導語：醫學影像學實習生教學研究一文來源于網友上傳，不代表本站觀點，若需要原創文章可咨詢客服老師，歡迎參考。

【摘要】近年來隨著人工智能（artificialintelligence，AI）在醫學各個領域的飛速發展，醫學AI技術正迅速從實驗階段進入到臨床應用階段，醫學影像學專業實習生在進入臨床實習階段面對大量的報告書寫和影像閱片工作，其中肺部影像占了很大一部分，肺結節是目前肺部影像研究的熱點，關于肺結節人工智能技術在醫學教育的研究中較少。本文通過探討肺結節人工智能技術在醫學影像學專業實習生教學中的初步應用，提高肺結節AI技術在醫學影像學實踐教學中對肺部病變中的應用，并對AI技術在實習生教學中的作用進行初步探討。

【關鍵詞】人工智能；醫學影像專業；帶教探討

隨著計算機硬件水平的提升和深度學習等核心技術的發展推動了人工智能（artificialintelligence，AI）的開發和臨床應用，AI技術進入到高速發展的階段。目前，基于AI的研究已廣泛涉及的放射影像、病理圖像、超聲影像及內鏡影像等多個不同醫學影像領域。AI在許多醫學領域正迅速從實驗階段過渡到應用階段，多項研究表明在一些場景中，AI已展現出與醫師相當或甚至超越醫師的極高能力。各種AI技術的研究和應用正逐步的協助影像醫師提高閱片速度、縮減就診時間、優化就診流程，這些優點是顯而易見的。可以看到AI技術的應用令更多的患者和醫師從中受益。影像診斷對于影像專業本科生來說是注重臨床實踐及運用的重要專業課程，而實習過程是該專業本科生順利的向臨床工作過渡的必備時期，正確的運用肺結節AI技術既能提高學生在實習期間的閱片速度，也可以減少漏診率和誤診率。在我院影像科的使用中取得了較好的效果，但是也發現存在一些問題，筆者對于肺結節AI技術在我院醫學影像學專業實習生帶教過程中出現的問題進行探討。

1如何正確的判斷肺結節AI技術所標記的肺部結節病變

對于剛剛進入臨床實習期的醫學影像學專業實習生來說，如何能在每個需要正確診斷的病例中正確的找到并標注出肺結節，是需要大量的時間來觀察每層肺窗圖像，對于初學者來說容易漏診肺內微小結節的。肺結節AI技術是依靠著大量的數據練習為基礎的，經過長時間和大量的練習后，使之具有了強大的圖像識別、深度學習技術，提高了對于肺部結節數據分析的效率和準確性，也提高了臨床對于肺部疾病診斷的效率和準確性。在近幾年的文獻復習和各類人機競賽中可以看到，AI技術在這類競賽中表現優異，和一些頂級專家相比也能準確而快速地識別病變。在我院影像科初步的應用體驗顯示，肺結節影像AI技術在發現5mm以上磨玻璃結節、鈣化結節及0～3mm的微小結節篩查方面要優于影像科的診斷醫師的。影像診斷對于影像專業本科生來說是其本專業的重要專業課程，而實習過程是該專業本科生順利的向臨床工作過渡的必備時期，在傳統CT診斷方法實習帶教過程中，學生主要通過集體讀片，隨機采集病例分析學習，多通過教師的指導意見得到診斷結果，學習知識相對局限，并缺乏以目的為導向的主觀能動性的發揮。目前對于AI人工智能在教學方面，國內外尚無相關文獻報道，因此在以培養影像本科生臨床應用能力和實用性的思想指導下，以學生為主體，合理實習帶教為指引，以學生能力培養為核心，運用肺結節AI技術既能提高學生在實習期間的閱片速度，也可以減少漏診率和誤診率。

2怎樣正確的評估肺內結節病變

由于AI技術能自動分割胸腔的各個區域，可以快速而準確的定位到疑似的肺結節病灶，但是計算機會提供很多假陽性的結節，例如掃描時未去除外衣所導致AI定位到胸部外的衣服的結節、異常肺紋理、肺尖胸膜反折、支氣管內粘液栓等，這些假陽性的結節需要學生在學習過程中一一對照AI中提示的每一個可疑的結節，不能只看AI的報告結果進行簡單的復制和粘貼。同時對于AI提示出惡性程度大的結節，例如結論中提示惡性程度>50%的結節及磨玻璃結節，要在報告中提示出來，并建議患者短期內復查。并由帶教教師給予評估及修改，對于已經得到結果的病變，帶教教師應該及時公布出臨床及病理資料，在帶教過程中啟發學生對于惡性結節的外形、密度、病灶周的情況等等進行學生思考、討論、帶教教師的引導、公布答案等過程，強化惡性結節的影像表現，加強學生對于AI評估結節的正確區分。3正確的引導學生在實習中應用AI技術由于肺結節AI技術就是近年來發展較為成熟的一樣技術，它依靠強大的圖像識別和深度學習技術，極大提高了數據分析的效率和準確性，減輕了醫師的壓力，同時提高了診療的效率和準確性。但是正確的掌握這項技術是可以很好的減輕影像學實習生的工作量，提高工作效率。醫學影像學尤其是肺部影像提供了大量的數據，隨著掃描技術及CT技術的更新換代和廣大患者對于肺結節準確診斷的迫切要求，提供更好的循證醫學證據，不論是學生還是帶教教師，均需要及時的掌握影像學及相關學科的最新發展動向，更新知識、自我提高，因材施教。不論是影像科醫師或醫學影像學專業實習生，掌握肺結節AI技術，均能提高閱片的速度，優化診斷流程，使學生和患者從中受益。

綜上所述，肺結節AI學習技術在醫學影像科的使用，可以提高肺部病變的診斷率，降低漏診的風險、評估肺結節的良惡性等等方面有著極好的優勢，但是需要規范化的學習和掌握。規范化帶教工作可以讓醫學影像學專業實習生更早的接觸到和掌握到新技術，提升學生的自我價值，提高學生的學習效率，減少無效的學習，同時可以減輕帶教教師和上級診斷醫師的工作量，這些優點使我們認為早期的引入肺結節AI技術和其他深度神經網絡診斷技術，可以引導學生合理的讀片思維、良好的讀片習慣及書寫能力，更有效的應用及服務于臨床，更快高效的適應臨床工作。

【參考文獻】

[1]胡偉儉，陳為，馮浩哲，等．應用于平掃cT圖像肺結節檢測的深度學習方法綜述[J]．浙江大學學報(理學版)，2017，44(4):379-38.

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

[3]蕭逸，劉士遠.肺結節影像人工智能技術現狀與思考[J]，腫瘤影像學，2018，27(4):249-252.

作者:段慧 韓丹 張正華 單位:昆明醫科大學第一附屬醫院影像科