返回

医学人工智能通识课程的效果评估

阅读量：10436
DOI：10.3978/j.issn.1000-4432.2022.03.08
发布日期：2021-07-16
作者：
项毅帆 ,梁凌毅 ,周毅 ,杨扬帆 ,蔡敬衡 ,刘臻臻 ,郑伟诗 ,王瑞轩 ,金陈进 ,黄凯 ,陈睛晶 ,赵兰琴 ,杨华胜 ,云东源 ,吴晓航 ,肖钧 ,迟玮 ,张雄泽 ,林桢哲 ,赖伟翊 ,邹玉仙 ,花建林 ,许可正 ,郑丹莹 ,林浩添
展开更多

关键词

医学教育
眼科
人工智能
通识课程

摘要

目的：分析医学人工智能通识课程“眼科人工智能的研发与应用”的开展效果，为相关医学人工智能通识课程的开展提供参考和借鉴。方法：纵向观察性研究。观察分析2020年秋季学期眼科人工智能的研发与应用通识课程学生人群，课程考核结果以及学生对课程的整体评价。结果：共有118名本科生同学参与了课程学习。其中大部分为低年级临床医学专业本科生。期中考核得分为77.21±10.07，有56位同学(47.46%)达到80分以上。期末考核得分为82.24±6.77，有91位同学(77.12%)达到80分以上。同学对课程的评分为98.76±3.55，超过90%的同学表示课程备课认真、授课条理清晰、表达准确。结论：本课程的顺利进展证明医学人工智能联合教学模式的可行性，理论和实践穿插的教学设置帮助同学们更好地掌握知识技术，完成教学目标。

全文

    2018年4月，国家教育部发布了《高等学校人工智能创新行动计划》，大力支持高校设置人工智能学科方向，推动人工智能领域一级学科建设，全面形成“人工智能+X”复合专业培养新模式，建立我国人工智能人才高地[1]。2020年9月，国务院再次发文明确了《国务院办公厅关于加快医学教育创新发展的指导意见》，明确加快高层次复合型医学人才培养，推进“医学+X”多学科背景培养模式，促进医工、医理、医文学科交叉融合，推动我国培养具有国际视野的高层次创新医学人才[2]。
    “人工智能+医学”，作为近年来迅速发展并具有广阔应用前景的方向，是人工智能领域的重要发展部分[3-4]。响应国家的行动计划与指导意见的号召，在高等教育阶段实行医学人工智能专业人才培养，可作为源动力推动学科发展与转化应用[5]。因此，在高等教育阶段进行医学人工智能学科建设，针对本科生开展医学人工智能教育，明确其学科特点并进行分支学科体系构建，对于医学人工智能教育培养体系的建立和完善，具有重大而深远的意义[6-7]。
    如今，医学本科生的课程中还缺乏相应的人工智能技术知识内容，缺乏在人工智能研究领域的技能培养和能力锻炼。本项目以医学人工智能发展的优势学科眼科为切入点，通过整合医学本科生眼科知识教育和人工智能专业技术培养，发挥中山大学及华为技术有限公司双方分别在医学研究和人工智能领域的优势，形成专业互补，开展面向本科生的眼科人工智能通识课程，培养具有一定人工智能知识贮备的医学生，促进医学人工智能研究相关知识技术的普及，辅助推动医学人工智能的研究进程。

1 资料与方法

1.1 眼科人工智能通识课程内容

    该课程以“眼科人工智能的研发与应用”为主题，结合中山大学的眼科专业和人工智能专业教育平台，及华为技术有限公司的技术资源，发挥多学科背景教师队伍的专业优势，开展眼科人工智能的研发与应用通识教育。课程主要内容包括眼部解剖结构、多种眼病的临床诊疗等眼科基础知识以及医学人工智能研究技术、项目开展流程、智能系统应用评估等智能研发实践步骤。课程覆盖了基础知识、实践操作、临床应用评估的全周期，采用理论和实践课程相互穿插的教学模式，帮助同学全面培养医学人工智能研究的技术能力和研发思维。
    该课程以医学专业本科生掌握人工智能研究的基础知识、学习人工智能技术、培养医学人工智能科研能力为教学目标，以理论课程为切入点，将眼病诊疗、临床数据、人工智能相关知识纳入课堂，提升学生的医学人工智能理论基础；以实践课程为提升，通过对人工智能技术的实际应用和医学人工智能项目，培养医学生独立开展医学人工智能研究的能力。鼓励学生运用人工智能技术解决临床工作中的技术难题和医疗困境，为改善医疗环境、提高医疗资源服务效率提供新方向。

1.2 眼科人工智能通识课程实践平台

    华为技术有限公司为课程提供专业的实训计算平台和计算资源，华为Modelarts平台拥有全栈全场景医学人工智能教学架构，可提供数据处理、算法开发、模型训练、系统部署的一站式服务，可有效解决学生学习和开展医学人工智能研究过程中存在的设备缺乏、无法进行实践操作的资源瓶颈。通过给每位学生分配独立的账户，附带相应的计算资源和人工智能技术使用工具，保证每位学生都能随时随地顺利开展医学人工智能项目实践，完成相应课程任务。
    教师可以在平台上进行理论和实践在线教学，目前支持数据处理、计算机图像处理、语音处理、自然语言处理等多种人工智能常用技术的理论和实践教学。学生可以跟着教师讲课内容和教学视频，同步进行知识点学习和实践操作，在自主实践过程中可以同步上传代码和结果等数据文件，完成实操后可以即时保存实验报告。平台通过跟踪记录学生的学习过程，用可视化图表的方式，展示直观、个性化的教学结果。方便教师了解和跟踪每位学生的学习任务完成和技术掌握情况，给予学生针对性的学习指导和评价反馈。

1.3 眼科人工智能通识课程考核

    期中考核为3大主题(眼科人工智能、眼睛与大脑、眼睛与其他器官疾病)任选其一展开综述。期末考核为实践课内容(基于眼底图像的视力预测、多种眼表疾病的人工智能诊断、白内障的人工智能诊断与分级、眼底疾病的人工智能诊断与治疗)任选其一完成实验报告。期中和期末考核作业由课程老师组成的评阅专家组，根据课程大纲进行统一审阅、评分和复核。学生在课程结束后填写课程教学质量调查问卷以对教学内容进行评估和打分。

1.4 统计学处理

    使用SPSS 22.0统计软件进行数据分析。对上课学生的专业、年级、考核成绩及学生对课程的整体评价进行描述性统计。正态分布计量资料采用均数±标准差(x±s)表示。

2 结果

    2020年秋季学期，面向中山大学医学类本科生开设“眼科人工智能的研发与应用”通识课程。于开课前确定课程教学大纲，教学大纲包括课程理论教学和实践教学两部分内容，明确了掌握、熟悉、了解3大知识板块，并根据教学大纲确定了相应的教学课程，包括知识教学、技术操作、应用评估等理论和实践课程，共18次课，36学时。共有118名学生接受了课程的学习。其中临床医学专业110人，占比93.22%；法医学专业1人，占比0.85%；基础医学专业2人，占比1.69%；口腔医学专业2人，占比1.69%；护理学专业3人，占比2.54%。17级学生1人，18级学生8人，19级学生109人，分别占比0.85%、6.78%、92.37%。
    期中考核得分为77.21±10.07(图1)，1人(0.85%)低于60分，主要原因为内容偏题。有56位同学(47.46%)达到80分以上，其中3位同学因逻辑清晰和内容全面获得95分及以上。期末考核得分为82.24±6.77，所有同学都在60分以上(图1)。有91位同学(77.12%)的实验报告内容完整、条理清晰，达到80分以上，其中8位同学因实验报告的代码优化和实验结果优秀获得95分以上。
20230210153903_0357.png
图1 期中考核与期末考核分数分布图
Figure 1 The distributions of scores in midterm and final examinations

 20230210154045_1561.png
图2 学生对课程评价结果分布图
Figure 2 The distributions of students’ evaluation results of the curriculum

    学生在课程结束后给课程进行评分，超过90%的同学表示课程备课认真、授课条理清晰、表达准确，接近90%的同学表示授课内容重点突出。同学对课程的评分为98.76±3.55，112位同学(94.92%)打分在95分以上(图2)。部分同学表示希望老师可以多介绍一些眼科人工智能的研究案例、眼科人工智能研究的思路来源和具体开展流程，帮助同学们更好地掌握医学人工智能的研究方法。

3 讨论

    本研究以眼科人工智能的研发与应用通识课程为切入点，观察分析医学人工智能课程的学生人群，课程考核结果及学生对课程的整体评价。国内首次开课并分析了医学人工智能交叉学科课程开设的可行性和教学有效性，为其他医学专科人工智能课程的开展提供了经验借鉴和模式支持，对于培养具有一定人工智能知识贮备的医学生、促进学生掌握医学人工智能研究知识和技术、辅助推动医学人工智能的研究进程具有重要意义。
    医学人工智能领域是当前医学发展最重要的分支之一，该板块的不断积淀和扩大对于医疗服务模式的改革和服务质量的改善具有极大的促进作用，为高可及性、有效性、个性化的医疗发展提供了坚实的技术基础和发展潜能[8-10]。本课程的设立顺应了大数据智能时代背景的发展潮流，带领学生了解医学人工智能的发展趋势，在帮助学生掌握医学人工智能技术方法、实现教学有效性的课程目标时，也带领学生们着眼于社会的发展和医疗的进步，立足于临床工作的当下需求，树立时代大局观念和社会主义核心价值观，培养心系社会，关注“大家”的医学情怀和工作使命感[11-12]。
    既往医学专业和人工智能专业课程以理论授课为基本教学模式，教学中以穿插问题导向学习(problem based learning，PBL)[13-14]、团队导向学习(team based learning，TBL)[15-16]为教学创新模式，引导学生们更好的合作学习，培养其自主思考、主动学习的能力，达到熟悉和掌握知识的教学目的。本研究的教学课程，在结合医学和人工智能专业知识课程的基础上，进一步整合了PBL、TBL教学模式，引导学生们用人工智能技术解决医学问题，通过集体合作讨论，明确问题解决的切入点，解决问题的方法步骤等，既可了解医学背景，掌握临床诊疗知识，也学习并实践了人工智能技术，达到了一举多得的教学有效性的目标。本课程以医教研一体化为创新教学模式，改变从理论到理论、从研究到研究、从技术到技术的传统单维度的被动教学状态[17]。
本课程的期中期末考核分别为自选命题的综述和实验报告，改变了传统的基于知识点的考试形式，给学生们自由选择相关感兴趣的命题及自主发挥的空间。期中综述的撰写可以保证同学对课程知识背景的大量阅读和积累，在个人理解的基础上转化为文字工作，并提出未来可能的研究和发展方向，培养了学生自主查阅文献、学习归纳、思考并提问的能力[18-19]。期末实验报告的完成，同学们也可以自行选择主题，并提供完善优化的代码，通过不断调试和测验，获得最理想的实验结果并记录。同学们在独立完成实验内容的过程中，应用人工智能技术，自行解决了医疗问题，培养了其独立开展医学人工智能研究的能力，达到了学以致用的教学目的。
    本研究首次成功实践了医学人工智能教学模式，建立了医学+人工智能、理论教学+实践教学、团队学习+自主学习的多形式多模态的创新型学科教学和学习模式，并成功实现教学目标。本研究为后续医学人工智能课程的开展、普及、优化提供了理论成果和实践经验，并有望推动医学人工智能研究的大范围普及和多学科发展。

开放获取声明

    本文适用于知识共享许可协议 (Creative Commons)，允许第三方用户按照署名(BY)-非商业性使用(NC)-禁止演绎(ND)(CC BY-NC-ND)的方式共享，即允许第三方对本刊发表的文章进行复制、发行、展览、表演、放映、广播或通过信息网络向公众传播，但在这些过程中必须保留作者署名、仅限于非商业性目的、不得进行演绎创作。详情请访问：https://creativecommons.org/licenses/by-nc-nd/4.0/。

基金

1. 国家重点研发计划项目(2018YFC0116500)
2. 中山大学“一院一课”项目[教务(2019)285号]
3. 本科教学质量工程项目[教务(2021)93号]。This work was supported by the National Key R&D Program (2018YFC0116500)
4. 
5. 国家重点研发计划项目 (2018YFC0116500)；中山大学“一院一课”项目 [ 教务 (2019)285 号 ]；本科教学质量工程项目 [ 教务 (2021)93 号 ]。This work was supported by the National Key R&D Program (2018YFC0116500); “One College One Class” Project of Sun Yat-sen University [(2019) No. 285]; Undergraduate Teaching Quality Engineering Project [(2021) No. 93], China.

参考文献

1. 中华人民共和国教育部. 高等学校人工智能创新行动计划[EB/OL]. [2018-04-03]. http://www.moe.gov.cn/srcsite/A16/s7062/201804/t20180410_332722.html.
2.  Action Plan for Artificial Intelligence Innovation in Colleges and Universities[EB/OL]. [2018-04-03]. http://www.moe.gov.cn/srcsite/A16/s7062/201804/t20180410_332722.html.
3. 国务院办公厅. 国务院办公厅关于加快医学教育创新发展的指导意见[EB/OL]. [2020-09-23]. http://www.gov.cn/zhengce/content/2020-09/23/content_5546373.htm?trs=1.
4.  Guiding Opinions of the General Office of the State Council on Accelerating the Innovative Development of Medical Education[EB/OL]. [2020-09-23]. http://www.gov.cn/zhengce/content/2020-09/23/content_5546373.htm?trs=1.
5. Xiang Y, Zhao L, Liu Z, et al. Implementation of artificial intelligence in medicine: Status analysis and development suggestions[J]. Artif Intell Med, 2020, 102: 101780.
6. Topol EJ. High-performance medicine: the convergence of human and artificial intelligence[J]. Nat Med, 2019, 25(1): 44-56.
7. 习近平:加强人工智能在教育医疗住房等领域深度应用[J]. 医学信息学杂志, 2018(11): 95.
8.  Journal of Medical Informatics, 2018(11): 95.
9. 应明真, 刘夙璇, 陈晰辉, 等. 变革中的医学教育——从信息时代到人工智能[J]. 医学教育研究与实践, 2018, 26(5): 721-723.
10.  Reforming medical education-from the age of information to the age of artificial intelligence[J]. Medical Education Research and Practice, 2018, 26(5): 721-723.
11. 王梦溪, 王娜, 张欣多, 等. 人工智能医学教学平台的构建[J]. 中国高等医学教育, 2020, 279(3):53-55.
12.  Theoretical development of AI medical education platform[J]. Higher Medical Education in China, 2020, 279(3): 53-55.
13. Mervis J. U.S. law sets stage for boost to artificial intelligence research[J]. Science, 2021, 371(6525): 112-113.
14. Bi WL, Hosny A, Schabath MB, et al. Artificial intelligence in cancer imaging: Clinical challenges and applications[J]. CA Cancer J Clin, 2019, 69(2): 127-157.
15. Bera K, Schalper KA, Rimm DL, et al. Artificial intelligence in digital pathology - new tools for diagnosis and precision oncology[J]. Nat Rev Clin Oncol, 2019, 16(11): 703-715.
16. 成洪波. 充分发挥高校思想政治教育协同育人力量[J]. 中国高等教育, 2020(5):35-37.
17.  Giving full play to the collaborative force of ideological and political education in colleges and universities[J]. China Higher Education, 2020(5): 35-37.
18. 杨云莉, 刘立义. \课程思政\背景下的医学生思想政治教育[J]. 临床医药文献电子杂志, 2020, 7(24): 186.
19.  Ideological and political education of medical students under the background of \curriculum politics\[J]. Electronic Journal of Clinical Medical Literature, 2020, 7(24): 186.
20. Barrows HS. Problem-based learning in medicine and beyond: A brief overview[J]. New Directions for Teaching and Learning, 1996, 1996(68): 3-12.
21. 台保军, 王革, 黄翠, 等. PBL教学模式的评价体系[J]. 口腔医学研究, 2007, 23(1): 112-113.
22.  Evaluation system of PBL teaching model[J]. Research on Stomatology, 2007, 23(1): 112-113.
23. Kendal-Wright C, Kasuya R. Team based learning: a potential addition to the JABSOM curriculum[J]. Hawaii Med J, 2010, 69(10): 247-248.
24. Michaelsen LK, Watson W, Cragin JP, et al. Team learning: a potential solution to the problems of large classes[J]. Journal of Management Education, 1982, 7(1):13-22.
25. 张艺凡, 王渊, 李文菲, 等. 医学教育领域基于问题学习研究的热点与趋势分析[J]. 中华医学教育杂志, 2020, 40(10): 757-761.
26.  Analysis of research hotspots and trends of problem-based learning in medical education[J]. Chinese Journal of Medical Education, 2020, 40(10): 757-761.
27. 黄文权, 邓弟超. 浅谈医学论文综述写作要点[J]. 中华医学写作杂志, 1997, 4(1): 19.
28.  Talking about the key points of medical paper review[J]. Chinese Journal of Medical Writing, 1997, 4(1): 19.
29. 徐克前, 彭剑雄, 罗建新, 等. 本科生开展综述写作的实践与探讨[J]. 中国现代医学杂志, 2004, 14 (11): 158-159.
30.  Practice and discussion of undergraduate review writing[J]. China Journal of Modern Medicine, 2004, 14 (11): 158-159.

施引文献

1. 黄凤兰,张铁辉.人工智能背景下医学教师的教学素养提升[J].医学教育研究与实践,2023,31(1):7-10.
2. 黄凤兰,张铁辉.人工智能背景下医学教师的教学素养提升[J].医学教育研究与实践,2023,31(01):7-10.DOI:10.13555/j.cnki.c.m.e.2023.01.002.

相关文章

董晓娟;邹玉仙;卓业鸿;刘奕志;梁凌毅,思政教育与临床医学本科眼科学专业课的融合和效果评估张佳晴;张博文;邹玉仙;卓业鸿;刘奕志;刘臻臻,临床医学八年制眼科学整合课程中思政教育的效果陈健祺;李睿扬;林铎儒;项毅帆;赖伟翊;林浩添,人工智能在眼病筛查和诊断中的研究进展