人工智能在內分泌教學中應用

前言：本站為你精心整理了人工智能在內分泌教學中應用范文，希望能為你的創作提供參考價值，我們的客服老師可以幫助你提供個性化的參考范文，歡迎咨詢。

【摘要】內分泌學涵蓋人體各個系統、器官，內容龐雜，自成體系，是醫學生臨床學習的重點和難點學科之一。由于教學時間的限制，學生在臨床實踐內分泌科時學習疾病種類和數量有限，降低了學生對內分泌和代謝疾病學習的廣度和深度。在內分泌教學中的應用人工智能，為醫學生的學習提供了便捷有利的工具，有助于提高學習效率和效果，培養內分泌疾病的臨床思維。在目前人工智能高速發展的大數據時代，臨床教師應學習利用人工智能技術和方法，根據內分泌學科特點制定教學方案，培養內分泌科專業人才。

【關鍵詞】人工智能；內分泌學；個性化教學；機器學習；教學改革；教學評價；教育

人工智能（artificialintelligence，AI）概念最早是在1956年的Dartmouth學會上提出的，隨著計算機核心算法的突破、計算能力的迅速提高以及海量互聯網數據的支撐，目前已被廣泛地應用于各個領域[1]。AI當前最廣為接受的定義是Boden闡述的“使計算機做需要人類智能才能做的事情的能力”。智能通常被定義為一組做出決定和解決問題的能力，如理解、學習和推理。AI通過一系列工具來模擬人類智能的這些方面。AI方法和技術在過去幾十年里已普遍應用于醫藥和衛生領域[2]。在醫學文獻中，術語“人工智能（AI）”“ML”和“深度學習”經常被同時使用，有時也會互換使用[3]。在醫學領域，AI/機器學習（machinelearning，ML）技術可以在三個方面產生重大影響：醫生方面，提高診斷準確性和協助治療及外科干預；衛生系統方面，改進工作流程和減少錯誤；患者方面，量身定制診斷和治療方案，基于獨特的表型和基因特征患者的精準治療[4]。人工智能驅動的精準醫療為臨床醫生提供了一個機會，為每個人量身定制早期干預措施[5]。人工智能（AI）正在改變我們的現代生活，在醫學上，AI有兩個主要分支:虛擬和物理。物理分支包括機器人，可以幫助手術和康復。虛擬分支包括信息學，有望幫助醫生進行臨床診斷和治療決策[6]。AI技術背景下，教師的角色已經有了很大的轉變，不僅是定義者、闡釋者、答疑者，也是提問者、引導者、輔助者[7]，為了提高教學效果，教學模式和方法也要隨之改變。無論是傳統教學模式還是AI教學模式，教師都是課程的主導者。教師的教學方法和技巧、態度和能力都會顯著影響教學效果[8]。同時AI還可以對教學效果進行評價。

1人工智能發展對醫學教育的影響

人工智能時代，醫學教學仍然存在著通識教學欠缺、課堂互動不足和課程建設滯后等矛盾[9]。隨著醫學領域知識的復雜性和數量的不斷增長，醫生幾乎不可能在頭腦中組織和保留全部知識性數據。教科書上的內容雖然都是典型病例，但有時會與臨床實踐不符。醫學基礎教育與臨床實踐脫節，會導致學生在課堂上學到的知識難以應用，因此有必要對現有的教學模式和方法進行改革[10]。因此，醫學界應及時調整教學策略，加強以下幾個方面的學習，以重新定義AI/ML時代醫生的角色：（1）醫學院校課程將重點從信息獲取轉移到知識管理和溝通技能；（2）培訓醫生管理和協調AI/ML應用；（3）培訓醫生解釋AI/ML輸出數據，并在臨床決策中有效地利用這些結果；（4）加強培養醫生之間的同理心和同情心。最終，醫生和AI技術需要發展一種相互支持的關系，而不是一種競爭關系[11]。醫生可以提供適當的反饋來改進AI/ML技術和工具，這些工具反過來也可以幫助醫生解決不確定的臨床場景。而AI/ML在內分泌領域的使用，將使內分泌疾病的診斷具有更高的準確性，可能避免不必要的檢查，減少醫療支出，促進海量患者數據更好的數字存儲，無論是個人病情還是流行病學研究的匯總數據，這些益處可能有一天會改變臨床內分泌實踐。今天，像人工胰腺這樣的人工智能技術已經成為現實，同時也需要學術界和信息技術行業大力推動AI/ML技術在內分泌學的進一步發展。內分泌醫生很適合在AI/ML的發展中發揮重要作用。將這些技術和方法應用到內分泌學生的教學中，讓他們在使用這些技術進行診斷或研究時增加一種有力的武器[4]。

2內分泌學教學的特點

內分泌學是內科學的重要組成部分，內容涵蓋人體各個系統、器官，內容龐雜，自成體系，是醫學生臨床學習的重點和難點學科之一。傳統的授課方式分為理論課和臨床實踐課。理論課主要采用課堂教學形式，臨床實踐課需要到見習或實習階段以分組模式進行。理論課以老師課堂上講授為主，教學內容知識點多，課堂靈活度差，學生對課程內容印象不深。臨床實踐課是對理論知識進行實踐，在臨床通過對典型病例的診治進一步學習相關疾病知識，前期理論知識掌握度差又會影響實踐課的教學質量。由于臨床實踐課教學時間的限制，學生在臨床實習期間接觸的內分泌疾病種類有限，很大程度上降低了學生對內分泌疾病認識的廣度和深度。多年來的教學實踐發現上述教學模式取得的教學效果并不令人滿意。近年來隨著學生數量的增多，患者對自身隱私保護的需求及部分患者配合度差等因素的影響，出現了教學資源相對不足，尤其是在臨床實踐時，典型病例資源不足，上述教學模式的問題逐漸凸顯。另外，傳統的醫學生教育模式單一，普遍存在教材更新滯后，交叉學科教學內容不足，未能充分發揮學生的主觀能動性，難以制定個性化學習方案，實現高層次、高素質專業技術人才培養的目標。以AI為核心的新興技術不僅有助于平衡教育資源，提高教學效率，改進學習體驗，而且正在逐步實現個性化學習，因材施教的可行性有了顯著提高[12]。

3人工智能在內分泌臨床教學實踐的優勢

人工智能可以便捷的從患者的電子病歷中提取重要信息。首先，這將節省時間和提高效率，而且進行充分的測試后，它也將直接指導患者管理，從而指導醫學生對典型病例的學習。盡管醫療保健科學技術迅速發展，但糖尿病仍是一種無法治愈的終身疾病。根據糖尿病相關應用的目標，人工智能方法可以分為三類：探索和發現信息，學習使用信息，從信息中提取結論。搜索和設計從數據庫中尋找潛在信息的算法通常被稱為“數據庫中的知識發現”（knowledgediscoveryindatabases，KDD）。KDD的主要目標是識別有用的和可理解的信息，它要求對感興趣的研究領域有廣泛和深入的了解。在這類研究中使用的最具代表性的技術是K-means，K-nearestneighbors（KNN）算法和分層聚類。對于知識類學習，其思想是讓機器在沒有人工干預或輔助的情況下自動學習，從而能夠對復雜系統的未來狀態做出預測，以便更好地做出決策。這一過程包括所有涉及歸納成分的方法，它們具有各自的優勢，可自適應地用于不同的情況。糖尿病教育旨在提高患者的自我管理技能，是幫助患者提高代謝控制和生活質量的重要途徑。人工智能技術在將現有遺傳數據和臨床信息轉化為寶貴知識方面取得了重大進展。將人工智能技術應用于疾病教育將是非常有益的，因為人工智能技術可以根據不同個體的獨特特征，促進個性化、全程的教育干預。人工智能技術在糖尿病教育各個方面的均可應用，通過收集到的信息和證據，為糖尿病管理的前瞻性、數據驅動的決策支持平臺的開發提供見解和指導，重點是個性化的患者管理和終身教育干預[13]。以2型糖尿病患者診治為例，目前，臨床醫生要花費大量的時間閱讀門診病歷，檢查血液測試結果，并從許多不相關的系統中尋找臨床指南，制定出合適的治療方案。相比之下，AI可以根據患者的臨床記錄自動識別出最重要的風險因素和已經采取的治療措施，還可以自動將診治過程中與患者的對話轉換為總結性醫囑，供臨床醫生使用或修改。這兩種應用程序都可以節省大量時間，并且可以快速實現，幫助臨床醫生，而不是取代醫生[14]，更好的指導醫學生的臨床實踐。AI伴隨著大數據分析的機器學習的最新進展做出了巨大貢獻，特別是在臨床成像、藥代動力學、遺傳學和腫瘤學領域。而且到目前為止，關于生活方式相關疾病（如T2DM）的預后預測模型和/或并發癥進展的AI研究也取得了一定的進展，有望支持醫學的臨床判斷。作者構建了一個基于64059名糖尿病患者的電子病歷（EMR）庫，采用人工智能技術，利用大數據機器學習處理自然語言和縱向數據，建立糖尿病腎病（diabetickidneydisease，DKD）預測模型。人工智能利用卷積自動編碼器，從過去6個月提取原始特征作為參考期，并選擇24個因素來尋找與6個月DKD惡化相關的時間序列模式。人工智能利用logistic回歸分析構建了包含3073個特征的預測模型，預測DKD加重的準確率為71%。此外，10年以上，DKD加重組的血液透析發生率顯著高于未加重組。因此新的人工智能預測模型可以檢測DKD的進展，有助于更有效、準確的干預降低血液透析的發生[6]。另外，自動深度學習（DL）算法在糖尿病視網膜病變篩選中也呈現了潛在價值；但其在具有較大異質性的人群中臨床應用的可行性還有待進一步研究[15]。AI/ML方法還可以準確地呈現、模擬、解釋醫學圖像，并提供計算機輔助診斷。ML算法在早期發現肢端肥大癥面部變化方面比醫生的評價具有更高的敏感性、特異性以及陽性和陰性預測值，從而實現臨床早期診斷[4]。通過AI，大數據技術能夠對醫療數據、醫學文獻和臨床指南進行采集與分析，建立人工智能輔助醫學教學數據庫，模擬患者就醫場景，使學習者能反復實踐，有助于培養臨床思維。虛擬病歷為學生提供零風險、可試錯的臨床學習渠道，真實病歷能使學生更快適應疾病譜和治療方法變化，緩解罕見病臨床患者資源不足的困境，通過模擬患者就診流程能有效的將理論知識轉化為臨床知識，充分發揮新興技術的優勢[16]。AI不僅對醫療資源充足的醫學院校醫學生教學有重要的意義，對于畢業后內分泌專科醫師繼續教育也是有效的補充。通過AI提供的學習資源，了解和認識臨床上不常見的疑難病、罕見病，可以使更多學習者享有優質的教育資源。通過遠程教育平臺，有利于開展更廣泛的交流與合作，了解國內外最新的醫學進展，尋找到更豐富的信息資源[17]，也有利于促進國內內分泌學人才培養和學科發展。

4人工智能方法在內分泌教學中的應用

醫學專家系統：專家系統（expertsystems，ES）是臨床上最常見的人工智能系統。他們被定義為能夠捕捉專家知識、事實和推理技巧，以幫助醫護人員進行日常工作的系統。ES通過應用推斷方法來模仿臨床醫生的專業知識，以幫助決策支持或解決問題。ES有能力管理數據，得出合理的結論。ES的用途包括圖像解釋，診斷支持和產生預警等[2]。機器學習：ML算法的特點是在沒有明確編程的情況下隨時間學習的能力。ML的主要特點是基于數據分類來解決問題。從啟發式方法逐漸轉向ML技術。在數據挖掘領域，ML算法被用于從大型數據庫（如電子醫療記錄）中發現有價值的知識，其中可能包含隱含的規律性。ML利用了人工智能、概率和統計、計算復雜性理論、控制理論、信息論、哲學、心理學、神經生物學等方面的結果。ML的方法包括決策樹、人工神經網絡、遺傳算法和支持向量機，它們都已成功應用于糖尿病領域。此外，ML還可以應用于計算機程序需要動態適應不斷變化的條件的領域。例如，ML算法可以從每個糖尿病患者的監測數據中學習，并在人工胰腺系統中自動應用[2]，在指導醫學生學習如何在糖尿病患者更好的使用胰島素泵治療方面有顯著的優勢。與智能搜索平臺個性化推薦類似，AI系統也能夠從學習者的學習數據中進行檢索，包括網上瀏覽文字、圖像、視頻等資源的行為數據中收集信息，并基于AI的深度學習推薦算法，自動預測學習者的興趣偏好，智能化為學生進行學習內容的個體化推送[12]。綜上所述，AI為臨床醫生提供了更高的效率或成本效益，臨床醫生為AI提供其學習復雜臨床病例管理所需的基本臨床數據[14]。在教育干預中使用AI雖然有希望，但也面臨著一定的挑戰。要全面有效地實現基于AI的教學模型，建立針對不同學生的個性化教育干預策略[18]，需要實現以下幾方面：收集大量學生的學習數據，建立個性化數據檔案；建立醫師專業知識與AI技術的深度交叉；不斷更新和擴大現有知識庫；讓臨床醫生和學生共同參與一個旨在優化教學效果的系統。此外，當前面臨的其他挑戰還包括技術、哲學和倫理困境，以及圍繞用戶數據安全和隱私的問題，甚至法律障礙等[13，19]。需要進一步努力，促進人工智能在醫學教學領域的快速、有效應用。

作者:袁濤 趙維綱 單位:中國醫學科學院