基于人工智能的支气管镜检查图像识别技术：软件开发及针对重症监护住院医师培训效果的随机对照试验

AI辅助支气管镜培训系统开发及效果评估，采用YOLOv8模型实现气道结构实时识别，对比AI自主训练与传统专家指导，两组均显著提升BSTAT评分（30±4→53±2）和缩短操作时间（217±44→101±23秒），p值均<0.001，未发现组间差异。

摘要

背景

柔性支气管镜检查是气道管理以及诊断和治疗干预的重要工具，尤其是在重症监护领域。准确识别气管支气管结构对于经验不足的临床医生来说至关重要，但难度较大，这通常会导致操作时间延长并增加并发症风险。基于虚拟现实或模拟人的模拟训练显示出一定的效果，最近的研究表明，基于人工智能（AI）的训练比自主学习效果更好。目前关于基于AI的支气管镜培训与专家指导培训之间比较的数据较少。本研究旨在开发并评估一种定制的基于AI的软件，用于识别关键的气管支气管结构，并评估其作为麻醉科和重症监护科住院医师培训工具的有效性。

方法

开发了一种基于YOLOv8人工神经网络的软件，该软件可以从高保真模拟人的支气管镜检查视频中识别关键的气管支气管结构。在一项随机试验中，22名支气管镜检查经验有限的二年级麻醉科住院医师被随机分配到基于AI的无监督培训组（n=11）或传统的专家指导培训组（n=11）。培训前后使用改进的支气管镜技能和任务评估工具（BSTAT）对他们的支气管镜检查技能进行了评估。

结果

AI模型表现出高准确性，平均精确度-召回率AUC为0.98，平均精确度为0.98。两组住院医师的BSTAT评分均有显著提高（从30±4分提高到53±2分，p<0.001），操作时间也有所缩短（从217±44秒缩短到101±23秒，p<0.001）。基于AI的培训组与专家指导培训组之间没有显著差异。

结论

我们开发了一种能够在柔性支气管镜检查过程中提供实时指导的基于AI的软件。基于AI的培训与专家指导的效果相当，表明其作为柔性支气管镜检查无监督医学培训工具的潜力。