周娟

解放军总医院第五医学中心放射诊断科，北京 100071

人工智能简称“AI”，是英文“artificial intelligence”的缩写。我国《人工智能标准化白皮书（2018年）》[1]给出的定义是“利用计算机或其控制的机器，模拟、延伸、扩展人类智能，能够自行感知环境、获取相关知识，获得最优结果的理论、方法、技术或者应用系统”。2020年人工智能发展战略[2]又提出在实践方面仍有较大提升空间。

医学影像教育以培养具有深厚医学影像知识、掌握相关物理和工程科学基础知识与理论、能够分析解决实际问题的医学影像学专业人才为目标，专业技能应用性强，注重实践，需要在临床一线逐步培养学生运用医学影像知识分析解决实际病例的能力。在医学院校学习医学基础知识和各临床学科内容，在临床实习期间整合以器官系统为中心、多模块的基础医学与临床医学的理论与实践，结合以问题为基础的教学模式（problem-based learning，PBL）教学法[3-4]，借助人工智能的手段[5]，如具有沉浸特性的虚拟现实技术、能够模拟出临床实践中的多种真实病例、有助于学生融汇所学的各类知识显著提升学生综合能力。

1 传统医学影像教学

1.1 解剖和病理是医学影像教学的基础

医学影像学是评估活体组织器官形态及功能状态的临床医学，各种影像检查手段都是以人体解剖或断层解剖为基础。人体解剖学是一门展示人体正常形态结构的学科，旨在让医学生了解和掌握人体各组织器官的机构位置，以及组织器官与周围组织器官的空间位置和功能联系，是医学生必备的基础知识，也是医学生进入临床实践时必须掌握好的基本技能。人体解剖和断层解剖都是二维平面，学生在学习过程中需要在脑海中建立三维的立体场景，空间结构能力差的学生可能会停滞不前，难以理解。

正常的影像解剖是识别病理改变的前提，认识了正常影像表现，才能发现异常，进一步去分析异常[6]。只有熟练掌握解剖学，才有可能在读片中对病变进行诊断和鉴别诊断，确定受累的部位和范围。

医学生从本科开始学习，从枯燥的高中学习一下进入感官学习，且需要大量的记忆背诵，转折突然。而且传统人体解剖学的教学内容主要是学习平面解剖图、尸体解剖和近些年引入的三维假体，但这些方式都有自身的缺陷，平面解剖图凭借教师的经验传授，让学生在大脑中形成器官的形状和三维空间关系，学生一开始靠主观想象领会学习内容，缺乏空间感。而尸体解剖，国内尸体资源严重不足，极大限制了尸体解剖教学，远远无法满足医学教学需求。

1.2 多媒体教学、案例分析教学交叉融合

医学影像学的特点就是图像多，很多都晦涩难懂，内容枯燥乏味，教师单凭讲解很难让学生领会教学内容；而多媒体方式[7]融合文字、图像、音频、视频，将教学内容和相关资料通过屏幕展示给学生，使学生眼有所观、耳有所听、心有所感，教学更生动，学生更容易掌握学习内容，学习兴趣也更高，学习的主动性和能动性也被充分调动起来，但使用多媒体教学多按身体各个系统进行教学，这更适合学习大临床知识，在其中的分支医学影像方面存在不足。因为影像诊断主要靠识别征象，进而建立临床思维，不加强某种疾病的征象学习，则很难在意识中建立思维导图。

1.3 教学和临床实践相结合

医学影像学内容复杂，尤其注重综合实践能力。影像内容涉及全身各个器官和部位，每个部位每个系统所需掌握的知识不同，而对应呈现的影像图片也差异较大，造成各部分内容碎片化，无法系统相连，与实践应用结合的难度更高。现有医学影像学所涉及内容宽泛，同类型的影像设备种类繁多，需要诊断区分不同疾病在医学影像学的表征以及同种疾病在不同医学影像设备的表现，大大增加了医学影像学的教学内容，因此如何安排教学内容、教学学时，采用哪种教学模式，对于医学影像学的教学来说尤其重要。进入临床实践后，不同影像设备对于不同疾病甚至不同患者所需的具体操作也有所不同，更需要带教老师具备丰富的实际操作经验和理论知识，在及时有效地给出诊断结论的同时，使学生尽快掌握动手能力，融合贯通所学医学影像内容。

近年来广泛推行的“双轨合一”制度，不仅住院医师，大部分专业型研究生也被要求接受规范化培训[8]。目前的实习带教主要依据实习大纲要求，根据X线、CT、磁共振等影像专科进行岗位轮转，在带教的技师和医师帮助下进行上机、后处理、书写报告等。如果X线、CT、磁共振等不同学科安排不合理，容易导致学生对某种医学影像学检查操作和诊断方式不熟练，无法形成同种疾病在各种医学影像设备显示结果的总体感知，对于特定情况下哪种影像方式更具有效果的理解程度不足，增加学生诊断错误的概率，增加医患纠纷风险。

2 AI辅助医学影像教学

2.1 AI辅助医学影像教学

医学影像学的特点就是图像多，教师使用AI技术可以轻松整合散乱的影像知识和各种教育资源，经过进一步整理优化以更好地辅助医学影像教学[9]。医学影像学内容复杂，偏重综合实践，而且医学影像涉及人体各个系统多种器官，需要对应学习各个部分各个系统的知识，呈现系统或器官的影像图片也严重碎片化，部分较为独立无法系统相连，实践运用时难度较大。医学影像学科有些教学内容虽然属于同一系统，有时也需要分为多个部分分别授课，授课教师也可能不同。由于病例的系统特征部位不同，所需影像器材多样，教学分工明细不一，对于同一疾病有时需要多部分协作完成，但实际上仅仅是分工问题，就需要不同影像设备的教师讲授同一部位的疾病，学生难以把同一种疾病的各种医学影像结果综合起来，建立整体模型，不易理解特定状态下应采用那种影像设备，以及不同影像设备检查效果的优劣。近年来影像教学模式开始提倡以器官核心，传统教学方式亟待改革以适应国际化标准的趋势。

国内外医学影像相关网站上可以搜集到大量影像知识[10-11]，使用AI系统能够对这些内容进行整合，更具系统性和规律性的简洁呈现出来，如通过训练人工智能的特定深度学习算法，就可以从网络空间的大数据中获取用户所需信息，与搜索关键词进行匹配[12]，逐步建立以器官系统为核心的医学影像集合。这个集合可以包括病历、音视频、影像图片等，模拟诊疗场景让学生直面系统疾病，相对于背诵记忆复杂病理原理的传统教学方式，有临场的真实感，更加通俗易懂。同时，还可以附加专业理论详解，实现理论与实践的充分结合，让学生能够由点到面，由局部到系统，从部分到整体进行提升，加强了感性认识，也理解和掌握了所学知识，教学质量也得到了提高。同时，由于地区经济与医疗的发展不尽相同，医疗资源在不同的课堂存在差异，在规范化培训中某种病例病种较少时很难达到熟练掌握。若能通过AI整合搭载5G系统实现云共享，可以充分调动学生的学习积极性和主观能动性，给教师提供丰富的教学资源，最终使教资源得到充分合理的运用。

教师日常教学所需的教学课程、教学课件等工作，内容繁杂，需要适应各种教学内容，占用了教师很多精力，人工智能可以帮助教师从这些繁复工作中解放出来，自动搜集相关资料，形成初步样例，使教师能够专注于教学工作本身，提高教学效率和成果。教师还可以更加重视学生在医学影像实际操作和临床诊断方面的培养，针对性改进教学计划，优化教学内容、教学模式以及课时，侧重学生实际操作课程方面的学习时间，给学生安排充足时间进行不同医学影像设备的操作和影像结果诊断，积累丰富的实践经验。通过人工智能辅助教师改善教学模式和教学体系，适应医学影像学教学范围广的特点，根据不同学生的兴趣方向和学习方式，能够对不同学生提供个性化教学方案，制定不同的学习内容。

2.2 AI辅助医学影像临床实践

医学影像学对学生的实践能力要求很高，如何在保障学生掌握必需的基础理论和知识的同时，提高读片能力，毕业后能更好胜任临床工作，是医学影像教学面临的重要问题[13]。因此，需要在教学工作中把理论教学和实践教学统一安排，首先应建立计算机辅助教学的影像诊断实验室[14]。

数字化处理常见病的典型征象病例影像，将符合医学数字成像与通信（digital imaging and communications in medicine，DICOM）的放射医疗，心血管成像以及放射诊疗诊断设备图像格式转换成常用的JPEG文件，按照身体系统、病种等进行编辑整理，制作基于浏览器或者APP的影像诊断学习系统，让学生从以往的手持胶片改为电脑端或手机端直接观看电子版图像，而且可以利用各种小工具随意放大缩小，测量，调整窗宽、窗位等操作仔细观察病灶征象。另外，可以多系统多疾病随时调取病例图像，还能在同一病种下研究多个病例，接收的信息量明显增多，从而实现医学影像学的教学实践相融合，提升学生的临床技能和影像诊断能力，教学效果也随之大为提高。

虚拟现实（virtual reality，VR）医学解剖极大程度上提高了传统解剖教学中空间位置的教学难点，提供沉浸式的解剖环境，给学生真实展现出三维的人体器官组织，还可以与虚拟器官通过多种方式进行交互。在教学过程中，也支持学生多人在线，同时使用同一解剖模型，便于教师指导，了解学生的学习进度，调整教学计划。

基于虚拟增强现实技术在解剖及穿刺活检的应用，医生在术前针对患者的解剖和病变点制定手术方案时，可以通过VR技术进行个性化调整，优化术前规划，提高手术成功率。立体显示技术结合VR系统平台可以让医生术前反复体验拟定的手术场景，对可能遇到的术中意外提前做好安排，提高整体应变能力，降低手术风险。

2.3 AI辅助自主学习与创新研究

近年来基于虚拟与增强现实技术的发展如火如荼，但在模拟医学教育领域的应用仍受到很多制约。模拟医学是利用虚拟增强现实技术搭建临床场景，使用具有典型征象的虚拟患者替代真实患者，进行临床教学和实践。VR[15]给人们提供更具真实感的场景，在三维空间中附加了视觉、听觉、触觉等感官活动；增强现实[16-17]的三维成像导航技术，能够将穿刺部位立体、直观地展现在医生面前，使术区各组织及其与穿刺定位针之间的位置关系和距离更加容易判断，同时通过叠加相同区域的术前检查影像，为穿刺提供实时的路径导航，实现精准活检。

综上所述，AI大数据已经到来，我们在知识的海洋中只需要摄取所需的，作为一名传道授业解惑的医学老师，我们要做的是授之以鱼不如授之以渔。基于AI技术的APP和平台多种多样，学生可以自主规划个人学习内容，培养自我的个人学习能力及创新思维[18]。学生可以通过AI进行课前预习、课后复习，教师也能够在课堂上调用真实病例引导学生，分析影像特征，传授诊断及鉴别等影像诊断基础技能。学生还可以在网络上互相讨论，互相学习，思维碰撞激发学习热情。在医学影像教学中引入AI技术，有助于学生将理论知识和临床实践充分结合，巩固学习内容，避免教学脱节。