人工智能在超声心动图带教中的应用

【摘要】目的 研究探讨人工智能的作用，观察分析其在超声心动图带教中具体应用效果。方法：选取2023年10月31日～2024年10月31日期间，60名来院院UC实习生纳入本次研究范围，并随机将其均分为观察和对照两组，每组30名实习生。其中观察组学员实施人工智能辅助教学方法，并对两组学员的考核成绩和教学效果以及满意度等指标进行比较分析。结果：经对不同教学方法效果的比较，观察组学员的理论考核、实践操作和病历分析成绩，均显著高于对照组，且在学员的操作、应变、自主学习和团结协作等能力方面得到明显提升，同时，观察组学员的满意度也高于对照组。结论：人工智能在超声心动图带教中，可有效提高实习生理论和实操以及病历分析等方面的成绩，切实增强学员的综合能力和自身思维能力，效果良好，值得推广借鉴。

【关键词】超声心动图；带教；人工智能；应用

超声心动图是临床治疗中一种常用检查方法，目前被广泛应用先天性、冠状动脉粥样硬化性和瓣膜性等各类心脏疾病的诊断中[1-4]。超声心动图在检查中，需具备多元化切面，医护人员能否精准操作，直接影响医生的诊断和患者的后期康复[5-7]，超声心动图的科学培训和带教的作用愈发重要。对此，本文作者结合自己多年对超声心动图的带教经验，积极探讨引入人工智能辅助教学的路径和方法，并通过分组对比，进一步验证了人工智能辅助教学模式在超声心动图的带教中，具有重要的作用，取得了较好的研究成果，具体情况如下。

1资料与方法

1.1一般资料

本研究经院医学伦理委员会批准后，选取2023年10月31日～2024年10月31日期间，60名来院院UC实习生纳入本次研究范围，并随机将其均分为观察和对照两组，每组30名实习生。同时，严格制定了相关的标准和要求，其中，纳入标准为：⑴应届毕业生；⑵服从医院带教安排者；⑶ 资料真实并完整者；⑷能完成研究配合者。排除标准为：⑴非医学影像专业者；⑵患有心、肝等重要器官疾病者；⑶沟通难度较大者；⑷资料缺失者；⑸无法按时完成实习者；⑹中途退出研究者。具体资料情况详见表1。

表 1 实习生一般资料情况表

注：（p>0.05），分组资料具有可比性

1.2方法

1.2.1传统教学法

⑴学员入科；⑵带教老师实行集中授课；①介绍超声心动图理论知识；②一对一临床带教；③教师结合病例演示；④学员具体操作；⑤教师对不同表现特征，进行分类细致讲解。

1.2.人工智能辅助教学法

⑴选取人工智能辅助教学软件；⑵构建对应模型；⑶对超声心动图不同切面，如M型、二维进行识别；⑷了解各种征象，如心肌肥厚、心腔扩大、瓣膜反流、瓣膜狭窄、室壁运动异常、房室间隔分流等[8-12]；⑸熟悉人工智能软件自动测量（识别常见心血管疾病，如心肌梗死、高血压、瓣膜病、心肌病、先天性心脏病等）的相关参数；⑹使用人工智能软件助力实习生了解更多诊断知识[13-17]；⑺教师引导实习生进行自主阅片；⑻打开人工智能软件，对结节病灶、病变部位进行标记；⑼判断良性恶性程度；⑽做好笔记，思考并总结经验。

1.3观察指标

通过分组对比，观察分析两组学员的考核成绩以及综合能力和教学满意度等相关指标的变化情况。

1.4统计学方法

本研究所测得的所有数据指标，均采用SPSS20.0软件对数据进行统计分析，并以差异p<0.05，为有统计学意义。

2结果

2.1两组学员考核成绩比较情况，具体详见表2。

表2 两组学员考核成绩比较情况表（分，`x±s）

2.2两组学员实习前后综合能力评分比较情况，具体详见表3。

表3 两组学员实习前后综合能力评分比较情况表（分，`x±s）

2.3两组学员实习前后思维能力评分比较情况，具体详见表4。

表4 两组学员实习前后思维能力评分比较情况表（分，`x±s）

2.4两组学员教学效果比较情况，具体详见表5。

表5 两组学员教学效果比较情况表（分，`x±s）

2.5 两组学员教学满意度比较情况，具体详见表6。

表6 两组学员教学满意度比较情况表[n（%）]

3讨论

临床上，超声心动图一般需要培训时间较长[18-20]，如何实施有效的科学培训方法，一直是许多医疗教育者高度重视一个问题，本文作者结合自己多年对超声心动图的带教经验，高度关注人工智能发展的特点，积极探讨引入人工智能辅助教学的路径和方法，并通过分组对比，进一步验证了人工智能辅助教学模式在超声心动图的带教中，可显著提高学员的实操、应变和自主学习以及团结协作的能力，在带教方法上发挥了重要的作用。但本研究还存在研究时间较短等不足之处，还需进一步扩大研究样本量，探究更为科学的带教方案。

综上所述，在超声心动图的带教中，人工智能辅助教学能够显著提高学员的考核成绩等相关能力，有效提升教学效果教学满意度，值得推广借鉴。

参考文献

[1] 朱海萍，张其霞，汪伟伟，卢颖如，王晓蓉.微信联合CBL教学对重症医学科住院医师临床思维能力的探索[J].中国毕业后医学教育，2024，8（12）：936-939.

[2] 彭波.职业本科教育中道路施工课程融合工匠精神教学模式对学生创新能力的培养[J].中文科技期刊数据库（引文版）教育科学，2025（1）：138-142.

[3] 隆子康，仁龙，罗霖，包鹏，陈杨，袁家佳.基于人工智能的肝胆胰肿瘤早期诊断与筛查[J].肿瘤综合治疗电子杂志，2025，11（1）：21-25.

[4] 邱丙中，刘晓丽，管孝振.问题教学法在Photoshop图像处理课程中的应用研究[J].印刷杂志，2024（6）：58-60.

[5] 王铭多.新闻传播学田野调查人才培养的困境与路径[J].传媒，2025（1）：91-93.

[6] 的培养[J].中文科技期刊数据库（引文版）教育科学，2025（1）：138-142.

[7] 魏佳，江亚丽.跨学科学习培养创新精神的多样态路径[J].四川教育，2025（1）：39-41.

[8] 刘艳艳，李含音，李伟.新农科背景下化学与林学融合创新人才培养模式的探索与实践[J].中国科技期刊数据库 科研，2024（12）：080-083.

[9] 咸鹏，武迎宏，吴圣，刘潇，马丽君，任洁，蒋俭，曹洋.通过典型院感病历浅析临床医生的感控思维[J].中华医院感染学杂志，2025，35（2）：302-305.

[10] 丁香，董淑欣，王伟，吴成吉.基于“微课+情景式教学法”在临床医学专业实习生康复医学课程中的应用研究[J].中国卫生产业，2024，21（17）：24-26.

[11] 武强强，沈亮，陈响，乌兰，李小勇，程浩峰.新时代劳动育人融入工程训练实践教学的探索与实践[J].实验室科学，2024，27（6）：139-142.

[12] 赫兰，路洋，夏志刚，谢晓奕，杜丽丽，顾淑莲，马兰，贺永明，申锷.基于深度学习的人工智能模型自动量化超声心动图左心室射血分数初步探索[J].实用临床医药杂志，2024，28（9）：9-14.

[13] 邢园园，薛红元（综述），叶玉泉（审校）.基于人工智能三维超声心动图评价心脏功能和疾病的研究进展[J].疑难病杂志，2022，21（6）：646-650.

[14] 李文秀，罗涛，张文静，武兴坤，刘爱军，司锐，苏俊武.人工智能辅助诊断技术在超声心动图诊断房间隔缺损中的应用研究[J].中国医药，2022，17（2）：274-277.

[15] 罗刚，泮思林，乔思波，庞善臣，陈涛涛，孙玲玉，董玉坤.深度学习技术在胎儿超声心动图图像自动识别中的应用[J].实用医学杂志，2022，38（14）：1830-1833.

[16] 裴昌军，孙雪丽，王鑫，黄玮，李梅，沈志梅.人工智能结合多层螺旋CT检查在机关体检人群肺结节筛查中的应用[J].实用临床医药杂志，2023，27（24）：89-92.

[17] 郑康超，包雨微，朱英，周玮，刘娅妮，邓又斌.基于机器学习的三维超声心动图全自动测量左心室容积与功能的可行性研究[J].中华医学超声杂志（电子版），2021，18（12）：1140-1146.

[18] 候全飞，朱业，张紫桑，赵杨，阿布力皮孜·阿布都卡迪尔，张怡婵，石嘉伟，张丽，谢明星，王静.人工智能在心力衰竭超声影像学分析中的应用[J].中华超声影像学杂志，2022，31（9）：824-828.

[19] 李小琴，肖清云.rhBNP-沙库巴曲缬沙坦序贯治疗急性心力衰竭的有效性及对心功能、再入院风险的影响[J].心血管病防治知识（学术版），2023，13（17）：24-27.

周小雪，张莹莹，张烨，韩建成，刘晓伟，谷孝艳，孙琳，赵映，阮燕萍，何怡华.人工智能技术在胎儿超声心动图四腔心切面筛查中的应用[J].中华超声影像学杂志，2020，29（8）：668-672.