人工智能在急诊危重症教学中的应用体会

沈艳，李伟，王艳，黄中伟

（1.南通大学附属医院 急诊医学科，江苏 南通 226001；2.台橡〔南通〕实业有限公司，江苏 南通 226004）

1955年麦卡锡首次提出了人工智能（Artificial Intelligence,AI）的概念。受硬件条件限制，当时AI仍处于“推理”时代，远远达不到智能化的水平。随着20世纪90年代计算机的发展、信息技术的创新，大数据和信息化成为全球发展的特征，并不断渗透社会生活的方方面面。同时，AI在生命科学领域的应用，大大改变了人们对传统医疗行业的认知，也对医学生的成长和培养产生了深远的影响。借助数据大爆炸和信息高度产业化的发展，作为终身教育的代表学科之一，医学教育必将发生革命性改变。本文通过应用AI的数据及信息处理技术，阐述其在急诊危重症教学及科研应用中的体会。

一、医学教育的特点与发展趋势

医学教育的核心内容和目标是培养兼具医学思维和道德修养的医学人才。从医学思维角度而言，传统的医学教育学科设置单一，或按解剖系统划分，或按临床应用归类，限制了医学生对知识的融会贯通，成为医学生向医生角色转变的最大障碍。随着信息时代的快速发展，医学知识的深度和广度已不可同日而语，医学与其他学科的交叉和紧密结合，更是对医学教育提出了更新、更高的挑战。为了培养医学生更为灵活、缜密的临床思维，在传统的课堂理论授课（Lecture-based learning,LBL）模式的基础上，新的教学模式改革已成为医学教育者工作的重要部分。在探索的过程中，多种教学模式的推广应用也取得了一定的效果，如以问题为基础的教学模式（Problem-based learning,PBL）、基于案例教学法（Case-based learning,CBL）、以团队为基础的学习模式（Team-based learning,TBL）、研究型教学模式（Research-based learning,RBL）、翻转课堂教学模式（Flipped class model,FCM）等，而建立在计算机发展和无线通信基础上的移动学习和模拟教学，更是受到广大医学生的普遍欢迎。随着计算机工程师和医学领域的广泛合作，通过信息平台和数据库的建立，将大大推进移动式、交互式学习，也为终身学习的延续奠定基础。

二、人工智能在医学教育领域的应用现状

近年来，AI在提供疾病诊断、治疗决策方面显示出了突出的优势。基于影像、超声、病理的大数据分析，AI不仅具有较高的诊断准确性和诊断效率，还提供了精准化、个体化的治疗方案。此外，AI在慢性疾病的管理中，可以大大节约人力成本，减少经费支出。在医学教育领域，AI的应用主要在两个方面：一是提供虚拟化的学习平台；二是社交网络的互助平台。虚拟化的AI程序，以“Watson”计算机系统、DxR Clinician人工智能系统为代表，可避免内容枯燥、模式单一的教学内容，为医学生提供良好的模拟学习环境和实训案例，提高了即时应变能力，增加了实践参与机会，大大提高了教学的趣味性和有效性，鼓励医学生对新知识、新技能的探索。社交网络平台以“丁香园论坛”为代表，为医学人士提供了开放的交流学习平台，随着多媒体技术的发展，更多的专业人士从医院、专业协会、电视、纸质媒体涌现出来，通过各种公众号、自媒体平台普及专业知识，从多层次、多角度吸引了医学生的参与，按需汲取专业知识，弥补传统医学教育方式的短缺。近年来，得益于互联网、机器学习算法的普及，更为医学生高效获取知识、过滤垃圾内容，提供了更高水平的技术支持。如Brainly平台，可根据每个医学生的自身情况，制定个性化的学习课程，这种基于个体学习曲线的网络化学习模式，将为今后的医学继续教育提供更多参考。

三、人工智能在急诊危重症云平台中的应用实践

（一）人工智能在教学数据库中的应用

在既往教学改革的过程中，急诊医学科教研室发现，受急诊重症教学本身复杂性和特殊性的影响，为了更快适应急诊危重症的特殊环境和特殊人群，必须对医学生进行针对性强化训练。因此，在通过急门诊日志、住院His系统、重症管理系统、PACS影像系统、微生物检测与管理系统、病理信息与管理系统、药物检测与管理系统等多个医疗机构管理系统的数据进行标准化语言和结构化设计处理后，借助文献系统、数据库、数据处理功能模块实现数据的存储、整合，可建立用于教学的急诊危重症信息管理数据库。用户通过界面的服务申请，实现数据库的访问和读取。因此，借助于高性能服务器集群的稳定、高效处理能力，医学生利用数据库内的临床案例实现反复模拟诊断思维、分诊诊疗的训练，可为实际临床工作提供大量的实践预演。通过数据库的应用，普遍提高了医学生对常见急诊、危重症疾病的甄别、处理响应的快速性和分诊收治的准确性。

根据教研室既往的教学改革经验，基于临床信息所提取的数据进行分类、清洗、提取和挖掘后建立的急诊重症信息管理云平台，可允许医学生通过用户界面进行访问，与传统的课堂、见习、实习等方式的教学相比，具有针对性强、高效性和灵活性的特点。可通过大量现实的临床案例为基础的数据库信息，实现反复多次、个体化的学习、模拟强化训练，同时可将学习过程的数据上传、反馈给医学教育者，帮助教学工作者针对性制定学生下一步的学习计划，有利于医学生提高学习效率，实现真正意义上的个体化、针对性教学，提高教学的质量。此外，通过人工智能技术实现的预警评估系统，有利于作为临床带教老师工作的有力补充，帮助初上临床的医学生更快实现对患者预后相关的关键预警信息的把握，在实际临床工作中更迅速应对可能的突发情况，辨别可疑的急危重患者，减少和避免因为临床经验不足导致的医疗疏漏和差错。

（二）人工智能在科研数据库中建立的初步实践

临床医疗数据不仅可为日常的诊疗工作提供参考和借鉴，同时也为开展临床研究、造福更多的患者人群提供了丰富的信息来源。传统的科研数据库建立往往需要借助多人手工录入的方式，不仅工作效率低下，还可能存在录入错误、数据丢失的风险，也不利于不同专科、医院之间的数据共享。随着医院管理系统电子信息化的推广，AI为科研数据库的建立提供了高效、可靠的保障，也为数据的交流共享提供了硬件的支持。具体事宜由课题负责人统筹规划，科研数据库的电子表设计、流程设置、数据审核、质控管理、结果输出和统计分析由管理员负责。初步实践分为以下步骤：（1）根据课题内容设计标准化的电子表格，全面涵盖研究对象的数据信息，包括基线资料、化验结果、检查结果、ICD-10诊断、药物、操作和手术、特殊治疗、临床事件和转归等；（2）构建医疗信息系统内标准化的专业术语、规范的单位和统一的格式。通过AI强大的功能，筛选符合研究对象标准的临床病例，并通过后台设置特定的功能模块与院内的信息管理系统搭建信息桥梁，实现数据的抓取和导入；（3）根据课题研究的年限跨度，设置时间截点，对数据进行分节段汇总、审核、编辑和备份，对缺失数据进行原因分析，并有针对性调整入组对象的筛选条件。AI的强大功能解放了科研工作者人工录入数据的尴尬境地，也为多学科、多中心合作的临床研究奠定了数据共享的基础。

此外，现代医学中涉及的大量图像、影像的视频资料和海量基因蛋白质代谢组学的数据，通过传统方法不能实现存储时，可通过AI达到自动化扫描和精准录入，给科研工作带来革命性的突破。

四、人工智能在医学教学方面存在的挑战

尽管AI在医学教育领域带来了诸多开创性突破，但是鉴于信息管理和硬件维护，AI在医学教育方面的推广仍存在诸多挑战。

（一）医学数据的安全性

信息化社会最大的隐患就是安全。基于患者的隐私保护，AI应用过程中的信息和数据安全需要高度重视。因此，在AI应用的初始阶段，无论是数据的提取、存储还是交互应用过程中，均需设置安全权限和数据保护，否则任何泄露或修改都可能对患者的诊断和治疗造成不良的后果。数据的安全性还包括接受学习的医学生，在通过AI构建的虚拟学习平台或网络交互平台时，个人信息安全也是不容忽视的。这需要医学教育者和计算机工程师在数据库开发的初期即有明确的界定。

（二）人工智能本身的技术瓶颈

以医学生培养为导向，结合信息社会发展的时代特征，国家在大力推动互联网、AI和医学教育与时俱进，组织医学院校组织医学教育者、医学专家和计算机工程师开展了广泛的交流，通过获取真实数据，促进适宜的医学教育智能软件的开发和应用。但是，如何将三方的需求和专业取得最大化融合，是AI转化、实施的最大技术瓶颈。跨学科的合作需依赖三方的充分对接、沟通和协作，需要耗费大量的精力不断磨合。

五、人工智能在医学教育方面的局限性

尽管AI减少了低效率、重复性工作，总结前人的临床经验和教训，针对性地强化训练，并制定个性化的学习课程和形式，大大提高了学习成效，尤其是提高了医学生的临床实践和应变能力。但是，正如本文所述，医学教育的核心内容除了医学思维之外，道德修养的培养也是极其重要的组成部分。这种涉及人文、精神层面的素质培养，包括医患沟通、医医协作、医护配合、医技交流等多种复杂人际关系的处理，远远不是AI所能模拟和替代的。尤其是受医疗技术的局限性，面对现阶段无法治愈的顽疾时，“to relieve often,to comfort always”是每个医学生都会碰到的困惑和难题，这必须凭借强大的内心、得体的语言艺术和对未知孜孜不倦的探索，才能给予患者人文关怀，实现医者敬畏生命的自我实现。

图1 人工智能在急诊危重症教学中应用的示意

此外，AI的模式化训练容易造成思维定式，使医学生过度发散诊断思维，而忽略自身最基本的主观能动性。临床医生之所以称之为“临床”，在于医生要走到患者床边去，与患者近距离的观察和交流，患者每个细微的表情、神态、体位，甚至是眼神、步态、肤色、体味都是医生不能忽略的诊断线索。从理论知识中来，回到临床实践中去，如此循环往复，才是真正的学习方法。从这点上来说，AI仅仅是一种学习的工具或媒介，而不是全部。

医学教育者应与时俱进，充分发挥人工智能的助力作用，共享信息时代的数据资源，实现教学和科研的双重智慧教育。医学生应充分利用网络信息高度发展带来的优质教育资源，在传统教育的基础上，结合自身的特点，加强针对性训练，同时借助于人工智能在科研数据库中的应用，助力临床科研，实现临床数据宝藏的挖掘。因此，结合现阶段医学人才培养的要求，如何平衡“医学生—人工智能—医学教育者”三者之间的关系，将是教育者未来需要思考的课题。