趙禎 蔡華偉

[摘? ? ? ? ? ?要]? 目的：探討在新冠肺炎期間利用全身骨顯像智能閱片系統(tǒng)配合開展遠(yuǎn)程線上核醫(yī)學(xué)影像讀片網(wǎng)絡(luò)教學(xué)的可行性及教學(xué)效果評(píng)價(jià)。方法：選取四川大學(xué)華西臨床醫(yī)學(xué)院臨床本科五年制第五年醫(yī)學(xué)生共56名作為研究對(duì)象，按隨機(jī)數(shù)字表法分為對(duì)照組（n=28，觀看教師錄播視頻+典型病例PPT對(duì)照解讀訓(xùn)練模式）和實(shí)驗(yàn)組（n=28，

觀看教師錄播視頻+在線智能閱片系統(tǒng)訓(xùn)練模式）。分別在學(xué)生課程前、課程結(jié)束后，對(duì)學(xué)生進(jìn)行全身骨顯像閱片能力考核。課程結(jié)束后，通過問卷調(diào)查了解學(xué)生對(duì)兩種教學(xué)模式的滿意度，對(duì)比兩種模式的教學(xué)效果。結(jié)果：課程前，兩組學(xué)生閱片成績(jī)差別無統(tǒng)計(jì)學(xué)意義（P>0.05）;課程結(jié)束后，實(shí)驗(yàn)組學(xué)生閱片成績(jī)高于對(duì)照組，差異有統(tǒng)計(jì)學(xué)意義（P<0.05）。針對(duì)“有助提高學(xué)習(xí)興趣、有助提高自主學(xué)習(xí)能力、教學(xué)模式創(chuàng)新性”三項(xiàng)內(nèi)容的問卷調(diào)查結(jié)果顯示，學(xué)生對(duì)使用在線智能閱片輔助開展教學(xué)的評(píng)分均高于對(duì)照組，且差異有統(tǒng)計(jì)學(xué)意義（P<0.05）。結(jié)論：核醫(yī)學(xué)全身骨顯像智能閱片系統(tǒng)的在線教學(xué)應(yīng)用效果良好，學(xué)生滿意度高，為配合新冠肺炎疫情期間的核醫(yī)學(xué)在線教學(xué)提供了有效的新型教學(xué)方法。

[關(guān)? ? 鍵? ?詞]? 智能閱片系統(tǒng);核醫(yī)學(xué);骨顯像;閱片教學(xué)

[中圖分類號(hào)]? G642? ? ? ? ? ? ? ? ?[文獻(xiàn)標(biāo)志碼]? A? ? ? ? ? ? ? [文章編號(hào)]? 2096-0603（2020）10-0182-02

為貫徹落實(shí)國(guó)家和教育部關(guān)于堅(jiān)決打贏疫情防控阻擊戰(zhàn)的重要指示精神，在新型冠狀病毒感染肺炎疫情期間，結(jié)合學(xué)校的實(shí)際情況，組織帶教教師通過在線教學(xué)的方式，本科生完成在線報(bào)到、在線學(xué)習(xí)及成果考核。在這一過程中，如何充分利用線上教學(xué)優(yōu)勢(shì)，以信息技術(shù)與教育教學(xué)深度融合的教學(xué)改革創(chuàng)新，推進(jìn)學(xué)習(xí)方式變革，實(shí)現(xiàn)“延期不停教，延期不停學(xué)”，保證課程內(nèi)容和教學(xué)質(zhì)量標(biāo)準(zhǔn)，是值得教師關(guān)注的問題。

各種新型的網(wǎng)上教學(xué)模式中，“超新學(xué)習(xí)通”“慕課”“雨課堂”“釘釘會(huì)議”等教學(xué)方法陸續(xù)呈現(xiàn)，但這些教學(xué)模式革新均集中在一對(duì)多的理論講授模式，而對(duì)于強(qiáng)調(diào)“互動(dòng)性”“即答性”的影像閱片實(shí)踐教學(xué)來講仍然存在不足。因此，在本研究中，我們嘗試?yán)米孕虚_發(fā)的智能閱片系統(tǒng)“Deepbone”，在新冠肺炎疫情期間用于核醫(yī)學(xué)骨顯像的遠(yuǎn)程閱片實(shí)踐教學(xué)及考核，探索新的

核醫(yī)學(xué)影像閱片遠(yuǎn)程教學(xué)方法。

一、對(duì)象與方法

（一）研究對(duì)象

選取四川大學(xué)華西臨床醫(yī)學(xué)院臨床本科五年制第五年醫(yī)學(xué)生共56名作為研究對(duì)象，按隨機(jī)數(shù)字表法分為對(duì)照組（n=28）和實(shí)驗(yàn)組（n=28），其中對(duì)照組學(xué)生年齡22～25歲，平均年齡（23.79±0.82）歲;實(shí)驗(yàn)組學(xué)生年齡22～24歲，平均年齡（23.18±0.64）歲;兩組年齡無統(tǒng)計(jì)學(xué)差異（P>0.05）。

（二）教學(xué)方法

影像閱片實(shí)踐教學(xué)分為結(jié)合教材的典型病例教學(xué)錄播視頻以及單人閱片訓(xùn)練兩部分。典型病例教學(xué)視頻的錄播教師為核醫(yī)學(xué)科副主任醫(yī)師，博士學(xué)歷，具備10年本科教學(xué)及影像閱片帶教經(jīng)驗(yàn)，教材選用高等教育出版社的全國(guó)高等醫(yī)藥院校規(guī)劃教

材《核醫(yī)學(xué)》（第二版）[1]。

對(duì)照組采用“觀看教師錄播視頻+單人PPT閱片訓(xùn)練”的教學(xué)模式。觀看教師錄播視頻時(shí)間45分鐘，包括講解全身骨顯像主要內(nèi)容和10例典型病例圖像分析。單人閱片訓(xùn)練時(shí)間45分鐘，教師將已有明確臨床影像診斷結(jié)果的病例圖像10例制成PPT，學(xué)生結(jié)合教師視頻講解內(nèi)容和核醫(yī)學(xué)教材獨(dú)立閱片并理解。

實(shí)驗(yàn)組采用“觀看教師錄播視頻+遠(yuǎn)程智能閱片訓(xùn)練系統(tǒng)”的

教學(xué)模式。觀看教師錄播視頻同對(duì)照組。學(xué)生可通過事先給定的用戶名和密碼遠(yuǎn)程登錄系統(tǒng)，在該系統(tǒng)輔助下開展閱片訓(xùn)練，智能閱片訓(xùn)練系統(tǒng)的閱片訓(xùn)練時(shí)間同樣為45分鐘，10個(gè)訓(xùn)練病例同對(duì)照組。該訓(xùn)練模式下，學(xué)生可自行結(jié)合教師講解內(nèi)容和核醫(yī)學(xué)教材，獨(dú)立在訓(xùn)練病例上進(jìn)行病灶標(biāo)注，并可在標(biāo)注完成后與系統(tǒng)自動(dòng)標(biāo)注的病灶圖和最終臨床影像診斷結(jié)果進(jìn)行對(duì)比訓(xùn)練。同時(shí)，系統(tǒng)可自動(dòng)統(tǒng)計(jì)學(xué)生對(duì)每個(gè)訓(xùn)練病例的閱讀時(shí)間、病灶統(tǒng)計(jì)準(zhǔn)確率、良惡性判斷準(zhǔn)確率等信息?！癉eepbone”全身骨顯像智能閱片系統(tǒng)由四川大學(xué)華西醫(yī)院核醫(yī)學(xué)科和四川大學(xué)計(jì)算機(jī)學(xué)院共同研發(fā)，該系統(tǒng)通過對(duì)超過10000例全身骨顯像圖像進(jìn)行深度學(xué)習(xí)分析，目前可開展骨顯像全身病灶自動(dòng)標(biāo)注和診斷，其骨顯像診斷準(zhǔn)確率不遜于具有10年以上核醫(yī)學(xué)骨顯像診斷經(jīng)驗(yàn)的核醫(yī)學(xué)醫(yī)師。

（三）教學(xué)評(píng)價(jià)

（1）學(xué)生成績(jī)考核。課程開始前、課程結(jié)束后，對(duì)學(xué)生進(jìn)行全身骨顯像閱片能力考核，考核結(jié)果采用百分制。具體考試內(nèi)容為教師講授和學(xué)生閱片訓(xùn)練均未使用過的5個(gè)新病例。（2）學(xué)生滿意度調(diào)查。采用自制調(diào)查問卷形式，調(diào)查內(nèi)容包括提高學(xué)習(xí)興趣、提高自主學(xué)習(xí)能力、教學(xué)模式創(chuàng)新性三個(gè)方面，分為完全同意（2分）、部分同意（1分）、不同意（0分）三個(gè)檔次。共發(fā)放調(diào)查問卷56份，回收率為100%。

（四）統(tǒng)計(jì)學(xué)方法

采用SPSS 24.0統(tǒng)計(jì)軟件進(jìn)行數(shù)據(jù)分析，計(jì)量資料以均數(shù)±標(biāo)準(zhǔn)差（x±s）表示，采用t檢驗(yàn)，P<0.05，有統(tǒng)計(jì)學(xué)差異。

二、結(jié)果

（一）兩組學(xué)生閱片成績(jī)比較

課程前，兩組學(xué)生閱片成績(jī)差別無統(tǒng)計(jì)學(xué)意義（P>0.05）。課程結(jié)束后，實(shí)驗(yàn)組學(xué)生閱片成績(jī)高于對(duì)照組，差異有統(tǒng)計(jì)學(xué)意義（P<0.05）。見表1。

（二）兩組學(xué)生課程滿意度評(píng)分比較

對(duì)于問卷調(diào)查三個(gè)方面的內(nèi)容（有助提高學(xué)習(xí)興趣、有助提高自主學(xué)習(xí)能力、教學(xué)模式創(chuàng)新性），實(shí)驗(yàn)組學(xué)生評(píng)分均高于對(duì)照組，差異有統(tǒng)計(jì)學(xué)意義（P<0.05）。見表2。

三、討論

隨著計(jì)算機(jī)技術(shù)的不斷進(jìn)步，基于紋理分析、增強(qiáng)記憶、人工卷積神經(jīng)網(wǎng)絡(luò)等多種機(jī)器深度學(xué)習(xí)方法，對(duì)圖片的識(shí)別、海量數(shù)據(jù)的重要特征提煉等方面具有重要作用[2]，已成為當(dāng)今醫(yī)學(xué)發(fā)展的熱點(diǎn)并應(yīng)用在醫(yī)學(xué)領(lǐng)域的各個(gè)方面，如影像圖像智能分析[3]、眼科圖像標(biāo)注[4]、治療方案效果預(yù)評(píng)估等[5]。核醫(yī)學(xué)影像作為一門對(duì)技術(shù)、實(shí)踐、科學(xué)性都要求極高的學(xué)科，更加需要計(jì)算機(jī)科學(xué)的輔助與指導(dǎo)。數(shù)字化、標(biāo)準(zhǔn)化、網(wǎng)絡(luò)化、海量存儲(chǔ)和大數(shù)據(jù)分析，是人工智能應(yīng)用的重要特色。如何將這一先進(jìn)技術(shù)運(yùn)用到醫(yī)學(xué)教學(xué)中，值得教學(xué)者探討。

2020年初的新型冠狀病毒性肺炎疫情席卷全國(guó)，在這期間，按照國(guó)家相關(guān)要求，各大高校均開展了線上教學(xué)模式。新冠肺炎疫情期間線上教學(xué)的一大難點(diǎn)是保證在線學(xué)習(xí)與線下課堂教學(xué)同質(zhì)等效，因此要加強(qiáng)課堂吸引力，個(gè)性化學(xué)習(xí)資源配置，合理拓展學(xué)習(xí)時(shí)間和學(xué)習(xí)空間，切實(shí)通過教學(xué)內(nèi)容、時(shí)間及方式的科學(xué)安排，保證教學(xué)工作正常進(jìn)行。目前的核醫(yī)學(xué)臨床影像閱片教學(xué)，通常采用的是“一對(duì)多的理論講授”+“單人閱片訓(xùn)練及教師現(xiàn)場(chǎng)答疑”的方式，這種面對(duì)面的教學(xué)模式在新冠疫情期間難以實(shí)現(xiàn)，因此我們借此機(jī)會(huì)探索新的線上教學(xué)模式，為學(xué)生自主學(xué)習(xí)提供個(gè)性化、定制化的指導(dǎo)與幫助，確保教學(xué)質(zhì)量。

本研究結(jié)果顯示，課程開始前兩組本科生閱片考核成績(jī)無差

異，具有可比性;而訓(xùn)練結(jié)束后，實(shí)驗(yàn)組學(xué)生的閱片成績(jī)明顯高于對(duì)照組，說明配合“在線智能閱片系統(tǒng)訓(xùn)練”的教學(xué)模式更有助于學(xué)生全面地學(xué)習(xí)和理解核醫(yī)學(xué)臨床影像，提升閱片實(shí)踐能力。該系統(tǒng)在使用時(shí)，還會(huì)自動(dòng)收集學(xué)生學(xué)習(xí)過程中遇到的重點(diǎn)信息，如每個(gè)訓(xùn)練病例的閱讀時(shí)間、病灶統(tǒng)計(jì)準(zhǔn)確率、良惡性判斷準(zhǔn)確率等，教師從后臺(tái)調(diào)閱到相關(guān)信息后，可以更有針對(duì)性地發(fā)現(xiàn)學(xué)生在閱片過程中發(fā)現(xiàn)的問題并進(jìn)行解答。而課堂滿意度調(diào)查問卷顯示，學(xué)生對(duì)在線智能閱片系統(tǒng)輔助的教學(xué)訓(xùn)練模式，普遍反饋是較為新穎，相比單純地依靠PPT理解的方式，系統(tǒng)自帶的病灶標(biāo)注和良惡性鑒別能更好地幫助學(xué)生一對(duì)一理解閱片中的重難點(diǎn)，提升學(xué)生的學(xué)習(xí)興趣和自主學(xué)習(xí)能力。

綜上所述，核醫(yī)學(xué)全身骨顯像智能閱片系統(tǒng)在新冠肺炎期間

遠(yuǎn)程實(shí)踐教學(xué)中的應(yīng)用效果較好，使學(xué)生考試成績(jī)和閱片能力提高，學(xué)生滿意度較高，這一系統(tǒng)不但可有效用于新型冠狀肺炎疫情期間的本科網(wǎng)絡(luò)教學(xué)，改進(jìn)后也可為更多的下級(jí)醫(yī)院線上遠(yuǎn)

程核醫(yī)學(xué)影像培訓(xùn)提供新的教學(xué)支持。

參考文獻(xiàn)：

[1]匡安仁，李林.核醫(yī)學(xué)[M].2版.北京：高等教育出版社，2017.

[2]杜小榮.人工智能時(shí)代計(jì)算機(jī)課堂教學(xué)模式探究[J].現(xiàn)代職業(yè)教育，2019（28）：250-251.

[3]Ahmed H， Chintan P， John Q， et al. Artificial intelligence in radiology[J]. Nat Rev Cancer， 2018，18（8）：500-510.

[4]Kermany DS，Goldbaum M，Cai W，et al.Identifying medical diagnoses and treatable diseases by image-based deep learning[J]. Cell， 2018， 172（5）：1122-1131.

[5]Song Y，Hu J，Wu Q，et al.Automatic delineation of the clinical target volume and organs at risk by deep learning for rectal cancer postoperative radiotherapy[J]. Radiother Oncol，2020（145）：186-192.

◎編輯 陳鮮艷