人工智能輔助教學在非影像專業(yè)住院醫(yī)師放射科輪轉(zhuǎn)中的應用

[摘要]"目的"探討人工智能（artificial"intelligence，AI）輔助教學在非醫(yī)學影像專業(yè)住院醫(yī)師放射科專業(yè)基地輪轉(zhuǎn)教學中的應用效果。方法"選取2022年5月至2023年12月在南昌大學第二附屬醫(yī)院放射科專業(yè)基地輪轉(zhuǎn)的非醫(yī)學影像專業(yè)住院醫(yī)師84人，經(jīng)過1周的教學培訓后根據(jù)隨機數(shù)字表法分為AI組和人工組，每組42人。AI組使用“AI智能輔助診斷系統(tǒng)”進行圖像后處理和報告撰寫，人工組依靠常規(guī)后處理工作站在影像存儲與傳輸系統(tǒng)中瀏覽圖像并出具診斷報告。比較兩組住院醫(yī)師后處理圖像質(zhì)量和影像診斷報告質(zhì)量評分及后處理和書寫報告時間，并對教學質(zhì)量進行評價。結(jié)果"AI組住院醫(yī)師的后處理時間、閱片報告時間均顯著短于人工組（Plt;0.001）；AI組住院醫(yī)師的后處理質(zhì)量評分、診斷報告質(zhì)量評分均顯著高于人工組（Plt;0.001）。AI組住院醫(yī)師對教學的評價顯著高于人工組（Z=–7.909，Plt;0.001）。結(jié)論"AI輔助教學模式有助于非醫(yī)學影像專業(yè)住院醫(yī)師針對性、系統(tǒng)性、高效率地學習放射科專業(yè)知識、提高閱片技能。

[關鍵詞]"人工智能輔助教學；住院醫(yī)師規(guī)范化培訓；非醫(yī)學影像專業(yè)住院醫(yī)師；放射科專業(yè)基地

[中圖分類號]"R445""""""[文獻標識碼]"A""""""[DOI]"10.3969/j.issn.1673-9701.2025.10.017

隨著醫(yī)療技術(shù)的飛速發(fā)展，人工智能（artificial"intelligence，AI）技術(shù)日益成熟，其在醫(yī)學教育中的應用正逐步展現(xiàn)出巨大的潛力和價值。在非醫(yī)學影像專業(yè)住院醫(yī)師的培養(yǎng)過程中，放射科專業(yè)基地輪轉(zhuǎn)對提升住院醫(yī)師的綜合素質(zhì)和專業(yè)技能具有不可替代的作用[1]。然而，傳統(tǒng)的放射科教學模式面臨教學資源有限、師資力量不足、學生學習效率不高等問題，難以滿足日益增長的醫(yī)學教育需求[2-3]。AI輔助教學作為一種新興的教育手段，為放射科輪轉(zhuǎn)教學帶來新的機遇和挑戰(zhàn)。AI技術(shù)通過其強大的數(shù)據(jù)處理能力、智能分析功能和個性化學習特性，可為學生提供更加豐富、高效、精準的學習體驗[4-5]。在放射科輪轉(zhuǎn)教學中引入AI輔助教學不僅能緩解教學資源緊張問題，還可通過即時反饋和智能評估機制，提高學生的學習效率和效果，促進其全面發(fā)展。此外，非醫(yī)學影像專業(yè)住院醫(yī)師在放射科輪轉(zhuǎn)期間，需要快速掌握大量的放射學知識和技能以應對臨床工作的需要。AI輔助教學以其獨特的優(yōu)勢幫助學生更好地理解復雜的放射學概念，提高閱片能力，增強臨床決策能力。因此，探討AI輔助教學在非醫(yī)學影像專業(yè)住院醫(yī)師放射科專業(yè)基地輪轉(zhuǎn)教學中的應用，對推動醫(yī)學教育創(chuàng)新、提高醫(yī)學人才培養(yǎng)質(zhì)量具有重要意義。

1""資料與方法

1.1""研究對象

選取2022年5月至2023年12月在南昌大學第二附屬醫(yī)院放射科專業(yè)基地輪轉(zhuǎn)的非醫(yī)學影像專業(yè)住院醫(yī)師84人。納入標準：①非醫(yī)學影像專業(yè)住院醫(yī)師，涵蓋內(nèi)科、外科、兒科和婦產(chǎn)科等專業(yè)；"""""②在放射科專業(yè)基地輪轉(zhuǎn)時間為4～12周；③除大學期間學習醫(yī)學影像學教材外，未曾接觸或?qū)W習過醫(yī)學影像學專業(yè)知識。排除標準：因個人興趣主動學習和研究醫(yī)學影像學者。根據(jù)隨機數(shù)字表法將其分為AI組和人工組，每組42人。AI組男18人，女24人，中位年齡25歲；人工組男15人，女27人，中位年齡25歲。兩組住院醫(yī)師的性別、年齡比較差異均無統(tǒng)計學意義（Pgt;0.05）。實驗前告知參與者相關信息，并簽署知情同意書。

1.2""教學方法

AI組使用“AI智能輔助診斷系統(tǒng)”進行圖像后處理和報告書寫，AI軟件可對頭頸部CT血管成像（computed"tomography"angiography，CTA）原始圖像進行后處理和輔助診斷，幫助醫(yī)師快速完成頭頸部血管圖像處理，自動檢測血管狹窄、閉塞及動脈瘤等，助力醫(yī)師進行診斷與評估。人工組不使用任何輔助工具，只依賴傳統(tǒng)的后處理工作站，自行在影像存儲與傳輸系統(tǒng)中瀏覽圖像并出具診斷報告。AI組和人工組分別進行1周的教學培訓后，獨自進行1～3個月的CTA影像診斷報告。

頭頸部CTA后處理圖像質(zhì)量評分標準[6]：①頭頸部血管邊緣平滑銳利、分支及遠端顯示好，計5分；②頭頸部血管顯示好，分支顯示好，遠端顯示較好，計4分；③頭頸部血管主干顯示好，主要分支顯示較好，分支及遠端顯示欠佳，計3分；④血管邊緣毛糙，分支及遠端顯示差，勉強能診斷，計2分：⑤血管邊緣毛糙，主干、分支顯示均欠佳，無法診斷，計1分。CTA報告書寫質(zhì)量評分（總分10分）標準：①掃描方式、所用掃描序列、增強情況描寫，一項未描述扣1分。②影像學表現(xiàn)：闡明臨床所疑疾病的表現(xiàn)或征象時，閱片按血管分級，逐一描述。如發(fā)現(xiàn)病變，詳細準確說明其部位、形態(tài)、大小、密度及其與鄰近結(jié)構(gòu)的關系。同時標明是否存在特征性改變。描述內(nèi)容與結(jié)論保持一致，影像診斷報告語言需流暢，無錯別字，缺一項扣1分。最終由上級醫(yī)師復核圖像，并對后處理圖像和影像診斷報告評分，記錄后處理和書寫報告的時間。

1.3""教學評價

通過問卷調(diào)查、個別訪談、課堂觀察、課堂實驗等方法收集非影像專業(yè)住院醫(yī)師對教學模式的評價及反饋意見，總分100分。

1.4""統(tǒng)計學方法

采用SPSS"27.0統(tǒng)計軟件進行數(shù)據(jù)分析。計數(shù)資料以例數(shù)（百分率）[n（%）]表示，比較采用χ2檢驗；計量資料不符合正態(tài)分布的以中位數(shù)（四分位數(shù)間距）[M（Q1，Q3）]表示，比較采用Mann-Whitney"U檢驗。Plt;0.05為差異有統(tǒng)計學意義。

2""結(jié)果

2.1""兩組住院醫(yī)師的后處理時間和后處理質(zhì)量評分比較

AI組和人工組住院醫(yī)師的后處理時間分別為[6（5，8）]min和[38（34，42）]min，AI組的后處理時間顯著短于人工組（Z=–7.919，Plt;0.001）。AI組和人工組住院醫(yī)師的后處理質(zhì)量評分分別為[5（4，5）]分和[4（3，4）]分，AI組的后處理質(zhì)量評分顯著高于人工組（Z=–6.627，Plt;0.001）。

2.2""兩組住院醫(yī)師的閱片報告時間和診斷報告質(zhì)量評分比較

AI組和人工組住院醫(yī)師的閱片報告時間分別為[6（5，6）]min和[27（26，33）]min，AI組的閱片報告時間顯著短于人工組（Z=–7.944，Plt;0.001）。AI組和人工組住院醫(yī)師的診斷報告質(zhì)量評分分別為[9.0（8.7，10.0）]分和[6.5（6.0，7.2）]分，AI組的診斷報告質(zhì)量評分顯著高于人工組（Z=–6.856，Plt;0.001）。

2.3""兩組住院醫(yī)師對教學的評價

AI組和人工組住院醫(yī)師對教學質(zhì)量的評分分別為[95（92，98）]分和[62（60，67）]分，AI組的教學評價明顯高于人工組（Z=–7.909，Plt;0.001）。AI組住院醫(yī)師反饋互動式AI學習工具很吸引人，病灶檢出率高，能有效提高學習興趣；不足之處是存在假陽性、假陰性、過度診斷或漏診，對可疑病灶需要結(jié)合CTA原始圖像辨認確定。人工組住院醫(yī)師反饋傳統(tǒng)的人工后期處理步驟復雜且耗時，圖像處理質(zhì)量主要取決于操作者的專業(yè)技能水平。對不熟悉血管解剖結(jié)構(gòu)和分段的住院醫(yī)師需要對照解剖參考書進行學習和標記。

3""討論

住院醫(yī)師規(guī)范化培訓是醫(yī)學生成為執(zhí)業(yè)醫(yī)師的重要階段。此階段主要通過實踐操作、臨床決策和與患者溝通等方式提升醫(yī)學生的臨床能力[7]。然而，住院醫(yī)師規(guī)范化培訓在實施過程中面臨培訓質(zhì)量參差不齊、師資力量不足、工作與學習的平衡問題、考核評價機制不完善、規(guī)范化流程不足、臨床實踐與理論教育脫節(jié)及倫理和人文關懷教育缺失等諸多挑戰(zhàn)和問題。特別是在醫(yī)學影像領域，住院醫(yī)師規(guī)范化培訓課程內(nèi)容復雜、培養(yǎng)周期有限，傳統(tǒng)教育模式存在培訓時間長、基本技能難以真正掌握、實時反饋缺乏、教學質(zhì)量難以同質(zhì)化等問題。

隨著科技的進步，AI在醫(yī)學教學和實踐中的應用迅速發(fā)展，它在多個方面為醫(yī)療專業(yè)人員的培訓和日常工作提供支持和改進[8]。AI系統(tǒng)可分析醫(yī)學影像、實驗室檢測結(jié)果等，輔助醫(yī)師做出更準確的診斷。AI技術(shù)可為醫(yī)學影像教育提供全新的視角，為教學過程的個性化和交互性奠定堅實的技術(shù)基礎。通過推動AI輔助下的以學生為中心的智能交互教學模式，AI技術(shù)在快速培養(yǎng)高素質(zhì)影像科醫(yī)師方面表現(xiàn)突出[9-10]。對非醫(yī)學影像專業(yè)的住院醫(yī)師，AI系統(tǒng)可提供持續(xù)醫(yī)學教育資源，幫助其保持知識更新和專業(yè)技能提升。隨著技術(shù)的進步和更多臨床證據(jù)的積累，預期AI將在醫(yī)學教學和實踐中發(fā)揮更大的作用。

AI可幫助改善醫(yī)學影像專業(yè)的教育質(zhì)量和效率[11]。本研究結(jié)果顯示，AI組住院醫(yī)師的后處理時間、閱片報告時間、圖像質(zhì)量評分、報告質(zhì)量評分均優(yōu)于人工組，且對教學的評價明顯高于人工組。AI系統(tǒng)可自動執(zhí)行CTA圖像的后處理任務，如容積再現(xiàn)、曲面重組和多平面重組，從而加快圖像分析的速度和準確度，同時AI技術(shù)通過深度學習算法技術(shù)不斷優(yōu)化，提高診斷準確性，能夠識別和分析血管狹窄、斑塊性質(zhì)、血管瘤等關鍵指標，輔助醫(yī)師進行更準確的診斷。AI組住院醫(yī)師反饋互動式AI學習工具很吸引人，病灶檢出率高，可有效提高學習興趣。而人工組則反饋常規(guī)后處理步驟煩瑣、耗時，容易漏診。分析原因：AI系統(tǒng)可對放射影像進行自動識別和分析，智能血管重建清晰定位責任血管；AI可自動識別動脈瘤的位置和大小，有效降低病灶檢測和分割時間，提高醫(yī)師對疾病診斷的可重復性，減少主觀因素的干擾；AI系統(tǒng)能處理和分析大規(guī)模的醫(yī)學影像數(shù)據(jù)集，比放射科醫(yī)師快得多，且不會因疲勞而導致性能下降；經(jīng)過適當訓練的AI模型在醫(yī)學影像分析方面可達到與專業(yè)放射科醫(yī)師相當甚至更高的準確性，尤其在識別模式和細微差別方面；AI提供一致的分析結(jié)果，減少由人為因素引起的變異性，有助于實現(xiàn)診斷的標準化。AI系統(tǒng)可分析教學活動數(shù)據(jù)，幫助教師評估和改進教學質(zhì)量，確保教學內(nèi)容和方法的有效性，并可提供即時反饋，幫助學生自我評估學習成果，及時調(diào)整學習策略，同時提供客觀的評分和詳細的反饋，幫助學生識別自己的弱點并加以改進，這些都有助于提高教學效率，增強學生的學習體驗。

AI輔助教學仍存在不足：本研究樣本量較小，可能影響結(jié)果的普適性和代表性。研究時間較短，主要關注4～12周內(nèi)的短期教學效果，無法全面反映AI輔助教學模式在長期應用中的效果和潛在問題。過度依賴AI教學工具可導致學生和教師的技術(shù)依賴性增強，減少人際互動和傳統(tǒng)學習方法的使用，AI無法提供與人類教師相同的情感支持和道德指導，影響學生的全面發(fā)展。

在未來的發(fā)展中，AI輔助的醫(yī)學影像教學應更加注重系統(tǒng)的集成與優(yōu)化。通過深度學習算法分析大量醫(yī)學影像數(shù)據(jù)，AI不僅能夠識別病變，還能預測病情發(fā)展，為學員提供更全面的臨床視角[12]。AI系統(tǒng)應加強與虛擬現(xiàn)實和增強現(xiàn)實技術(shù)的融合，通過模擬真實手術(shù)和診療場景，使學員在沉浸式環(huán)境中練習操作，提高實際操作能力。還可在AI系統(tǒng)中集成醫(yī)德醫(yī)風教育，基于歷史案例分析，向?qū)W員展示醫(yī)療決策中的倫理因素，提升職業(yè)素養(yǎng)。AI還可監(jiān)測學員的學習行為和態(tài)度，及時反饋，促使其形成良好習慣和職業(yè)行為。在實踐中，應不斷收集AI輔助教學的反饋，通過數(shù)據(jù)驅(qū)動持續(xù)改進教學系統(tǒng)，使其更貼合醫(yī)學教育需求。AI技術(shù)在放射科教學中的應用將不斷深化，形成與傳統(tǒng)教育相輔相成的新型教學模式，為培養(yǎng)新時代的住培醫(yī)師打下堅實基礎。

綜上，本研究通過對頭頸部CTA的后處理和報告書寫進行對比，展示AI輔助教學在后處理時間、圖像質(zhì)量評分和報告質(zhì)量評分等方面的顯著優(yōu)勢，為傳統(tǒng)教學模式提供新的解決方案。AI輔助教學可提升非醫(yī)學影像專業(yè)住院醫(yī)師的放射科專業(yè)知識、閱片技能和診斷水平。

利益沖突：所有作者均聲明不存在利益沖突。

[參考文獻]

[1] 劉錦鵬，"黃強，"熊兵，"等."非影像專業(yè)住院醫(yī)師在放射科規(guī)范化培訓的現(xiàn)狀與實踐初探[J]."放射學實踐，"2017，"32（8）："787–789.

[2] 李歡，"韓曉磊."大數(shù)據(jù)時代下醫(yī)學影像學專業(yè)教學改革現(xiàn)狀對策[J]."信息系統(tǒng)工程，"2020（12）："171–172.

[3] 張超，"李偉棟，"胡春峰."非影像醫(yī)學專業(yè)碩士研究生影像科規(guī)范化培訓實踐[J]."教育教學論壇，"2024（12）："17–20.

[4] KRAJCER"Z."Artificial"intelligence"for"education，"proctoring，"and"credentialing"in"cardiovascular"medicine[J]."Tex"Heart"Inst"J，"2022，"49（2）："e217572.

[5] 李新春，"王鵬，"蘇曦，"等."人工智能輔助教學在醫(yī)學影像教學中的應用前景[J]."中國繼續(xù)醫(yī)學教育，"2021，"13（4）："86–89.

[6] 彭新壹，"余佳強，"劉玉凱，"等."頭頸部CTA聯(lián)合人工智能對缺血性腦卒中患者的圖像質(zhì)量研究[J]."生物醫(yī)學工程與臨床，"2023，"27（4）："471–475.

[7] 齊學進."我國住院醫(yī)師規(guī)范化培訓工作十年回顧與思考[J]."中國畢業(yè)后醫(yī)學教育，"2024，"8（1）："1–6.

[8] 李佳銘，"吳志斌，"戚榮飛，"等."人工智能在醫(yī)學影像精準化教育中的應用前景[J]."中國繼續(xù)醫(yī)學教育，"2023，"15（17）："177–180.

[9] 張冉冉，"蒲利紅，"張文，"等."人工智能在醫(yī)學影像教育中的應用現(xiàn)狀和前景[J]."現(xiàn)代預防醫(yī)學，"2019，"46（24）："4527–4609.

[10] SHEIKH"A"Y，"FANN"J"I."Artificial"intelligence："Can"information"be"transformed"into"intelligence"in"surgical"education？[J]."Thorac"Surg"Clin，"2019，"29（3）："339–350.

[11] 吳芳，"蘇壯志，"孫崢，"等."人工智能輔助教學在醫(yī)學影像規(guī)范化培訓中的應用及探索[J]."醫(yī)學教育管理，"2023，"9（6）："746–751.

[12] CHAN"K"S，"ZARY"N."Applications"and"challenges"of"implementing"artificial"intelligence"in"medical"education："Integrative"review[J]."JMIR"Med"Educ，"2019，"5（1）："e13930.

（收稿日期：2024–08–09）

（修回日期：2025–03–13）