RIS-PACS联合AI在放射科实习教学中的应用价值探讨

柳佳 张利捷 梁斌 张进祥 郑传胜 汪晶

对人体解剖结构的整体认识和对各系统常见疾病的影像学表现的理解是医学生参加临床见习、实习阶段的重点课程及专业难点。因为在医学生本科阶段解剖和实践教学课程中，虽然有机会参与尸体解剖，但是对于部分复杂结构尤其是中枢神经系统结构很难在头脑中形成三维图像，而且大部分同学很难将大体解剖与影像解剖直接联系起来，经常出现认不出影像图片上出现的比较常见的解剖结构（如胰腺），从而影响了对疾病整体的认识[1]。因此，带教老师如何在短时间内形象、有效地让学生掌握并巩固复习解剖知识，同时进一步让学生掌握各个系统常见疾病的影像学典型表现是临床实习教学的一个挑战。得益于医学影像技术的高速发展，RISPACS 系统已广泛应用于放射科医生的工作诊疗中[2-4]。与此同时，随着AI 医学影像的出现，临床放射诊断实践工作也要迎来巨大改变[5]。医学影像数据剧增的同时，放射科医师每天的图像数据浏览工作量也日益增加，应用AI 医学影像技术可为解决当前医疗困境提供广阔前景[6-7]。AI 的进步日新月异，促使“AI+”教育模式也以爆炸式的发展浸透整个教育行业，在不同程度上缓解了不断增长的教育行业个体化需求和师资配比不对称之间的激烈矛盾[8]。然而，联合RIS-PACS 系统及AI 技术在医学影像本科教学领域的报道却较少，为探索其在放射科医学生临床实习阶段中的教学效果，我们进行了以下研究：

1 资料与方法

1.1 教学对象及分组

连续性收集在华中科技大学同济医学院附属协和医院放射科学习的100 名临床医学五年制本科生作为研究群体（2018 年5 月—2019 年5 月）。将其依照随机原则划分为试验教学组组（n=50）和对照组（n=50），实习的时间均为1 年。试验教学组组在实习带教中使用RIS-PACS 及PACS 中集成的AI 系统代替传统PPT 进行授课，对照组在实习中使用传统PPT 进行授课。两组的学生在教学内容编排上力求完全一致，对常见疾病的诊断、影像表现及影像解剖均具有了一定的理论知识基础。两组研究群体在性别、年龄、医学影像学相关理论考试分数的差异无统计学意义（P＞0.05），结果如表1 所示。在带教老师上，两组教学对象均选择同一批共计5 名带教老师进行授课，教师群体的年龄、教学经历差异无统计学意义（P＞0.05）。

表1 两组学生基线资料

1.2 教学方式

试验组：按照我校临床医学五年制教学大纲的要求，主要授课群体为我科各教学带教老师，借助RIS-PACS联合AI 系统进行医学影像学基础理论、正常人体解剖结构、各系统疾病的影像学表现及鉴别诊断等相关内容的讲解。实习过程主要分为三部分：第一部分首先由带教老师通过PPT 讲解带领同学们复习当天所讲解病例需要熟知的解剖知识，并简要介绍疾病的病史及相关的实验室检查指标；第二部分带教老师借助RIS-PACS 系统进行教学。通过系统内的教学数据库再次通过影像图像带领同学们复习前面讲解的相关正常解剖知识。之后通过库内的子文件夹找到当天需要掌握的相关疾病，并由老师针对典型病例进行讲解，其中涉及AI 的内容由电脑AI 功能完成后再由老师指导同学们使用和阅读AI 运行结果；第三部分则是同学们再次学习和巩固的过程，主要由同学们自行操作系统阅片，直到掌握相关疾病。以肺癌讲解为例，第一部分主要是带教老师通过PPT 讲解肺部肺解剖知识（如肺的分叶、分段等）；第二部分是带教老师通过教学数据库找到正常的肺部CT 图像，再一次复习PPT 里讲解的肺部解剖的相关知识。之后在疾病相关的数据库里找到包含肺癌的影像资料，对于比较大比较容易发现的病例由老师讲解病例的影像学特征，对于比较早期的肺癌且比较小的病变（如以磨玻璃样结节为主要表现的肺癌）则通过AI 系统找到病变，指导同学们阅读AI 的分析结果；最后由同学们自行操作PACS 系统完成当天的学习。

对照组：按照我校临床医学五年制教学大纲要求，以带教老师为主要授课群体，借助传统PPT 对医学影像学基础理论、正常人体解剖结构、各系统疾病的影像学表现及鉴别诊断等相关内容进行讲授。主要由带教老师在讲台通过PPT 讲解，同学们有问题可以提问并得到答疑。

1.3 教学成果检验

实习知识考察：实习期结束后一周，对两组学生均进行出科考试。考核内容及成绩包括：医学影像学理论（20 分）、影像解剖学（40 分）、常见疾病影像学表现及诊断（40 分）。评卷人由我科授课老师进行盲评，总分即为出科理论考试的最终成绩。

问卷调查反馈：所有学生完成出科理论水平的考核后，均被要求如实填写教学效果调查及反馈表。该表内容主要包括兴趣激发度、课本知识掌握、对教学直观性及教学模方式是否满意等方面。

1.4 统计学分析

研究两组的最终数据均需采用SPSS 24.0 版软件进行统计学综合分析。计量资料以（）表示，两组实习生出科理论考试成绩比较采用t检验。计数资料以例（%）表示，组间对比检验采用χ2检验。P＜0.05 则差异有统计学意义。

2 结果

2.1 两组间考试结果对比

对照组成绩显著低于试验组，差异有统计学意义（P＜0.05）。结果呈现在表2 中。

表2 两组学生教学质量对比（分，）

表2 两组学生教学质量对比（分，）

2.2 两组间问卷调查结果反馈比较

两组学生问卷调查数据对比分析显示，试验组学生在激发学习兴趣、理论知识学习、对教学直观性、授课模式满意度方面差异有统计学意义（P＜0.05），结果见表3。

表3 两组学生问卷调查结果对比[名（%）]

3 讨论

3.1 放射科实习的特点

放射科实习与临床科室的实习相比对学生的要求不同，临床科室主要着重于学生临床思维的培养，主要通过问诊、查体等培养学生的能力[9]。放射科实习则要求同学们在现有的临床资料的基础上，通过给出的影像资料判断影像特征，并给出相应的诊断及鉴别诊断。传统的影像教学主要通过书本、胶片及幻灯片来给学生讲解典型病例的影像特征，这些方法观察病变角度单一，教学耗时，同时资料保存及更新比较困难。随着科技进步，越来越多的手段运用于放射科实习上，其中包括PACS系统的运用[10-11]及文章提到的AI 系统的运用，这些方法克服了传统方法的不足，也让同学们的实习更加生动、有趣。

3.2 传统放射科本科生实习问题

通过此次研究我们发现，采用RIS-PACS 联合AI 系统运用于临床实习教学，在带教出科理论成绩和案例分析题目得分及满意度反馈等方面，均优于传统教学方式。通过分析，我们发现传统带教主要是通过书本、PPT、大体解剖模型来帮助学生梳理解剖及疾病相关的知识点，并结合实际病例的CT、MRI 某一断层信息来进行讲解。学生经常出现在进行理论答题时可以背出典型病例的影像学表现，却在案例分析时找不到病变的为位置，甚至不知道与疾病相关的脏器的位置及形态，导致影像教学与临床分离。由以上可知，传统放射科的实习带教尚有以下不足：第一，教学方式单一。传统的放射科实习主要借助于阅读胶片，并借助于PPT 达到教学目的。二维断面图像十分考验学生空间重组联想能力，对于非医学影像专业的医学生而言较为抽象，而这一缺陷造成了学生不能深入地理解器官的深入结构及其比邻关系，从而不能很好的对疾病进行理解。第二，教学内容枯燥。传统教学里，带教老师常用文字及图像对解剖、疾病进行授课，但由于较为薄弱的解剖空间结构知识及抽象的讲解内容，学生的主观能动性受到了限制，导致讲课效果不佳。因此，在当前数字化时代，如何利用现代化工具来进行更有效的教学是放射科实习教育亟待解决的问题。

3.3 RIS-PACS 及AI 系统在实习教学中的优势

实现医学图像信息管理是建立放射科信息管理系统-医学影像存储与传输系统（radiology information system-picture archiving communicating system，RISPACS）的重要目的[12]。该系统对医学图像的信息可以进行数字化采集、存储、管理、传输和重建，进而提供了快捷、便利的方式以收集教学影像资料[13-14]。我们主要运用该系统以下几种功能运用于教学：

3.3.1 教学图片库的建立

具有带教要求的教师在平时的工作中需要将典型病例保存进PACS 系统里的公共教学库，针对各个系统将病例分别分为中枢、心胸、腹部及骨肌四个大的子库，再在各个子库里根据相应的基本建立不同的文件夹。在实习带教时，授课老师可以便捷地选调和显示教学内容,学生同时可以收获更为丰富的影像学资料。

3.3.2 图像后处理功能的应用

除了一些特殊的图像后处理功能需要经过处理以后再传到RIS-PACS 系统上外，PACS 系统还可以对传上来的原始轴位图像进行多项后处理，包括如多层面重组（multiplayer reconstruction，MPR）[15]、曲面重建（curve reconstruction，CR）[16]、最大密度投影（maximal intensity projection，MIP）等[17-19]。这些新技术可以更贴合实际状况地立体显示解剖内部结构，系统、形象地显示机体各系统的解剖结构和病变信息，不仅是放射科医生诊治疾病的重要工具，也是放射科教学的有力助手，它可以使得学生更直观、形象地掌握解剖空间结果与病变之间关系,发挥出独一无二的教学价值,充分弥补传统授课方式的缺陷。日常教学实践中，我们采用以上图像后处理技术指导学生临床实习,无论是学生反馈，还是对知识掌握程度，都收到了良好的结果。

3.3.3 AI 技术的应用

我院放射科PACS 系统已集成依图公司肺结节及肋骨骨折人工智能识别系统，并拥有可用于冠脉钙化积分自动化分析AI 软件西门子公司syngo via 软件。系统的主要功能包括：（1）基于深度学习技术训练模型，对病灶进行分割检出；（2）病灶定量分析，主要是一些形态学参数；（3）基于分类算法，对病灶进行分类比如结节、肿瘤等；（4）病灶定性，比如肺结节的良恶性倾向性分析判断；（5）生成结构化报告，基于AI 诊断结果和临床使用习惯自动生成报告。实习生可以在教师的引导下自己寻找病灶，进行一定程度的描述与分析，并与AI 标注有肺结节或肋骨骨折的病灶位置、影像学特征和充足诊断依据的标准图片作比对，从而得出正确的诊断。也可以针对部分判断存在偏差的病灶采用动态和数字化的方式进行反馈，为学生提供充足亲身参与的机会，这些优势在书本上或教室的固定环境中是不可能实现的。

在教学过程中挑选经典的教学病例，可以获得更为理想的教学效果。结合图像后处理及AI 技术，同时更大发挥PACS 系统优势，进而使得现代医学影像技术在放射科的实习教学中发挥更大的价值。