新工科和新医科背景下医学大数据与人工智能课程体系建设研究

刘 洋，徐肖攀，戎军艳，张文立，卢虹冰

（空军军医大学军事生物医学工程学系，西安 710032）

0 引言

1 医学大数据与人工智能课程开设背景

跨入21 世纪以来，随着生命科学的迅猛发展以及以人工智能为核心的新一轮信息技术应用的不断深入和完善，现代医学模式逐步从“生物医学”阶段向更高层次的“智能医学”阶段发展。“智能医学”凝聚了信息化技术与基础医学的新成果，正在成为创新驱动卫生与健康事业发展的先导力量，呈现出美好的前景和无限的潜力[4]。

伴随着电子病历、移动医疗、医学物联网、数字化医疗设备等的广泛应用，大量医学数据产生[5]。如何高效、智能地处理这些数据，使其更好地为医疗健康服务，是国内外医疗卫生服务领域面临的一大挑战。当前，医学大数据和人工智能技术给医疗健康服务带来了革命性的变革，催生了医疗机器人、临床决策支持系统、影像智能诊断分析系统等大批新型诊疗技术[6]，大大提高了疾病诊断和预测的准确性[7-8]。可预见在“十四五”乃至今后很长一段时间内，智慧医疗将形成一个巨大的产业，由此产生大量的就业机会和人才缺口，并对人才培养提出新的目标定位和需求[9]。

人工智能与传统医学的深度融合对传统医学专业人才培养提出了挑战，不仅要求在医学基础专业上有深厚基础，还应具有“人工智能+医学+信息技术”多学科交叉融合的复合性特征[10]。为加快新医科、新工科的发展建设，促进医科与工科、理科等交叉融合，开设医学大数据与人工智能相关课程，将推动以人工智能、大数据为代表的科技变革与医学专业的有效融通。

2 课程现状及存在问题

经过广泛调研并结合我校开设实际情况，发现目前医学大数据与人工智能相关课程存在以下问题。

2.1 缺少完善设计

医学大数据与人工智能技术涵盖面非常广，涵盖医学信息概念和理论、医学信息技术、医学信息系统、人工智能技术等。面向不同的应用和从业人员，其观察视角和体系结构不同，需要的背景知识不同，教学内容也不同。尤其对于医学领域，涉及生物医学、药学、临床医学等具体应用，目前缺少合理、完善的课程建设方案，对于不同专业和层次的学生尚未形成合理的教学设计。

2.2 重理论轻实践

目前，人工智能新理论、新方法不断被提出，而人工智能的授课也注重理论层面的介绍，大都采用填鸭式的教学模式，这与目前高校科研的“学术性重于实用性”的现象类似。医学大数据和人工智能作为一种技术手段，应更注重技术的实现。因此，在理论授课的同时，还应注重培养学生计算思维能力和利用人工智能手段解决实际问题的能力。

2.3 评价机制单一

目前，根据课程教学计划，各高校大都将考核分为形成性考核和终结性考核，其中终结性考核占考核的主要部分。因此，学生将主要精力放在理论学习上，而非解决实际的医学问题中，造成很多学生不愿做实验。同时，由于实验针对性不强，很多学生从往届学生或从网络获取代码，造成学生动手能力较差。

3 课程体系建设

空军军医大学军事生物医学工程学系已于2019年面向全校各专业开设医学信息学和智能医学导论2 门本科生课程，于2022 年面向全校研究生开设医学大数据与人工智能课程。经过多轮授课，已建成完整的课程体系，形成完善的教学设计，本文将从课程建设目标、课程内容、教学方法、质量评价4 个方面进行介绍。

为了验证上述光伏逆变器设计的正确性，制作了一台逆变器电路板，如图8所示. 带阻性负载时输出电压波形如图9所示，可以看出，输出电压约为230 V，谐波含量小于3%，频率为50 Hz，波形光滑，无毛刺，可以为供给设备作交流电用.实测在输出功率为100 W时转换效率达到95.6%，完全适用于民用，有着很好的推广前景.

3.1 课程建设目标

医学大数据与人工智能课程以培养学生信息素养和应用能力为目标，通过融合临床实例，加深学生对实际应用的理解。通过学习，学生能够在医学大数据与人工智能的基础知识和基本理论基础上，充分了解医学信息获取、智能存储和管理、数据挖掘等相关知识，具备一定的计算思维和大数据智能分析能力。

本科生的医学信息学课程，在知识层面讲授医学信息、电子病历、临床路径、电子健康档案、医学信息标准、医学信息软件工程、医学信息系统、自然语言处理、文本挖掘等的基本概念、理论和方法，在能力层面培养学生从信息科学角度分析和解决医学实际问题的能力，着重提升对医学信息管理和利用医学信息进行决策的思维方法。

本科生的智能医学课程以培养人工智能战略眼光与机器学习实践技能为总体目标。在知识层面，讲授人工智能的基本概念、应用领域及未来发展趋势，突出临床智能辅助诊断与决策、医疗大数据分析、医学影像智能感知的基本内涵、应用场景与研究方法。在能力层面，培养学生对现实中的医学智能应用场景进行深入分析并提出适合的解决方案的能力，为今后从事相关工作及科学研究奠定坚实的基础。

研究生的医学大数据与人工智能课程，通过深入讲授医学大数据与人工智能发展历史、基本理论、主要研究方法、主要研究领域及各主要研究领域的重要科学问题等，使学生深入了解医学大数据与人工智能的基础知识和基本理论，具备发现并解决医学大数据与人工智能问题的能力，为后续研究工作打下基础。

3.2 规范课程内容，明确授课边界

医学大数据和人工智能相关课程是“医学+工程”的特色课程，不仅要讲授人工智能技术在医学领域的研究和应用，还应适应学科的快速发展，不断更新研究热点，提供最新动态和发展方向。应以大数据和人工智能的理论研究为授课基础，并突出生物医学、药学、临床医学等实际应用的进展，构建医科和工科相结合的教学方案。

经过多轮授课，教学组构建了完善的教学方案，并优化了课程的教学内容，明确了授课的边界。教学组将该课程分为信息化和智能化2 个部分，前者侧重大数据，主要培养学生从信息学角度认识临床流程、分析医学现象、提炼科学问题的能力；后者侧重人工智能，主要培养学生选用恰当的大数据及人工智能理论方法、工程手段来解决医学实际问题的能力。如图1 所示，课程内容设置遵从由浅入深的认知规律，各个章节知识之间按照事物发展的顺序结构，首先从信息化建设中获取医学大数据，并分析其特征和存在的问题，然后利用大数据和智能化方法解决问题，并深入剖析其具体应用和发展前景，联系前沿发展，注重学生所学知识的先进性，培养学生的实践能力和创新意识。

图1 课程内容层次关系

3.3 凸显案例教学方法，加强理论与实际结合

结合临床需求，突出“人工智能+医疗”，将有利于培养既懂医又懂理工科、计算机技术的交叉复合型人才，缓解智能医学时代下人才短缺的问题。为此，教学组邀请了具有一线临床教学经验的医生对临床热点进行专题讲座，以临床应用为目的，以突破临床痛点为目标，激发学生基于临床问题为导向的计算思维模式。

（1）构建案例库，以案赋能教学。

案例式教学是“医学+工程”相关课程重要的教学方式[11]。人工智能为临床医学、基础医学研究赋能，已经逐渐成为生物医学工程专业研究者的研究目标，通过科学研究与工程实践精心设计和打造典型医学人工智能教学案例，赋予了复杂公式、深奥文字以鲜活的生命力，将计算思维的理念，将公式及表述背后的工程思维、逻辑思维精确地表达出来，不仅可以传递知识，还可提升学生的综合素养，提升课堂学习效率[12]。

教学组在医学影像智能分析、自然语言处理、临床决策支持等方面开展了系列研究，承担了空军部队卫生大数据中心的建设，为教学内容提供了丰富的案例资源。目前案例库中已包含91 个案例，涉及多个教学内容，通过案例将各个知识点整合，提升了学生对各知识点的掌握以及对整体知识的全面理解。

（2）完善实验课，突出实践教学。

医学大数据和人工智能课程不仅要包含医学信息挖掘、智能分析等相关技术，还需将理论和实际紧密结合，增加实践应用案例的分析。为此，教学组完善了课程的实验设计，理论与实践比例约为2∶1，在巩固理论课知识的同时，拓展课外专业知识，加深对实际应用的理解和想法。

同时，教学组还结合科研实际，从第一附属医院和第二附属医院获取了大量的临床实际病例数据，并结合网络公开数据集，建立了胶质瘤（356 例）、膀胱癌（672 例）、前列腺癌（1 946 例）和结直肠癌（658例）的医学数据集，设计了自然语言处理、生物信息计算、知识图谱构建、影像智能分析、医疗资源管理5 个专题实验，每个专题实验还会拓展为多个实验内容。通过实验，便于学生掌握知识点，加深对实际应用的理解，提升解决实际问题的能力。

3.4 强化形成性考核，完善质量评价

结合新工科和新医科建设对医学人工智能人才的知识、能力和素质的要求，建立合理的多元育人评价机制，构建形成性和终结性评价于一体的评价方案，有助于调动学生学习的积极性和主动性。为此，教学组将知识点融入到每次的形成性考核中，尤其将实践考核作为每个知识点的考核重点。

4 实施效果分析

截至2022 年12 月，教学组已完成4 轮本科生和1 轮研究生课程的教学，初步构建了医学大数据与人工智能课程的教学方案。课程设置已基本确定，案例库也已初步形成规模，见表1。目前，我校每年招收生物医学工程专业本科学员约20 人，临床、口腔等专业学员约300 人，研究生约300 人，因此，教研室每年约向620 名学员开设医学大数据与人工智能相关课程。

表1 课程开设情况

教学组在课程结束后会制订调查问卷，征求学生的建议，从而对后续课程进行调整和教学方法的改进。通过统计，92.4%（403/436）的学生认为应该开设医学大数据与人工智能系列课程，68.3%（298/436）的学生认为应当开设相关实验课，36.0%（18/50，只有生物医学工程专业学生开设实验课程）的学生认为应当增加实验课比重。

2022 年12 月，教学组对2018 级四年制生物医学工程专业的19 名毕业生（2022 年6 月毕业）进行问卷调查，调查结果表明，认为应该开设医学大数据与人工智能系列课程的比例由89.5%（17/19）提升至100%（19/19），认为应该增加实验课比重的比例由26.3%（5/19）提升至94.7%（18/19）。

5 结语

医学大数据与人工智能相关课程通过医学、工程、科学、人文教育的有机融合，围绕医学实际、医院信息化、人工智能等相关内容，充分应用案例式和实验教学，可使学生在了解智能医学的同时训练大数据和人工智能交叉思维。该课程的开设为后续相关系列课程教学改革提供了前期设计和参考，为开展多学科交叉融合课程教学进行了有益探索和实践。