首页 > 论文范文 > 教育综合论文 > 高等教育论文 > 数字化背景下脑脊液细胞形态学教学模式的探索

数字化背景下脑脊液细胞形态学教学模式的探索

2025-01-03 36 上传者：管理员

摘要：探讨在教育数字化背景下利用人工智能辅助诊断系统开展脑脊液细胞形态学教学的效果。以2019年1月至2022年8月在陆军军医大学第二附属医院血液病医学中心进修的32名学员为研究对象，随机分为试验组与对照组，试验组采用人工智能辅助诊断系统教学模式，对照组采用传统教学模式，比较两组学员学习效果。实践表明，基于人工智能辅助诊断系统的教学模式，有助于提高学员对脑脊液细胞形态学的学习兴趣，具备良好的细胞识别能力，教学效果较好。

关键词：
人工智能辅助诊断系统
医学检验人才
数字化
继续医学教育
脑脊液细胞形态学
加入收藏

继续医学教育中的进修教育是培养医学检验人才的重要方式之一，对壮大医学检验人才队伍具有重要意义。随着医疗技术的快速发展，继续医学教育的发展和改革必须顺应科技发展的趋势，从教学方法、师资队伍建设、教学效果评价及教学质量管理等方面进行探讨，探索新举措及新方法。在教育数字化背景下，可充分利用数字化技术，实现教育数字化转型。人工智能赋能教育是教育数字化的重要一环，教师应利用人工智能技术驱动教学改革，创新现有教学模式[1]。人工智能赋能教学的趣味性更强、课程内容更为丰富、体验的教学场景更真实、师生互动性更强，因此，利用人工智能辅助诊断系统开展脑脊液细胞形态学教学，是人工智能与教育教学深度融合，推动传统教学模式向智能化、信息化转变，促进临床教学实现教育数字化的重要体现。基于此，本研究初步探索了人工智能辅助诊断系统在脑脊液细胞形态学教学中的应用效果，旨在提升脑脊液细胞形态学的临床教学效果、教学质量及学员实践能力、中枢神经系统疾病诊断水平，为培养专业的医学检验人才提供强有力的支持，对满足精准诊疗对高素质医学人才的需求具有重要意义。

1、对象与方法

1.1对象

以2019年1月至2022年8月在陆军军医大学第二附属医院血液病医学中心进修的32名学员为研究对象，将其随机分为两组，试验组（16人）采用人工智能辅助诊断系统教学模式，对照组（16人）采用传统教学模式。所有学员均为临床检验专业进修生，具有一定的细胞形态学理论基础。其中对照组年龄27～42岁，平均年龄（34.31±4.81）岁，男性3名、女性13名；试验组年龄28～47岁，平均年龄（34.81±5.02）岁，男性5名、女性11名。两组学员年龄、性别比较差异无统计学意义（P>0.05）。

1.2研究方法

由具有10年及以上教学经验且中级职称以上的教员讲解基础知识。培训结束后统一进行细胞识别能力考核，通过问卷调查的方式评估教学效果。试验组在教员讲解基础知识后，使用人工智能设备Morphogo系统进行自主学习，该系统可识别和扫描脑脊液细胞数字病理图像，并能自动识别细胞及分类计数，学员只需要点击目的细胞就可以学习。对照组主要通过教员讲解、在光学显微镜下进行自主学习、问题解答及学习反馈。

1.3观察指标

1.3.1细胞识别能力考核

两组经过1个月的培训后分别进行细胞识别能力考核，主要为脑脊液细胞形态学内容，共50道看图单项选择题，其中单个细胞识别试题40道、疾病诊断识别试题10道，考试时间为60分钟。计算单个试题的准确率（单个试题的准确率=本试题答题准确数÷有效答题总数），并分析单个细胞识别平均准确率、疾病诊断识别平均准确率及总体识别平均准确率（所有试题准确率的平均值）。

1.3.2教学效果评价

教学效果评价是评价教学质量好坏的重要一环。采用问卷调查的形式评价教学效果，调查内容包括互动性、启示性、趣味性、满意度、图片资源利用效率及总体教学效果6个方面，分为3分、2分、1分、0分4个等级，分别表示非常满意、满意、一般、不满意。

1.4统计学方法

采用SPSS 26.0软件进行数据分析，计量资料以（Mean±SD）表示，计数资料采用百分数表示。两组细胞识别能力考核结果比较采用独立样本t检验，教学效果评价采用Mann-Whitney U检验，P<0.05为差异有统计学意义。

2、结果

2.1两组细胞识别能力考核结果比较

研究结果显示，两组单个细胞识别平均准确率、疾病诊断识别平均准确率、总体识别平均准确率比较差异无统计学意义（P<0.05，见表1）。

表1 两组细胞识别能力考核结果比较（Mean±SD)

2.2两组教学效果评价比较

采用Mann-Whitney U检验对教学效果进行分析，结果显示，试验组对互动性、启示性、趣味性、满意度、图片资源利用效率及总体教学效果的评价优于对照组（P<0.05，见表2）。

表2 两组教学效果评价比较[n(%)]

3、讨论

3.1人工智能赋能教育数字化改革的教学优势明显

教育数字化是运用现代科技技术整合优质资源，并赋能教育教学，人工智能是教育数字化不可或缺的一部分。2017年，国务院印发的《国务院关于印发新一代人工智能发展规划的通知》明确指出，利用智能技术加快推动人才培养模式、教学方法改革，构建包含智能学习、交互式学习的新型教育体系。因此要积极推进人工智能与教育教学的深度融合，促进教学改革与创新，这将会给教育数字化提供更多选择。在教育数字化背景下，人工智能在教学内容及评价等方面影响着教育教学，人工智能使得教育教学更为智慧化、智能化，实现了资源共享、大数据驱动教学及个性化教学，不仅使得教与学的方式发生了改变，而且提高了学员学习和工作的能力。人工智能为教育教学创造了一个全新的学习环境，对教育教学产生了一定的影响，同时也对教育行业和教育工作者提出了一定挑战，如需要加大基础设施的投入力度、教员要提高数字化教学能力及加强人工智能在教育领域的研究。研究结果显示，构建人工智能辅助诊断系统，不仅能改变教学方式，培养学员的自主学习能力、临床思维能力，而且有利于转变教员教学观念、促进师资队伍建设[2]。由此可见，在教育数字化转型期间，运用人工智能技术，可实现教学方式的革新，增强教学效果，提高教学质量。

脑脊液细胞形态学的特征分析对及时、准确地检测和治疗至关重要，同时有助于患者疾病监测。脑脊液细胞形态学检查需要经验丰富的临床医生来诊断，而在传统教学过程中，多采用教员授课、学员学习及教学反馈等形式开展，对增强教学效果有一定的作用，但因教学方式较为枯燥、学员学习兴趣不高及互动性差、图片资源保存烦琐、图片利用率较低等原因，导致教学效果不尽如人意。基于此，如何做好脑脊液细胞形态学教学工作及提高教学质量是继续医学教育中的重要研究内容之一。通过研究发现，采用人工智能辅助诊断系统教学模式，试验组对互动性、启示性、趣味性、满意度、图片资源利用效率及总体教学效果的评价较高。智能化的辅助教学技术可增强学员的互动性，激发其学习兴趣，通过利用系统中丰富的病例图像，可以使得抽象的学习内容变得更加直观及生动形象，有利于提高学员的积极性和参与度。

3.2教育数字化背景下学员疾病诊断识别能力显著提升

脑脊液细胞形态学是一门经验性课程，具有较强的实践性，对学员总体的要求较高。学员需要掌握基础理论知识、细胞发育规律及细胞形态特征，并能对各种类型的细胞形态进行准确的识别及分类，还需具备良好的临床思维能力，能综合分析临床病例，并给出相应的临床诊断。进修的学员大多具有一定的基础理论知识和临床实践经验，所以对于他们而言，教学周期一般较短，只学习针对性的教学内容。在教学过程中，临床教学医院通过构建教学体系、细化教学内容、革新教学方法、明确教学目标、建立以能力为导向的教学考核体系，加强对学员疾病识别能力、临床思维及病例分析能力培养，以培养出专业的医学检验人才[3]。

在临床上，肿瘤细胞侵犯中枢神经系统后，疾病进展迅速，易出现漏诊、误诊情况，因此，如何准确、高灵敏度地诊断成为临床工作的重要内容。脑脊液细胞形态学检查是一种快速、经济有效的诊断方法，也是中枢神经系统疾病的重要临床诊断方法，有助于指导临床治疗及动态评估治疗反应。为统一脑脊液细胞形态学检查环节及流程，使其操作更加规范化及标准化，国内已制定出相应的专家共识，供检验工作者参考[4-5]。

本研究系统比较了人工智能辅助诊断系统教学模式和传统教学模式在脑脊液细胞形态学教学中的应用效果，结果显示，两组学员单个细胞识别平均准确率、疾病诊断识别平均准确率及总体识别平均准确率比较差异无统计学意义，说明两种模式都可以培养学员良好的细胞识别能力，并能达到预期的教学目标及教学要求。单个细胞识别是疾病诊断的基础，而全面且正确的疾病诊断对临床诊断的意义重大。虽然在单个细胞识别方面，试验组准确率低于对照组，但疾病诊断识别平均准确率和总体识别平均准确率高于对照组，这说明在教育数字化背景下试验组整体疾病诊断识别能力、中枢神经系统疾病诊断水平得到了一定程度的提升。

3.3学员对人工智能辅助诊断系统的满意度及对教学效果的评价较高

在数字化时代，各种创新技术革新了传统教学模式[6]。有学者认为，人工智能在基础、临床等学科中发挥出了重要作用，教育工作者可将人工智能应用于医学教育中[7]。如引入个性化的翻转课堂教学模式，不仅能培养学员的解决问题能力，还能让学员加深对知识的理解，进而增强教学效果、提高教学质量[8]；利用人工智能的人脸识别（表情识别及行为识别）功能来分析学生行为，并建立智能化的学习效果评价模型，可增强课堂教学效果[9]。因此，探讨新型教学方法和手段在脑脊液细胞形态学教学中的作用，可以为继续医学教育提供一定的理论依据。快速准确的脑脊液细胞形态学检查是中枢神经系统疾病诊断的关键，已有研究者开发了多种深度学习模型，可以有效分类中枢神经系统疾病中脑脊液常见细胞类型及脑脊液中的癌细胞，早期诊断与鉴别出中枢神经系统感染性疾病与神经系统肿瘤[10]。有学者研究发现，人工智能识别系统能提高学员骨髓细胞形态进修学习效果[11]。这说明合理使用人工智能技术开展教学，革新现在教学模式，可增强教学效果，提高教学满意度。

传统的脑脊液细胞形态学教学模式以集中授课+知识讲解为主，学员学习兴趣和积极性不高，具有一定的局限性。赵莹[12]探讨了本科生脑脊液细胞学课程教学效果，认为应从整体课程设计出发，积极调动学生的主观能动性。教学效果和满意度是教学反馈结果的重要组成部分，是教学质量的有效体现。对教学效果的评价可以从不同角度出发，构建个性化的教学评价体系，有助于保障教学质量，提升教学效率，激发学员的学习兴趣及主观能动性，保证学习效果。本研究中，试验组对教学效果的满意度高于对照组，可见采用人工智能辅助诊断系统教学模式可提高学员对教学的满意度，原因可能为：（1）利用人工智能进行教学方法改革，更符合信息化时代发展的要求，能满足不同学员的学习需求，为其提供了一个智慧化的学习环境。（2）人工智能辅助诊断系统能提供精准的细胞识别和分析结果及高清、数字化的细胞图像，学员能更直观地识别与辨别单个细胞及不同疾病的形态特点，课后学员还可以利用系统自主学习，激发了学习兴趣、主观能动性及积极性。（3）从互动性、启示性、趣味性、满意度、图片资源利用效率及总体教学效果方面进行评价，能反映人工智能辅助诊断系统教学模式的创新性，更能体现出新型教学模式的精准化、个性化及多样化特点。

3.4人工智能在脑脊液细胞形态学教学中的应用思考

人工智能辅助诊断系统在脑脊液细胞形态学教学中的应用效果较好，但在今后的实践中仍需进一步思考以下问题：（1）从脑脊液样本方面来看，样本送检时间要求较严格，贮存条件不佳或贮存时间过长，都会对细胞分析结果产生影响，因此如何规范标本制备和染色过程，使其更有利于教学活动的开展，这将是教学过程中需要解决的问题。（2）从人工智能辅助诊断系统方面来看，智能化的识别结果虽然准确，但仍需不断提高智能设备对各种细胞形态的识别能力，不断更新数字图像数据库，开发新的算法，增加细胞识别的特征性参数，并增加学员互动状态评价及系统设备使用评价等功能，从而解决教育教学整体评价的问题。除了上述问题，如何在系统辅助下有效评估教学效果及保护隐私和数据安全的问题[13]，如何解决人工智能技术专业人员配备、软硬件支持及标准化教学方法等相关的问题[14]，学员担心人工智能可能会导致失业、信任损害及对医患关系产生负面影响的问题[15]，这些都是人工智能技术应用于医学教育中所面临的挑战。相信在教育数字化背景下，随着人工智能技术在医学教育中的应用与发展将会解决上述问题，为进一步创新教学模式提供参考。

参考文献:

[1]郝志军,杨颖东.人工智能与教学的合理性融合:优势､挑战与策略[J]人民教育,2022(20):51-54.

[2]俞飞虹,张琰琰,叶新华,等.基于人工智能的甲状腺超声诊断辅助教学系统[J].中国现代教育装备,2023(5):11-13.

[3]武焕玲,张健,张之芬,等.教学医院临床细胞学检验进修学员教育模式的探索之路[J].检验医学与临床,2021,18(4):563-566.

[4]许绍强,周道银,吴茅,等.脑脊液细胞形态学检验中国专家共识(2020)[J].现代检验医学杂志,2020,35(6):9-11,77.

[6]张丹,王鶄,袁金平,等.技术赋能教学模式变革与实践[J].中国电化教育,2021(4):125-138.

[8]王瑞,庞晓雯,李卉,等.翻转课堂教学模式在医学进修生教育中的应用评价分析[J].延安大学学报(医学科学版),2022,20(3):110-112.

[9]周楠,周建设.基于深度学习的学生行为分析与教学效果评价[J].现代教育技术,2021,31(8):102-111.

[11]李佳,杨武晨,彭贤贵,等.人工智能识别系统在骨髓细胞形态进修教学中的应用研究[J].卫生职业教育,2021,39(20):86-88.

[12]赵莹.脑脊液细胞学课程教学探究[J].国际检验医学杂志,2018,39(11):1402-1403,1408.

[13]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.

[14]邹陆曦,孙玲.人工智能在医学教育中的应用现状及问题研究[J].卫生职业教育,2021,39(24):18-20.