医学影像学实习生教学研究

【摘要】近年来随着人工智能（artificialintelligence，AI）在医学各个领域的飞速发展，医学AI技术正迅速从实验阶段进入到临床应用阶段，医学影像学专业实习生在进入临床实习阶段面对大量的报告书写和影像阅片工作，其中肺部影像占了很大一部分，肺结节是目前肺部影像研究的热点，关于肺结节人工智能技术在医学教育的研究中较少。本文通过探讨肺结节人工智能技术在医学影像学专业实习生教学中的初步应用，提高肺结节AI技术在医学影像学实践教学中对肺部病变中的应用，并对AI技术在实习生教学中的作用进行初步探讨。

【关键词】人工智能；医学影像专业；带教探讨

随着计算机硬件水平的提升和深度学习等核心技术的发展推动了人工智能（artificialintelligence，AI）的开发和临床应用，AI技术进入到高速发展的阶段。目前，基于AI的研究已广泛涉及的放射影像、病理图像、超声影像及内镜影像等多个不同医学影像领域。AI在许多医学领域正迅速从实验阶段过渡到应用阶段，多项研究表明在一些场景中，AI已展现出与医师相当或甚至超越医师的极高能力。各种AI技术的研究和应用正逐步的协助影像医师提高阅片速度、缩减就诊时间、优化就诊流程，这些优点是显而易见的。可以看到AI技术的应用令更多的患者和医师从中受益。影像诊断对于影像专业本科生来说是注重临床实践及运用的重要专业课程，而实习过程是该专业本科生顺利的向临床工作过渡的必备时期，正确的运用肺结节AI技术既能提高学生在实习期间的阅片速度，也可以减少漏诊率和误诊率。在我院影像科的使用中取得了较好的效果，但是也发现存在一些问题，笔者对于肺结节AI技术在我院医学影像学专业实习生带教过程中出现的问题进行探讨。

1如何正确的判断肺结节AI技术所标记的肺部结节病变

对于刚刚进入临床实习期的医学影像学专业实习生来说，如何能在每个需要正确诊断的病例中正确的找到并标注出肺结节，是需要大量的时间来观察每层肺窗图像，对于初学者来说容易漏诊肺内微小结节的。肺结节AI技术是依靠着大量的数据练习为基础的，经过长时间和大量的练习后，使之具有了强大的图像识别、深度学习技术，提高了对于肺部结节数据分析的效率和准确性，也提高了临床对于肺部疾病诊断的效率和准确性。在近几年的文献复习和各类人机竞赛中可以看到，AI技术在这类竞赛中表现优异，和一些顶级专家相比也能准确而快速地识别病变。在我院影像科初步的应用体验显示，肺结节影像AI技术在发现5mm以上磨玻璃结节、钙化结节及0～3mm的微小结节筛查方面要优于影像科的诊断医师的。影像诊断对于影像专业本科生来说是其本专业的重要专业课程，而实习过程是该专业本科生顺利的向临床工作过渡的必备时期，在传统CT诊断方法实习带教过程中，学生主要通过集体读片，随机采集病例分析学习，多通过教师的指导意见得到诊断结果，学习知识相对局限，并缺乏以目的为导向的主观能动性的发挥。目前对于AI人工智能在教学方面，国内外尚无相关文献报道，因此在以培养影像本科生临床应用能力和实用性的思想指导下，以学生为主体，合理实习带教为指引，以学生能力培养为核心，运用肺结节AI技术既能提高学生在实习期间的阅片速度，也可以减少漏诊率和误诊率。

2怎样正确的评估肺内结节病变

由于AI技术能自动分割胸腔的各个区域，可以快速而准确的定位到疑似的肺结节病灶，但是计算机会提供很多假阳性的结节，例如扫描时未去除外衣所导致AI定位到胸部外的衣服的结节、异常肺纹理、肺尖胸膜反折、支气管内粘液栓等，这些假阳性的结节需要学生在学习过程中一一对照AI中提示的每一个可疑的结节，不能只看AI的报告结果进行简单的复制和粘贴。同时对于AI提示出恶性程度大的结节，例如结论中提示恶性程度>50%的结节及磨玻璃结节，要在报告中提示出来，并建议患者短期内复查。并由带教教师给予评估及修改，对于已经得到结果的病变，带教教师应该及时公布出临床及病理资料，在带教过程中启发学生对于恶性结节的外形、密度、病灶周的情况等等进行学生思考、讨论、带教教师的引导、公布答案等过程，强化恶性结节的影像表现，加强学生对于AI评估结节的正确区分。3正确的引导学生在实习中应用AI技术由于肺结节AI技术就是近年来发展较为成熟的一样技术，它依靠强大的图像识别和深度学习技术，极大提高了数据分析的效率和准确性，减轻了医师的压力，同时提高了诊疗的效率和准确性。但是正确的掌握这项技术是可以很好的减轻影像学实习生的工作量，提高工作效率。医学影像学尤其是肺部影像提供了大量的数据，随着扫描技术及CT技术的更新换代和广大患者对于肺结节准确诊断的迫切要求，提供更好的循证医学证据，不论是学生还是带教教师，均需要及时的掌握影像学及相关学科的最新发展动向，更新知识、自我提高，因材施教。不论是影像科医师或医学影像学专业实习生，掌握肺结节AI技术，均能提高阅片的速度，优化诊断流程，使学生和患者从中受益。

综上所述，肺结节AI学习技术在医学影像科的使用，可以提高肺部病变的诊断率，降低漏诊的风险、评估肺结节的良恶性等等方面有着极好的优势，但是需要规范化的学习和掌握。规范化带教工作可以让医学影像学专业实习生更早的接触到和掌握到新技术，提升学生的自我价值，提高学生的学习效率，减少无效的学习，同时可以减轻带教教师和上级诊断医师的工作量，这些优点使我们认为早期的引入肺结节AI技术和其他深度神经网络诊断技术，可以引导学生合理的读片思维、良好的读片习惯及书写能力，更有效的应用及服务于临床，更快高效的适应临床工作。

【参考文献】

[1]胡伟俭，陈为，冯浩哲，等．应用于平扫cT图像肺结节检测的深度学习方法综述[J]．浙江大学学报(理学版)，2017，44(4):379-38.

[2]SHlCHIJOS,NOMURAS,AOYAAK,eta1.ApplicationofconVolutionalneuralnetworksinthediagnosisofhelicobacterpyloriinfectionbasedonendoscopicimages[J].EBioMedicine,2017,25:106-ll1.

[3]萧逸，刘士远.肺结节影像人工智能技术现状与思考[J]，肿瘤影像学，2018，27(4):249-252.

作者:段慧 韩丹 张正华 单位:昆明医科大学第一附属医院影像科