通过人工智能生成的图像提高医学学生感染性角膜炎的诊断准确度
Wenjia Xie1, Zhouhang Yuan1,2, Yuxuan Si1,2
1Department of Ophthalmology, Sir Run Run Shaw Hospital, Zhejiang University School of Medicine, 310000, Hangzhou, China.
BMC medical education
|July 9, 2025
概括
人工智能 (AI) 产生的图像有效地提高了医学学生对传染性角质炎的诊断准确性,其性能与真实病例和真实医学图像相提并论. 这种人工智能方法为眼科培训提供了一种标准化的方法.
科学领域:
- 眼科医生 眼科 眼科
- 医学教育 医学教育
- 人工智能在医学中的应用
背景情况:
- 准确诊断传染性角膜炎是一个关键的,但具有挑战性的技能,为医学学生.
- 炎诊断的传统教学方法包括真实病例和真实医学图像.
- 该研究调查了人工智能生成的新型图像作为潜在的教育工具.
研究的目的:
- 为了比较三个教学方法的有效性 - - 真实病例,人工智能生成的图像和真实的医学图像 - - 提高医学学生对细菌,真菌和疹性角膜炎的诊断准确度.
- 评估人工智能生成图像在增强临床眼科培训方面的潜力.
主要方法:
- 97名医学四年级学生被分成三组.
- 第1组 (n=30) 使用真实角膜炎病例;第2组 (n=37) 使用人工智能生成的图像;第3组 (n=30) 使用真实医学图像.
- 诊断的准确性被评估使用30个问题测试与真实患者的图像之前和之后1小时的教学干预.
主要成果:
- 所有教学方法都显著改善了所有组的整体诊断准确性.
- 干预后的平均准确度从大约42-46%增加到67-74%.
- 在人工智能生成图像组 (28.43%) 观察到的平均精度改善最高,在三个组之间没有统计学上显著的差异.
结论:
- 人工智能生成的图像是提高医学学生在传染性角质炎诊断准确性的高效工具.
- 这种基于人工智能的方法与传统的教学方式 (如真实病例和真实医疗图像) 的表现相当.
- 人工智能生成的图像提供了一个有希望的,标准化的方法来改善眼科培训,特别是当教育资源有限时.
