人工智能在放射学住院人员的培训:一个多中心的随机对照试验

科学领域:

• 医学教育 医学教育
• 医疗保健中的人工智能
• 放射学培训 放射学培训

背景情况:

• 传统的培训方法是放射学 residents 的标准.
• 人工智能 (AI) 在医疗培训中的整合需要评估.
• 甲状腺结节的超声波诊断是放射科医生的关键技能.

研究的目的:

• 为了比较人工智能辅助培训与放射科医生常规人体培训的有效性.
• 评估不同培训模式对诊断准确度和学员情绪的影响.

主要方法:

• 一个多中心的,随机的,受控的临床试验,涉及五家医院的住院人员.
• 参与者被分为三组:传统培训,传统加专业培训,传统加人工智能辅助培训.
• 培训重点是对甲状腺结节的超声波诊断,18个月,每3个月进行一次阶段测试.

主要成果:

• 随着时间的推移,所有组的诊断准确性都增加了.
• 接受专业或人工智能辅助培训的组比单独接受传统培训的准确性更高 (P < .001).
• 在专业和人工智能辅助培训组之间,没有发现准确度的显著差异 (P = .64). 诊断信心增加,所有组的情绪状态都有所改善.

结论:

• 这三种培训方法 (传统,专业,人工智能辅助) 都对放射科住院生有效.
• 人工智能辅助培训是医学教育的可行和有效工具,对学员没有负面的情绪影响.
• 将人工智能整合到放射学培训计划中可以有效地帮助实现教育目标.