基于人工智能的超声专业住院医师规范化培训辅助教学系统的构建

俞飞虹 叶新华 邓晶 王剑翔 杭菁 

南京医科大学第一附属医院超声医学科，江苏 南京 210029

[摘  要］深度学习技术的快速发展促进了人工智能与教育的转化融合及应用创新。本文充分运用人工智能、语音识别、大数据等前沿技术初步搭建一个面向住院医师规范化培训的智能辅助教学及测评系统。该系统有效拓展教学的方式方法，提高学生的思维能力，进一步提高教学质量和效率。

[关键词]人工智能；规范化培训；教学系统

[作者简介]俞飞虹（1986-）女，江苏泰州人，硕士，南京医科大学第一附属医院超声科主治医师，研究方向：浅表超声及人工智能；通讯作者：杭菁 （1982-）女，江苏南通人，博士，南京医科大学第一附属医院超声科副主任医师，研究方向：肌骨超声

Construction of ultrasonography teaching system based on artificial intelligence in standardized residency training

Yu Feihong Ye Xinhua Deng Jing Wang Jianxiang

Department of Ultrasonic Medicine, First Affiliated Hospital of Nanjing Medical University, Nanjing, Jiangsu 210029, China

Abstract: With the rapid development of deep learning, the transformation and innovation between artificial intelligence and education have been promoted. Making full use of cutting-edge technologies such as artificial intelligence, speech recognition, and big data, we have initially build an intelligent auxiliary teaching system for standardized resident training in this paper. The system obviously expands teaching methods, improves students' thinking ability and further improves teaching quality.

Key words: Artificial intelligence; Standardized training; Teaching system

人工智能是通过计算机模拟人类智能的方法，主要包括机器学习、知识获取和处理、分类与预测等 ^[1]。随着人工智能技术的不断成熟，其与教育领域的融合也将不断深化，特别在医学影像领域。医学影像图像多为二维图像，对于二维图像的智能化分析处理是人工智能领域的重要研究方向，因此使得用人工智能方法分析处理医学影像图像成为可能。在医学教学领域，住院医师规范化培训是医学生毕业后教育的重要组成部分，对培训高层次专业学科医师至关重要。本文主要是针对超声专业住院医师规范化培训领域教学中存在的学习环境匮乏和学习效果评价难度大等问题，设计了基于人工智能技术的辅助教学系统，旨在通过一对一个性化教学的方法加强学习的交互性，从而提升教学质量。

1.人工智能协助下超声教学数据库的构建

住院医师规范化培训的目的是使临床经验不足的住院医师得到规范化的培训，掌握基本临床知识和技能，缩小各级医院之间的差距，提升整体的医疗服务质量。然而住陪学员水平参差不齐，轮转科室频繁更换，知识点繁多易忘，需要他们快速把书本知识转化成临床实战经验，并且能利用碎片时间进行自主学习^[2]。既往的超声专业带教模式是教师拿出典型病例的图像，学生在老师引导下寻找病灶，标注出病灶位置，进行超声影像特征描述分析并得出相应的诊断。随着网络技术的发展，越来越多的住院医师培训基地建立了影像教学数据库，存放大量多样化的超声图像，便于培养学生对超声图像整体理解及综合分析能力。经过标记的影像教学数据库就形成了人工智能系统训练库。

超声图像是进行超声诊断的基础，人工智能就是利用相关算法把图像拆分成计算机可读的小片段并进行识别和信息汇总，提取并分析超声图像中的关键点，实现机器自动学习诊断。这便于刚学习的超声专业规培医师，通过智能算法图像中的病灶可以自动识别，进行病灶边缘勾画，生成病灶的多平面立体重组图像，从而一键式生成结构化报告。人工智能系统的高效便捷让很多非影像专业的规培医师能够在短时间内对超声图像诊断有精准快速的认识，优化了住院医师的学习过程，减轻了带教老师的负担，也为实现个体化精准医学教学模式奠定了基础。

2. 医疗语音识别引擎的置入

语音识别在通用领域的正确率已经达到90%以上，然而在特定的医学专业领域，因其语言和词汇的专业化复杂化，语音识别率还有待提高。本系统面向医学影像专业领域进行语音识别引擎的定制化，根据超声医师报告文本的语言特点及移动终端计算性能进行构建，保证语音识别器的准确率和运行速度。

系统平台已将前期录制超声检查及穿刺示教视频与语音识别控制程序相互结合，规培学生在进行超声模拟操作时，可以通过语音选择播放特定的教学视频，对于感兴趣的视频片段可以通过语音控制进行定格、放大、慢放等操作^[3]。学生还可以通过语音识别记录下自己学习该视频片段的想法和感受，更有助于学生深刻理解超声操作手法和步骤，从而提高学习效率。

本平台能够支持在线对语音识别模型实时更新，并对规培生在线学习的语音进行记录，总结每个教学视频片段在规培学生操作过程中重播的次数，分析学生对该教学内容的掌握程度及存在的问题，可以针对性的指出学习中薄弱环节，从而帮助学生突破学习难关。该系统运行效果评价依托于2018年7月—2020年6月在江苏省人民医院超声科进行规培的住院医师共76人，随机分为实验组（36人）和对照组（40人）。对照组按照传统的教学计划，带教老师进行超声检查操作的示范及讲解，实验组的同学在上完常规的老师现场教学后，课后使用了基于人工智能的超声规范化培训辅助教学系统。在后期的年度规范化技能考试中发现，实验组的分数明显高于对照组的分数。我们对实验组的同学进行反馈调查，90%的学生认为该系统通过课后的自主学习，提供了更多操作演示时的细节和重点，在操作考核时提升了信心。

3.个性化规培方案的制定

本系统基于人工智能的深度学习算法，通过收集规培生网上浏览文本、语音、图像、视频等数据中的行为信息，分析学生的学习特征和感兴趣的专业方向并精准化为每个学生创建个性化的学习体验，推送适合每个学生的学习内容。对于不同专业、不同基础的规培生需要给予准确定位，目的明确的制订个性化规培计划。

比如临床专业的规培生在超声科只学习短短一个月，而大部分学生对于超声的认识只限于本科教学中的基础课，再加上带教老师平时上班比较繁忙，规培生只能通过日常的打报告，熟知一些简单的超声检查流程。然而通过人工智能的辅助教学系统可以减少带教老师的重复性工作，实现了超声图像后处理的自动化及诊断报告的标准化，同时规培生也能快速准确的掌握常见疾病的超声表现及基本的超声操作技巧。比如外科专业的规培医师在了解超声图像各种器官的解剖、比邻关系后，根据自己临床工作的需求有针对性的学习超声引导下的介入诊断和治疗，增加了超声与临床实践之间的联系，让不同专业的规培生在学习期间都有所收获。

本平台通过分析不同规培生在线学习的特点，定期进行测评，指出其学习中薄弱环节，从而帮助学生突破学习难关。以人工智能为核心的新兴信息技术不仅有助于均衡教育资源、提高教学效率、改进学习体验，优化了规培生的学习过程，而且正在逐步实现真正意义上的精准化、个性化学习。通过丰富的教学资源的共享，针对不同规培学员智能教学方案的定制，以及感受式和互动式的教学模式的开展，让住培工作更加快捷有效^[2,4]。

4.教学系统平台的优势及展望

随着信息时代的发展，人工智能已经成为教育取得突破发展的重要驱动力。通过该平台可以方便规培学生随时随地学习，同时作为课堂教学的补充，也可以通过系统对学生课后学习进行评价，为平时成绩的计量提供依据，提供一个自主学习和互动交流的平台。人工智能测评系统也推动个性化教学的可行性，它可以进行定制式智能教学，让住培生的学习将更加客观、理性和具有针对性。在这个过程中，还可以不断共享优质网络课程资源，丰富医学教育资料，提高了住院医师规范化培训的质量。而住培教师的精力则更多地投入到创新引领教学的思维建构中，使得住培教育更加具体和完善，形成良性循环。

参考文献

1.熊瑶,陈敏.人工智能在医疗领域应用现状探讨[J]．医学信息学杂志，2018，39(4)：24-28

2. 樊荣荣,施晓雷,孙安等.人工智能在住院医师规范化培养中的应用价值探讨[J] 肿瘤影像学,2018,27(4):261-264.

3.乔帆,余咏潮,赵志青等. 基于智能语音控制技术的计算机辅助教学系统在动物外科教学中的应用[J].中国高等医学教育,2017,25(3):7-8.

4.康巍,钟武宁,韦苇等.大数据背景下人工智能在医学研究生个性化网络教学中的探索[J] 中国继续医学教育,2018,32(10): 41-43.

 文稿来源：教育教学论坛编辑部 网址：www.jyjxlt.com