近年来，人工智能技术在医学领域的应用日益广泛，在肿瘤筛查、疾病诊断、风险预测和辅助治疗等领域引发深刻变革。然而，构建高质量医学 AI 模型的过程中，临床医生与计算机工程师之间的协作难题，一直阻碍着其高质量发展。

近日，武汉大学人民医院（湖北省人民医院）消化内科于红刚教授团队联合华中科技大学同济医学院附属协和医院蔺蓉教授团队，在权威期刊《中华消化内镜杂志》发布了全球首个临床人工智能系统开发与验证的完整理论体系 ——“教练理论”（Coach - Translator - Apprentice Model），为医学 AI 从实验室走向临床开辟了标准化路径。该理论已成功应用于胃镜质控、超声内镜辅助诊断等系统，显著提升了消化道疾病早期诊断率，降低了漏诊率。

 “教练理论”三大角色分工示意图（武汉大学人民医院供图）

医工协作 “语言不通”？“教练理论” 架起桥梁

在医学 AI 开发过程中，“医工协作难” 是长期存在的问题。临床医生虽精通医学知识但对算法技术了解有限，工程师虽擅长算法开发却缺乏医学视角与临床洞察力，这使得开发出的 AI 系统常常与临床实际需求脱节。

为解决这一难题，武汉大学人民医院于红刚教授团队创新性地提出了 “教练 - 翻译 - 学徒” 模式。该模式巧妙地将人工智能模型开发流程类比为球队训练：临床医生如同球队主教练，凭借自身深厚的医学理论与丰富的实践经验，主导发现科学问题，肩负起带教 “语言不通” 的外国球员（人工智能模型）的重任；工程师则扮演翻译官的角色，明确目标任务类型，将教练的医学先验知识精准地翻译成人工智能模型能够理解的计算机语言，供模型进行识别学习；人工智能模型则是球队中的队员（学徒），通过海量数据训练，逐步掌握诊断技能。正如Deepseek 等高性能大模型，虽具备强大算力，若未经专业教练员的悉心训练，也难以在医学专业领域发光发热。

“教练理论” 将 AI 开发细致地划分为 8 大阶段，涵盖从科学问题发现、专家视角探索、数据采集，到产品化、临床验证等各个关键步骤，且在整个过程中高度强调医工深度协同。

例如，临床医生在日常工作中观察到内镜医师由于经验水平参差不齐等因素，在胃镜检查时容易出现部分区域漏诊的情况，于是提出 “减少检查盲区” 的目标。工程师随即设计深度卷积神经模型，实现对内镜检查解剖部位的实时追踪，最终成功构建出 WISENSE 系统。经临床试验验证，该系统将胃镜检查盲区率从 22.46% 大幅降至 5.86%（P<0.001），效果显著。

 基于“教练理论”开发的胃镜质控系统（武汉大学人民医院供图）

落地应用显身手，AI 助力检病灶

在 “教练理论” 的引领下，众多创新医疗应用系统如雨后春笋般涌现，在实际临床工作中展现出强大效能。

初露锋芒的是胃镜质控系统（WISENSE），它堪称内镜医师的 “得力助手”。系统能实时精准提示未检查部位，临床试验数据表明，其成功将胃镜检查盲区率从 22.46% 显著降低至 5.86%（P<0.001），为提升胃镜检查质量奠定坚实基础，有力确保患者能接受更精准的胃部检查。

除了胃镜质控系统取得显著成效外，超声内镜系统在 “教练理论” 的应用下也成绩斐然。初代系统 BP MASTER 依托超万例影像数据，搭建起四大核心模块，可自动识别胰腺标准解剖站点，实现自动胆管分割及直径测量。经该系统培训的医师，操作准确率从 60.8% 飞速跃升至 76.3%，学习周期更是缩短一半，超声内镜检查的效率与准确性实现跨越式提升。

升级版EUS-IREAD系统进一步优化了性能，它覆盖 8 大胰腺站点与 24 个关键结构，不仅能精准完成胰腺定位、血管分割、胆胰管追踪，还具备智能鉴别肾 / 脾区域的强大功能，极大降低了医师漏诊率，为胰腺疾病的精准诊断提供了坚实可靠的依据。

“教练理论”这种医工合作新模式，深度融合医学与人工智能技术，推动跨学科高效协作，为打造高诊疗质量、广适用场景的 AI 辅助诊疗系统制定了规范流程。武汉大学人民医院（湖北省人民医院）的这一创举有望成为医疗行业智能化升级的强劲引擎，为广大患者送去更精准、高效的医疗服务。随着 “教练理论” 持续推广应用，医学 AI 领域必将迎来新的繁荣，攻克更多医学难题。

通讯员：张晓衡 杜泓柳

湖北广电大健康中心图文编辑：杜若希