人工智能在胸外科规范化培训教学中肺结节分析与肺段切除规划的应用效果研究

时间：2025-09-10 12:14:17   来源 网络   作者：网络

 摘  要 

目的　探讨人工智能（artificial intelligence，AI）在胸外科住院医师规范化培训中的应用，特别是通过AI辅助肺结节识别和肺段解剖教学，提升医师的临床技能和解剖理解。方法　本研究选取2023年9月—2024年9月在北京协和医院进行胸外科规范化培训的住院医师，采用随机数字表法将其随机分为试验组和对照组。试验组使用AI辅助的三维重建技术进行肺结节识别，而对照组仅使用常规胸部CT图像。在进行基础教学和自主练习后，评估两组对相同患者CT图像的肺结节识别能力，最后通过问卷调查收集反馈。结果　本研究共纳入72名住院医师，其中男30人（41.7%）、女42人（58.3%），平均年龄为（24.0±3.0）岁。试验组在肺结节的总体诊断准确性（91.9% vs. 73.3%）和肺段标识（100.0% vs. 83.7%）方面均显著优于对照组，且阅片时间显著缩短［（118.5±10.5）s vs.（332.1±20.2）s，P<0.01］。问卷结果显示，94.4%的住院医师对AI技术持积极态度，91.7%认为其能够提高诊断的准确性。结论　AI辅助教学显著提升了胸外科住院医师的阅片能力和临床思维，为规范化培训改革提供了新的方向。

正  文

医学住院医师规范化培训（简称“规培”）是中国医疗体系中至关重要的环节，旨在通过系统的临床训练，提高医学毕业生的专业素养和临床实践能力。通过为期3年的全科室轮转规培，帮助年轻医师全面掌握各临床学科的基本技能和诊疗规范，统一医疗标准，推动医教协同发展，满足日益增长的医疗需求[1]。其中，在胸外科规培中，医师需要掌握复杂的解剖结构、手术技巧及围手术期的管理技能，尤其是肺结节的精准诊断和肺段切除等高难度手术的规划和执行。然而，现阶段的胸外科规培仍面临一些挑战与不足。首先，由于手术复杂性高，规培医师的实际操作机会有限，影响了临床经验的积累。其次，传统教学通常使用静态的解剖图谱和影像资料，缺少动态、立体的视觉效果，难以帮助医师直观理解肺段及其解剖结构的空间关系。此外，胸外科规培时间相对较短，患者周转较快，教学往往依赖于分散的个案，缺乏系统性，难以帮助住院医师全面理解和掌握各项技术与理论[2-4]。在此背景下，人工智能（artificial intelligence，AI）技术为胸外科规培带来了广阔的应用前景[5-7]。通过AI辅助，可以分析影像学数据，帮助规培医师更精准地识别肺结节。其次，可以根据AI提供的路径进行手术规划，尤其是在肺段切除的复杂手术中，AI可以为规培医师提供有力的决策支持及演示。此外，AI还可以通过数据分析，评估规培医师的学习理解，优化培训计划，提升培训效果和临床技能[8]。鉴于此，本研究通过AI技术完成了对2023年9月—2024年9月共72名胸外科规培生的教学，取得了不错的效果，现报道如下。

1 资料与方法

1.1   研究对象和分组

本研究纳入2023年9月—2024年9月期间在北京协和医院参加胸外科住院医师规培的72名住院医师。所有纳入者为首次轮转胸外科，且此前未接受过系统的胸外科培训。能够理解并参与胸部CT图像的学习与评估。排除标准包括：已接受过系统胸外科培训的住院医师，参与其他影响研究结果的临床研究或教学项目的住院医师，以及因疾病或其他原因无法完成全部培训内容的住院医师。采用随机数字表法将规培住院医师随机分为试验组和对照组。

1.2   研究方法

应用推想医疗提供的肺三维重建AI平台，将胸部CT文件进行AI自动分析，并生成胸部CT三维重建图像，用于肺结节分析及肺段解剖路径研究。试验组规培医师使用AI三维重建和普通胸部CT图像，对照组仅使用普通胸部CT图像。首先进行胸部CT基础教学，由一位高年资的胸外科医师为两组学生进行胸部CT影像基础教学，重点包括肺结节的影像特征、肺段解剖，其中肺结节的分类采用Lung-RADS（Lung Reporting and Data System）分类系统，该系统由美国放射学会（American College of Radiology）制定，旨在标准化影像学报告，并提高肺结节管理的一致性。教学结束后，给学生提供若干标准化胸部CT图像，进行自主练习，目的是确保学生掌握基本的阅片技能。在基础教学结束后，试验组的学生接受额外的AI三维重建软件教学，由高年资医师指导。讲解内容包括如何利用AI软件对普通胸部CT图像进行三维重建，如何通过三维重建直观地识别肺结节，以及重建图像与平面CT图像之间的对应关系。

在完成教学后，两组学生分别对给定的同一患者胸部CT图像进行评估，评估内容包括肺结节的数目和部位。学生们独立完成评估，不允许互相讨论，以确保评估结果的独立性。将每位学生的评估结果记录在表格中，包括每个结节的标注位置及数量，以便于数据的整理和后续分析。最后由两位高年资胸外科医师对两组学生的评估结果进行评判。评判过程采用双盲设计，评判医师对学生所属组别不知情，以确保评判的客观性。评判内容包括学生标注肺结节数目和部位的正确率，并进行评分。教学结束后，组织一次讨论会，学生可以分享他们在使用AI辅助阅片过程中的经验和体会，并完成问卷调查。同时也会对对照组的学生进行AI教学，完成课程。

1.3   统计学分析

数据采用SPSS 20.0统计软件进行分析。计量资料以均数±标准差（x±s）表示，组间比较采用独立样本t检验。计数资料以频数和百分比表示，组间比较采用χ2检验或校正χ2检验。双侧检验水准α=0.05。

1.4   伦理审查

本研究已通过北京协和医院伦理审查委员会审批，批准号：I-25ZM0008。

2 结果

2.1   肺部结节识别情况

本研究共纳入72名住院医师，其中男30人（41.7%）、女42人（58.3%），平均年龄为（24.0±3.0）岁。首先由两名高年资胸外科医师对1例患者的薄层CT扫描进行分析，图像中共包含15个肺结节。其中，3个结节被评估为Lung-RADS 4～5分（高风险），5个肺结节被评估为Lung-RADS 3分（中风险），7个肺结节被评估为Lung-RADS 1～2分（低风险）。试验结果显示，试验组在高、中、低风险结节的诊断准确数和中、高风险结节肺段标识准确数方面均优于对照组。在结节诊断方面，试验组的总体诊断准确率为91.9%，对照组为73.3%。在结节肺段标记方面，试验组总体标记准确率为100.0%，对照组为83.7%（表1）。

2.2   阅片时间

在本研究中，36位对照组医师的平均CT阅片时间为（332.1±20.2）s，而AI辅助的试验组医师的阅片时间显著缩短，平均阅片时间为（118.5±10.5）s（P<0.01）。

2.3   问卷结果

问卷调查结果显示，大多数规培医师对AI辅助肺结节和肺段解剖持积极态度。94.4%的医师希望在临床实践中使用AI技术，91.7%认为其能够提升诊断的准确性。此外，医师们普遍认为AI技术在培训医师方面具有重要作用。尽管AI辅助技术在胸外科住院医师的培训中展现了显著优势，但部分医师仍存在一些顾虑。首先，技术的可靠性和准确性是一个重要问题，医师担心AI可能无法在复杂或非典型病例中提供足够的决策支持，且可能过度依赖AI而忽视自身判断能力的培养。其次，有些医师担心，过度使用AI会影响他们积累临床经验的机会，尤其是在面对真实病例时，AI可能减少了他们主动思考和诊断的机会。但总体来看，医师们对AI辅助的期望较高，显示出对未来技术应用的信心和期待（表2）。

３ 讨论

近年来，随着AI在医学影像领域的迅速发展，AI辅助技术在胸外科医师的培训中表现出了显著的教学效果，特别是在肺结节CT诊断及肺段解剖的学习上。这一技术的应用不仅在肺结节的检测上提供了高效的辅助，同时也在住院医师的规培中发挥了不可替代的作用[9-10]。

首先，AI在肺结节的识别和诊断中具有重要意义。AI基于深度学习算法，可以通过分析胸部CT图像，自动识别和定位肺结节，并对其良恶性进行初步判断。对于刚进入胸外科临床的低年资住院医师来说，肺结节的识别往往是最初步且最关键的一步。我们的研究结果表明AI识别肺结节可以显著提高肺结节的诊断率，这与既往研究[7-9]结果一致。AI可以帮助这些住院医师快速找到并标注出图像中的结节，从而降低漏诊的概率。特别是对于一些形态特殊、位置较深或者直径<5 mm的肺结节，AI的识别准确性明显高于仅依赖人工判断的初学者。通过AI辅助技术的帮助，住院医师能够迅速核对自己的阅片结果，发现可能的错误或漏诊情况，从而有效提升他们的识别能力。

AI辅助教学不仅限于肺结节的识别，还体现在对结节良恶性的定性诊断上。传统的教学往往依赖典型病例进行示教，而AI的优势在于其可以提供海量的影像数据，包括各种非典型表现的结节图像。这些图像库使住院医师能够在学习过程中接触到不同类型的肺结节，从而更好地掌握判断结节良恶性的关键特征。特别是对于一些恶性征象的判断，如分叶征、毛刺征、支气管截断征等。AI能够通过对图像的全面分析，将这些征象明确地显示出来，住院医师可直观地理解每个征象的特征及其临床意义，从而提高对结节性质判断的准确性[10-11]。

肺段解剖的学习在胸外科的规培中同样具有重要地位，而AI在此方面也提供了极大的帮助。传统的解剖教学常常需要通过示教解剖图谱和影像资料进行，而AI系统则可以结合三维重建技术，将肺叶及各个肺段的结构以动态的形式展现出来。这种立体可视化的教学方式，可以帮助住院医师更加直观地理解肺段的空间关系及其在影像学中的表现[12-13]。同时，AI软件在肺结节标注时也按肺叶和肺段进行归类，使得住院医师能够在实际阅片中逐渐形成按照肺叶肺段顺序阅片的良好习惯，这对于减少漏诊和规范化阅片流程具有重要意义。

在教学模式的改革上，AI辅助教学推动了自主学习的进步。与传统的碎片化教学相比，AI的引入使住院医师可以根据个人的时间安排，在任意工作地点自主学习，并通过软件中的海量病例进行反复练习[14]。目前的AI软件可以提供电脑版本和手机版本，可以使住院医师灵活地选择学习方式。这种灵活的学习方式不仅提高了学习效率，也提高了住院医师的学习兴趣和主动性。AI就像一个随时在线的教学助手，帮助住院医师及时解答在学习过程中遇到的各种问题。在复杂结节的诊断和鉴别诊断上，通过与AI的对比分析，医师能够更深入地理解肺结节的影像特征[15-16]。

综上所述，AI在胸外科医师肺结节CT诊断及肺段解剖教学中的应用，为医师规培带来了新的契机。通过AI辅助技术，住院医师不仅能够提高对肺结节的识别准确性，还能增强其对复杂结节的理解和分析能力，逐步形成系统化、逻辑化的阅片思维。这种智能化、个性化的教学方式，有助于胸外科住院医师在短时间内快速提升临床能力，并为未来的临床工作奠定坚实的基础。

利益冲突：无。

作者贡献：高超、梁乃新负责论文设计与撰写；高超、周小昀、郭超负责数据收集和整理；李单青、刘洪生、梁乃新负责论文审阅与修改。