人工智能在研究生腰椎穿刺术考核中的应用

doi:10.3969/j.issn.2096-045X.2024.05.007

医学教育管理 ›› 2024, Vol. 10 ›› Issue (5): 545-550.doi: 10.3969/j.issn.2096-045X.2024.05.007

人工智能在研究生腰椎穿刺术考核中的应用

王雪梅¹，陈仲略²，蒋莹¹，柳竹¹，冯涛^1*

1.首都医科大学附属北京天坛医院神经病学中心运动障碍性疾病科，北京 100070； 2.深圳市臻络科技有限公司，深圳 518000

收稿日期:2024-02-26 出版日期:2024-10-20 发布日期:2024-11-08
通讯作者: 冯涛 E-mail:happyft@sina.com
基金资助:
1. 首都医科大学2022教育教学改革研究课题项目：人工智能技术在神经病学研究生腰椎穿刺考核中的探索（2022JYY229）；2. 国家自然科学基金项目：通过外周神经调控对PD震颤脑能量活动的体感反馈机制研究（82271459），3. 国家自然科学基金项目：帕金森病姿势性震颤的神经振荡机制研究（82071422）

Application of artificial intelligence technology in assisting lumbar puncture examination for postgraduate students

Wang Xuemei¹, Chen Zhonglue², Jiang Ying¹, Liu Zhu¹, Feng Tao^1*

1. Center for Movement Disorders, Department of Neurology, Beijing Tiantan Hospital, Capital Medical University, Beijing 100070, China; 2. GYENNO SCIENCE CO., LTD. Shenzhen 518000, China

Received:2024-02-26 Online:2024-10-20 Published:2024-11-08

摘要/Abstract

摘要： 目的　探讨人工智能（artificial intelligence，AI）在神经病学研究生腰椎穿刺术考核中的应用。方法　将腰椎穿刺评分细化归类为机器可深入学习的语音类、场景监控类及动作评估类评分，在既往研究工作的基础上建立音频算法模块、监控算法模块以及动作评估算法模块，并对79名神经病学三年级专业型硕士研究生的腰椎穿刺术考核分别进行AI评分和考官评分，比较AI评分与考官评分的差异。结果　在语音类评分上AI评分明显低于考官评分［（52.86±3.25）分 vs.（54.32±2.65）分，P＜0.05］，在场景监控类以及动作评估类评分上AI评分与考官评分差异无统计学意义［（11.24±0.55）分 vs.（11.15±0.62）分，P＞0.05；（28.09±11.37）分 vs.（28.34±1.21）分，P＞0.05］。结论　AI技术在研究生腰椎穿刺术操作考核中的应用具有客观性、可行性，但仍需逐渐迭代优化机器AI评分系统的性能。

关键词: 人工智能, 医学教育, 课程考核

Abstract: Objective　To explore the application of artificial intelligence (AI) in the examination of lumbar puncture for postgraduate students in neurology.Methods　The lumbar puncture scores were further classified into speech, scene monitoring and motion evaluation, and they would be learned by the machine. Based on previous research, audio algorithm module, monitoring algorithm module and motion evaluation algorithm module are established. AI scores of lumbar puncture examination were compared with examiners' scores for 79 postgraduate students in neurology. Results　AI scores were significantly lower than examiners' scores in speech score (52.86±3.25 points vs. 54.32±2.65 points, P＜0.05), while there was no significant difference between AI and examiners' scores in scene monitoring and motion evaluation (11.24±0.55 points vs. 11.15±0.62 points, P＞0.05; 28.09±11.37 points vs. 28.34±1.21 points, P＞0.05).Conclusion　The application of AI technology in the evaluation of lumbar puncture operation of postgraduate students is objective and feasible, but the performance of the machine AI scoring system needs to be gradually iteratively optimized.

Key words: artificial intelligence, medical education, course assessment

中图分类号:

R4
G643

王雪梅, 陈仲略, 蒋莹, 柳竹, 冯涛. 人工智能在研究生腰椎穿刺术考核中的应用[J]. 医学教育管理, 2024, 10(5): 545-550.

Wang Xuemei, Chen Zhonglue, Jiang Ying, Liu Zhu, Feng Tao. Application of artificial intelligence technology in assisting lumbar puncture examination for postgraduate students[J]. Medical Education Management, 2024, 10(5): 545-550.

参考文献

［1］ Nagi F， Salih R， Alzubaidi M， et al. Applications of artificial intelligence （AI） in medical education： a scoping review［J］. Stud Health Technol Inform， 2023， 305： 648-651.
［2］ Masters K. Artificial intelligence in medical education［J］. Med Teach， 2019， 41（9）： 976-980.
［3］ Lee J H，Wu A S，Li D， et al. Artificial intelligence in undergraduate medical education： a scoping review［J］. Acad Med， 2021， 96（11S）： S62-S70.
［4］杨皓钧，陈焯辉，胡鑫航，等. 神经病学全网络教学模式建设的初步探索［J］. 中国继续医学教育， 2021， 13（15）： 1-5.
［5］艾飞艳，刘芬，田力，等. 人工智能在诊断学教学中的应用［J］. 中国继续医学教育， 2021， 13（22）： 94-97.
［6］张晓彤，徐凯峰. 人工智能在呼吸内科教学中的应用［J］. 基础医学与临床， 2023， 43（8）： 1330-1333.
［7］ Hu P， Zhou H Z， Yan T F， et al. Deep learning-assisted identification and quantification of aneurysmal subarachnoid hemorrhage in non-contrast CT scans： Development and external validation of Hybrid 2D/3D UNet［J］. Neuroimage， 2023， 279： 120321.
［8］王登芹，刘冰，李万斌，等. 诊断学实验教学的改革与实践［J］. 医学理论与实践， 2020， 33（8）： 1368-1369.
［9］钟敏，胡燕，程茜，等. 人工智能在医学教育中的应用现状与思考［J］. 中国继续医学教育， 2020， 12（18）： 79-81.
［10］蒋伟，马海涛，郑鸿，等. 人工智能在研究生外科教学中的应用探索［J］. 中国继续医学教育， 2022， 14（1）： 152-155.
［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（3）： 46-48.
［12］张培东，庞丽敏，吴宏超，等. 后后疫情时代的新医科教育解析——新机遇下的未来医学［J］. 医学教育研究与实践， 2021， 29（4）： 493-498.
［13］封纯，吕萍萍，金敏. 基于文献计量学的虚拟现实和人工智能在医学教育中的应用［J］. 医学教育研究与实践， 2023， 31（3）： 278-287.
［14］袁欢欢，全祉悦，林祎，等. 当医学课程考核遇上生成式人工智能：价值、挑战与未来展望［J］. 中国医学教育技术， 2023， 37（3）： 254-259.
［15］ Chan K S， Zary N. Applications and challenges of implementing artificial intelligence in medical education：integrative review［J］.JMIR Med Educ， 2019， 5（1）： e13930.

[1]	刘靓, 许大鹏. 诗教美育在医学教育中的价值功能[J]. 医学教育管理, 2024, 10(3): 275-279.
[2]	严治, 吉训明. 以新医科带动医学教育体系的创新——以首都医科大学为例[J]. 医学教育管理, 2024, 10(2): 234-239.
[3]	刘鹏, 黄金兰, 余玲, 冯高飞, 杨晓霖. 医学人文视域下中医临床实习生叙事医学育人模式探讨[J]. 医学教育管理, 2024, 10(1): 24-30.
[4]	吴芳, 苏壮志, 孙峥, 杜祥颖, 卢洁. 人工智能辅助教学在医学影像规范化培训中的应用及探索[J]. 医学教育管理, 2023, 9(6): 746-751.
[5]	武艳, 朱淼, 郭蕊, 马凌, 吴萍, 朱庆双, 吴浩, 路孝琴, 陈瑞, 刘均娥, 王伽伯, 杨红, 赵国光, 卢洁, 吴英锋, 雷丽萍, 王宇童, 廖新生, 王松灵. 加强顶层设计培养不同类型临床医学人才的探索与实践[J]. 医学教育管理, 2023, 9(1): 1-7.
[6]	刁渴珂, 单岩, 黄艺嘉, 张延军, 李雪, 王红. 人工智能在医学教育应用中的伦理学问题分析[J]. 医学教育管理, 2023, 9(1): 122-126.
[7]	吴昊, 韩叶. 医学教育中文化能力培养的研究现状及发展趋势——基于CiteSpace的可视化分析[J]. 医学教育管理, 2022, 8(5): 580-588.
[8]	尹惠茹, 张金勇, 信永恒, 李闺臣, 张雪妍, 田慧敏, 陈立. 后疫情时代医学生积极心理品质培育探析[J]. 医学教育管理, 2022, 8(5): 632-635,640.
[9]	吴他凡, 李建华, 赵醒村, 殷子寓, 冉丕鑫. “南山精神”引领卓越医学人才培养探索——以广州医科大学为例[J]. 医学教育管理, 2021, 7(5): 469-475.
[10]	林爱华, 李建华, 曾王兴, 张驰腾, 张辉, 赵醒村. 以“南山精神”为引领的医学人文素质教育探索与实践[J]. 医学教育管理, 2021, 7(5): 476-480.
[11]	车娜, 褚旭霞, 李颖, 赵惠康, 魏春岚, 靳令经. 疫情期间线上教学满意度调研与考试成绩影响因素分析及对策[J]. 医学教育管理, 2021, 7(5): 501-506.
[12]	薛晚利, 张晓田, 姚璐, 吕海侠. 融入医学人文的PBL课程思政实践与思[J]. 医学教育管理, 2021, 7(5): 528-532.
[13]	武艳, 赵颖, 谢千池, 吴萍, 雷丽萍, 朱淼, 赵丽莉, 朱庆双, 路孝琴, 王松灵. 我国高等医学院校医学人才培养体制现状调查与分析[J]. 医学教育管理, 2021, 7(2): 196-200.
[14]	余佯洋, 廖伟聪, 赵振富, 李盟, 温俊渠, 肖向东, 王子梅. 课程思政视域下医学人文教育的途径与尝试[J]. 医学教育管理, 2021, 7(1): 16-20.
[15]	李燕, 柳海军, 刘璐, 李雅麒, 刘志宏. “新医科”背景下医学院校教师课程思政能力提升探析——以宁夏医科大学为例 [J]. 医学教育管理, 2020, 6(6): 527-531.

人工智能在研究生腰椎穿刺术考核中的应用

Application of artificial intelligence technology in assisting lumbar puncture examination for postgraduate students

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics

本文评价