng)可以針對學(xué)者的學(xué)習(xí)特征進(jìn)行分析，并進(jìn)一步為學(xué)者優(yōu)化學(xué)習(xí)路徑、定制學(xué)習(xí)資源、反饋學(xué)習(xí)效果[16]。阿爾伯塔大學(xué)就利用人工智能建立了一套完善的學(xué)習(xí)及評價系統(tǒng)。系統(tǒng)提供文獻(xiàn)下載、在線學(xué)習(xí)及討論測試，同時后臺對研究生與系統(tǒng)的交互數(shù)據(jù)進(jìn)行自動記錄，如各項操作的時間、次數(shù)、頻率及討論內(nèi)容等。同時，系統(tǒng)通過記錄的數(shù)據(jù)來分析研究生的學(xué)習(xí)策略、偏好、成效，并最終形成研究生的學(xué)習(xí)特征圖譜和學(xué)習(xí)成果報告[17]。另外，人工智能技術(shù)還可以通過捕捉學(xué)習(xí)時的時間數(shù)據(jù)、眼動數(shù)據(jù)、質(zhì)性信息等，更加科學(xué)的認(rèn)識研究生學(xué)習(xí)規(guī)律和學(xué)習(xí)習(xí)慣。如果將所有學(xué)習(xí)過程信息和考核信息納入人工智能系統(tǒng)，將會有利于高效精準(zhǔn)地對教學(xué)情況進(jìn)行評估，并實時向?qū)W習(xí)者反饋，為培養(yǎng)優(yōu)秀的醫(yī)學(xué)人才提供堅實保障[18]。

3.3 人工智能可作為臨床實踐的重要補(bǔ)充

研究生的培養(yǎng)離不開實踐訓(xùn)練，而人工智能虛擬實訓(xùn)系統(tǒng)的出現(xiàn)可以解決研究生操作機(jī)會少，提高臨床技能操作教學(xué)質(zhì)量。我校張紹祥教授牽頭建立了全國首個基于中國數(shù)字化人體的虛擬解剖系統(tǒng)。該系統(tǒng)以中國數(shù)字化人體數(shù)據(jù)集為基礎(chǔ)，結(jié)合計算機(jī)信息學(xué)、圖像學(xué)與網(wǎng)絡(luò)技術(shù)，通過數(shù)據(jù)分割、計算機(jī)三維重建、模型平滑貼圖和軟件系統(tǒng)開發(fā)而構(gòu)建[19]。圍繞這一系統(tǒng)，我們已經(jīng)建立了教學(xué)系統(tǒng)接入端。研究生可運(yùn)用此系統(tǒng)對目標(biāo)器官結(jié)構(gòu)進(jìn)行任意方位、角度的三維可視化觀察研究。其高精度的解剖圖像能夠清晰地顯示包括血管、神經(jīng)、淋巴等在內(nèi)的人體各種精細(xì)解剖結(jié)構(gòu)。同時，我們外科教研室正在探索依托此虛擬系統(tǒng)建立可交互式虛擬手術(shù)平臺[20]，為研究生提供更深入更真實的手術(shù)操作虛擬練習(xí)，使學(xué)習(xí)者在面對真實病人前有更加充分的訓(xùn)練。

3.4 人工智能助力科研能力

醫(yī)學(xué)科學(xué)研究對醫(yī)學(xué)進(jìn)步發(fā)揮著重要作用，多數(shù)研究生由于臨床工作負(fù)荷大，缺乏數(shù)據(jù)或者整理數(shù)據(jù)的時間。大量且繁瑣的臨床科研數(shù)據(jù)通常又需要花費(fèi)其大量的時間及精力，而人工智能這一新技術(shù)和新方法的引進(jìn)與應(yīng)用有望能夠改變這一矛盾現(xiàn)狀。一方面，大數(shù)據(jù)平臺通過對臨床患者信息的收集、解析、錄入并校驗，將醫(yī)療行業(yè)大規(guī)模的數(shù)據(jù)轉(zhuǎn)化為機(jī)器可識別分析的數(shù)據(jù)，即結(jié)構(gòu)化。這樣數(shù)據(jù)的處理能力就可以大幅提升，減輕研究生科研工作的負(fù)擔(dān)。另一方面，人工智能還可以將醫(yī)學(xué)數(shù)據(jù)的檢測和分析過程自動化，并完成對影像數(shù)據(jù)的精準(zhǔn)解讀，盡可能減少人為誤差對結(jié)果的判讀，為開展臨床科研和實踐提供重要保障[21]。近期來自全球100 多個實驗室的近150 位學(xué)者在Nature 聯(lián)合發(fā)表了研究分析的近3 000 份腫瘤樣本的甲基化數(shù)據(jù)，對1 104 份樣本傳統(tǒng)病理診斷和運(yùn)用人工智能決策系統(tǒng)診斷的結(jié)果進(jìn)行了比較。最終顯示兩者診斷完全一致的樣本占60.4%；15.5% 的樣本兩者診斷一致，但人工智能認(rèn)為它們應(yīng)該屬于更小的亞型；兩者診斷不一致的樣本占12.6%，深度分析證實其中92.8%的樣本人工智能診斷正確[22]。研究生可利用該系統(tǒng)對大量的臨床數(shù)據(jù)進(jìn)行分析整理，并繼續(xù)挖掘新的數(shù)據(jù)指標(biāo)意義，同時將所得結(jié)論在日益增多的臨床海量數(shù)據(jù)中得到進(jìn)一步驗證。此外，在醫(yī)學(xué)實驗中，人工智能技術(shù)還能夠追蹤實驗對象，并對實驗進(jìn)程進(jìn)行監(jiān)控和干預(yù)。比如，在細(xì)胞操作實驗中，運(yùn)用人工智能技術(shù)固定細(xì)胞，在運(yùn)動過程中下達(dá)命令，實現(xiàn)醫(yī)學(xué)實驗的追蹤、注射、捕捉、轉(zhuǎn)移等，為科研人員的醫(yī)學(xué)實驗分析和研究提供便捷[23]。

4 結(jié)語

隨著時代的發(fā)展，人工智能技術(shù)與教育行業(yè)的融合發(fā)展正迅猛地推動著教育事業(yè)的變革。人工智能在臨床教學(xué)的實際應(yīng)用也發(fā)現(xiàn)存在一些缺陷，例如建設(shè)成本較高，系統(tǒng)調(diào)試復(fù)雜，操作人員難以掌握，體驗感不流暢等。不過，隨著深度學(xué)習(xí)與神經(jīng)網(wǎng)絡(luò)的進(jìn)一步完善與成熟，人工智能技術(shù)在醫(yī)學(xué)教學(xué)中的作用將會越來越突出，從而為醫(yī)學(xué)教育的發(fā)展提供廣闊的機(jī)遇和發(fā)展空間。