人工智能在青年超聲醫師輔助教學中的作用

張 艷，張 霞，羅渝昆，張明博，張 穎，謝 芳，安立春

人工智能(artificial intelligence，AI)是研究、開發用于模擬、延伸和擴展人類智能的理論、方法、技術及應用系統的一門新的技術科學[1-2]。 其概念由McCarthy 等于1956年在關于機器模擬智能的學術討論會議上提出。 目前，AI 的研究已在眾多領域取得重要成果，在醫學中的應用始于20 世紀50年代后期。 隨著社會的進步，人們的健康意識覺醒，醫療供需矛盾逐漸突出，AI 技術在醫學領域開始興起。近年來，圖像識別、深度學習、神經網絡等關鍵技術的突破推動了AI 技術的發展，促進了醫療產業與人工智能的深度融合。 在影像領域，制約醫學影像診斷的主要原因是由于高級視覺系統本身的缺陷，導致難以濾除圖像內含的噪音及提取清晰的關鍵信息。 AI 的數據挖掘技術可用于對圖像特征信息進行提取和量化，消除主觀影響。 目前，AI 已如破竹之勢滲入多個領域，如皮膚癌的病理診斷、肺癌的CT 診斷、甲狀腺及乳腺結節的超聲診斷等[3-4]。 在提高診斷效能的同時，節省人力、財力及時間的投入，緩解臨床壓力，同時在教學領域也有重要價值，能夠指導并輔助培養年輕超聲醫師，提高醫師隊伍的整體素質，縮短地區、醫院之間的差距。

1 超聲醫學領域人才培養的現狀

超聲醫學是一門獨特的影像醫學，需要操作技能與診斷思維兼備，因此，執業者首先要持有臨床醫學執業醫師證。 超聲檢查實時、無創、便捷、經濟，患者能夠在短時間內完成檢查并拿到報告單。 這樣的特點決定一名優秀的超聲醫師在手持探頭檢查之前就必須具有足夠的臨床和影像知識儲備，能夠根據不同的檢查部位、檢查目的在超聲圖像的基礎之上結合病史對疾病作出快速診斷。 因為影像上“異病同影”的情況很常見，與臨床科室相比(如心內科、消化科、泌尿科、骨科等)，綜合醫院的超聲醫師更是全科醫師，不僅需要熟知臨床疾病的原發病、繼發病，還需要知悉現行的手術途徑，術后處理方式，所用補片材料、填充物質等。 如腹腔鏡膽囊切除術中，會使用金屬夾或蛋白夾將殘端夾閉，一些金屬夾在術后復查時由于回聲強，很容易被誤認為殘留結石[5]；甲狀腺腫瘤術后局部的填充，容易被誤認為腫瘤復發或再生。 因此，若超聲醫師所知匱乏，則有可能引起不必要的困擾或糾紛。

醫療教育的主要對象是住院醫師。 住院醫師規范化培訓是完成高等醫學院校基本醫學教育的畢業生接受某一學科規范系統訓練，使所學的知識與技能向某一專業方向逐漸深化的教育過程。 住院醫師時段是具備各項發展潛能的階段，也是診療思維形成的時期。 因此，醫療機構的規范化、標準化的培訓對住院醫師的成長很關鍵。 住院醫師培訓在20 世紀80年代后的部分地區就已開始嘗試[6]，2013年底，國家衛生計生委等七部門聯合印發《關于建立住院醫師規范化培訓制度的指導意見》，并要求到2020年在全國范圍內基本建立住院醫師規范化培訓制度，要求所有未取得《住院醫師規范化培訓合格證書》的新進醫療崗位的醫學生均需接受住院醫師規范化培訓。 為此，建立完善的考試淘汰機制，與其后續能否被準入臨床工作直接相關。 實際上，由于各醫院醫療水平及教學能力的限制，各機構的住院醫師培訓情況存在較大差異，導致一些培訓基地的考核通過率連年走低，培養出來的醫師缺乏系統、規范的診斷思維能力，且不能自如地應對復雜的臨床工作。 如隨著體檢意識的提高，甲狀腺檢查也納入常規體檢項目內，經常有患者因為甲狀腺內的微小囊性結節前來三甲醫院就診，原因是當地醫院醫生將結節內濃縮的膠質誤認為惡性鈣化，建議患者進一步檢查，甚至手術。 此類常見的問題不勝枚舉，看似簡單，實則是醫生的診斷經驗不足，沒有系統的亞專科知識儲備，以至于見到一個單發的類似惡性征象即草木皆兵，造成過度檢查。 而繁重的臨床工作使得高年資醫師精力、時間有限，如何能將寶貴的經驗傳授給學生，并且引導學生全面提高，需要強大的教學團隊。 對于一些師資力量薄弱的地區醫院，高標準、規范化教學的可行性并不理想，因此，亟需一套基于高水平平臺資源建立的客觀、完備的臨床思維綜合訓練系統，使學生在大量實戰訓練中獲得經驗。

2 AI 在輔助超聲教學中的作用

AI 在影像學中的應用具有獨特的優勢，被稱為醫生的“第三只眼”。 超聲圖像包含很多有診斷意義的信息，其中部分信息是肉眼難以發現的，而數據挖掘技術可以通過對圖像進行數字化處理后，將這些有用的信息以數字的形式表達出來。 因此，數據挖掘技術被廣泛應用于提取及量化圖像特征信息。其應用意義包括:①建立快速、精準、無創的結節輔助診斷系統；②摒棄人為經驗干擾，減少過度檢查帶來的危害；③指導并輔助培養年輕超聲醫師。 經過多次的試驗與校正，AI 的診斷效能逐步提高，多次在全國范圍內進行AI 與超聲醫生對抗的人機大戰。2017年，首次全國甲狀腺結節人機大賽中，醫生準確率(78%～80%)戰勝AI(76%)，經過一年的不斷完善，2018年中國人民解放軍總醫院第一醫學中心超聲診斷科在甲狀腺人機大賽中，AI 診斷準確率兩次戰勝高年資醫師(85.8% vs 85.6%，76% vs 71.2%)，遠超低年資醫師(76% vs 70.5%，76% vs 66.1%)，取得了較好的成績。 結果表明，AI 的診斷系統可成為低年資醫師的標準化培訓手段。

住院醫師的培訓需要像臨床實踐中接診患者一樣，將真實的病案數字化、虛擬化，從病史采集、體格檢查、輔助檢查到診斷、鑒別診斷及治療等一系列的流程，將病例進行真實再現。 將多個亞專科的AI 診斷集合后，補充臨床病史采集，建立全面的數據庫，進一步使用AI 建立超聲醫師綜合思維能力訓練系統，并構建新的醫學專家系統模型[7]。 AI 建立的培訓系統中凝聚了大量高級職稱及權威醫學專家的臨床經驗，模擬的軟件功能中應該具備全面、多中心的數據庫(影像資料應包含確切的病理金標準結果)，智能的病例搜索功能，專業的圖片顯示及分析功能，完整的診療路徑，嚴謹的思維過程，縝密的評分系統，專業的統計分析，快捷的成績查詢，典型及疑難病例的特別收集，高效的教學管理。 其中，圖片以超聲為主，包含常規灰階超聲、彩色多普勒超聲及脈沖多譜勒超聲，還可補充彈性成像、超聲造影等圖像資料。 因影像注重形態結構、部位及與毗鄰器官的關系，故人體解剖系統的掌握至關重要，培訓系統中將納入疾病相關的系統與局部解剖3D 圖，如肝臟的分葉、分段圖，膽管的走行途徑，腹部大血管的走行及分支，胰腺鉤突及十二指腸壺腹周圍、肌肉、肌腱的起止點和名稱等，設置智能的選擇功能，能夠按需顯示重點部位，從而幫助學生更好地準確描述病變的起源及累及范圍。 因此，AI 可輔助教學，加快年輕醫生成長步伐，縮短醫療差距，使下級機構的青年醫生成長及跨亞專業的醫師培訓能夠不受時空限制，無須克服醫院人員時間緊張、家庭負擔困難而遠赴異地學習，通過不斷地與AI 比拼，最后成長為具有豐富病種閱歷、規范化診斷思維能力的醫師。

3 AI 在超聲醫學中的應用前景

AI 在超聲醫學領域已應用于淺表器官腫瘤及血管硬化的診斷中，隨著診斷能力的提高，今后將可用于慢性疾病的病程評估(如脂肪肝、慢性腎炎、肝硬化、涎腺炎及神經-肌肉病變等多種疾病)及腫瘤侵襲性的預測；另外，介入性超聲使得超聲從診斷走向治療。 AI 技術可用于多模態影像融合下腫瘤的精準識別、浸潤范圍的勾畫、自動穿刺(機器人)，術后隨訪資料的自動整合，病案資料管理及統計，均可促進介入醫生的規范化培訓。

綜上，因AI 技術具有強大的自適應、自學習記憶等功能，AI 將推動超聲醫學的變革。 有了AI 系統的輔助，年輕醫師便憑借“站在巨人肩膀之上”的優勢，使培訓學習周期大大縮短，全國統一的標準化訓練模式也有望真正建立。