医学院校人工智能通识课程探索与实践

北京大学医学部医学人文学院健康信息管理学系王静 目录 01.课程建设时代背景与必要性 CONTENTS 02.现实状况与痛点 03.课程建设思路 04.课程资源介绍 医学AI课程建设时代 背 景 与 必 要 性 PART 01 1时代驱动——AI正在重塑医疗健康领域 在人工智能技术迅猛发展的时代浪潮中，医学领域正经历一场深刻的技术革命。从智能诊断、精准医疗、药物研发到智慧医院，AI技术正在重塑医学的边界与未来。 🀀医疗AI技术全面渗透•智能诊断：影像识别、病理分析、辅助诊断系统 •精准医疗：基因分析、个性化治疗、药物研发•智慧医院：手术机器人、远程医疗、医疗物联网 我们正处于"AIforScience"和"AIforHealth"的历史交汇点。 1时代驱动——行业数字化转型加速 截至2025年5月，中国国内累计发布的医疗垂直大模型已达288个 1.时代驱动——行业数字化转型加速 技术渗透的背后，是整个医疗行业的数字化转型。 2时代驱动——国家战略强力支持 人工智能（AI）技术正加速推动医疗领域的创新发展。国家战略层面出台一系列政策，以规范并促进AI技术在医疗应用中的落地；同时，教育部也发布了一系列配套措施，推动AI教育相关政策的落实。 国家卫健委等5部门联合发文，规范和促进"人工智能+医疗卫生"应用发展。 思想自由兼容并包这一系列政策告诉我们：医学院校AI教育不是可选项，而是健康中国战略的重要组成部分。 3.现实需求——医生能力要求重构 3.现实需求——医生能力要求重构 ⚠️紧迫的能力缺口 🐀职业角色根本转变 认知差距：医学生AI素养严重不足应用障碍：医生对AI工具接受度低人才短缺：医工交叉复合型人才匮乏 传统医生→智能时代医生 单纯诊疗者→医疗数据决策者独立工作→人机协同工作经验判断→循证+算法辅助 4.医学教育改革 4.医学教育改革 医学教育也面临前所未有的挑战与机遇——如何培养既掌握医学专业知识，又具备前沿技术视野的跨学科思维医学人才，已成为医科院校教育改革的核心命题。 开设现状及问题 PART02 1、总体态势：从"星星之火"到"燎原之势" 当前中国医学院校的人工智能课程建设正处于从"探索试点"到"全面铺开"的关键转型期。 综合来看，现状呈现“三个并存"特征： （1）顶层政策密集出台与院校落地参差不齐并存；（2）智能医学工程专业快速扩张与临床医学专业AI通识覆盖不足并存；（3）学生AI使用率高与系统化课程供给短缺并存。 2、规模数据：智能医学工程专业的八年跃迁 智能医学工程（专业代码：101011T）是医学院校AI教育的核心载体。自2017年首次获批设立以来，该专业呈现爆发式增长： 3、课程开设模式 当前医学院校AI课程开设呈现四种典型模式： 4.面向医学生人工智能通识课程的主要模式 模式一：大学计算机+AI融入 这种模式是目前医学院校推进AI通识教育最普遍、成本最低的路径——并非单独开设AI新课，而是在原有大学计算机基础课的框架上进行"嫁接式改造"，局部植入AI相关内容模块。 4.面向医学生人工智能通识课程的主要模式 模式二：独立AI通识必修/选修课 独立AI通识课程模式能够真正意义上培养学生“理解AI、应用AI”的能力，而非停留于浅层科普。然而其落地难度明显高于融合模式，师资短缺与资源投入是当前最主要的制约瓶颈。 5.面向医学生开设人工智能通识的难点和痛点 5.面向医学生开设人工智能通识的难点和痛点 6.人工智能课程建设体系 标准特色 参与单位 北京林业大学、北京邮电大学、人民邮电出版社、南京邮电大学、北京大学医学部、湖南大学、兰州大学、中国矿业大学、哈尔滨工程大学、首都医科大学、中国传媒大学、中国农业大学、厦门大学等 思想自由兼容并包 <26> AI通识课程建设和实践 PART03 1.北京大学医学部人工智能课程体系 目前全校共59门人工智能相关课程。涵盖了人工智能在临床医学、药学、护理学、预防医学、公卫等医学各个领域的应用 2.健康信息管理系AI课程建设情况 •2010年开始面向全校本科生开设《人工智能》系列课程 2.健康信息管理系课程建设情况 •开始面向全校本科生/研究生开设《人工智能》系列课程 3.课程建设目标 培养医学生的AI素养，实现“四个能够”：能够理解——掌握AI基本原理与医学应用全景；能够应用——熟练使用AI工具/方法辅助诊疗、科研和学习；能够评判——批判性思考AI的伦理风险与责任边界；能够适应——具备跨学科协作能力和终身学习意识，成为引领智能医疗发展的新时代医生。 素养目标：批判思维、创新思维、跨学科思维和人机协作 能力目标：应用人工智能方法/大模型解决医学问题的能力 知识目标：掌握人工智能基本概念、基本原理、常用方法 5.课程内容 5.课程内容体系 •针对不同学生需求，设计了多层次的教学内容体系，课程内容采用差异化设计 8.教学方法 通过虚拟仿真实验、实验室实践等方式，让学生亲身体验人工智能技术在医学中的应用。 8.教学方法 8.教学方法 8.教学方法 思想自由兼容并包 8.教学方法 8.多方式多层次案例实践教学 有一定编程基础者 我有一些肺结节的CT影像数据，数据有两类：肺结节患者，健康。请帮我设计一个python程序，基于这些数据建立一个分类模型可以检测肺结节。并评价该模型的性能。 AIGC辅助编程实现 思想自由兼容并包 9.闭环案例实践教学 让学生经历“选题→准备数据→建模→预测→运行→验证→解释→伦理→反思” 选题：从临床痛点出发 9.闭环案例实践教学 重视数据的临床语义理解——建立模型与临床之间的关系 9.闭环案例实践教学 加强结果的解读——建立模型与临床之间的关联 9.闭环案例实践教学 对模型运行结果展开多维讨论 9.闭环案例实践教学 对模型运行结果展开多维讨论 9.闭环案例实践教学 对模型运行结果展开多维讨论 9.闭环案例实践教学 对模型运行结果展开多维讨论 思想自由兼容并包 对模型运行结果展开多维讨论 思想自由兼容并包 10.实践应用与创新 •引入大学生创新实践项目，暑期本科短期项目鼓励学生通过项目实践探索人工智能在临床医学中 手术的效率和满意度。 10.实践应用与创新 •和公司及医院合作，开展产学研项目，鼓励学生实践，提升解决实际问题的能力。 11 AIGC赋能教学内容设计 12.考核方式:过程性评价 1.课堂参与与小组讨论（20%） 1.形式：课堂提问、小组讨论、互动活动。2.目标：评估学生对课程内容的参与度和初步理解能力。 2.课堂作业与案例分析（60%） 1.形式：每次课程的上机实践。2.目标：评估学生对知识点的掌握情况以及对案例的基本分析能力。 3.项目实践：AI医疗应用设计（20%） 1.形式：小组项目，提交书面报告和简短演示。 2.目标：培养学生的创造力和跨学科思维，将AI技术与医疗场景相结合的应用能力。 13.课堂效果 以项目的形式培养应用能力、创新思维和科研能力 13.课堂效果 医学+人工智能案例 纳米机器人在血管内治疗血栓视频 配套资源 PART03 配套教材 感谢本书编委团队北京大学医学部：王静、王路漫、耿慧玲首都医科大学：夏翃、刘冬冬海南医科大学：林加论、詹何庆、李晓玲天津医科大学：司家瑞山东第二医科大学：刘桂花 1.教材四大特色 1.知识全面系统 内容涵盖人工智能概述（第1章）和技术基础（第2章），到医学文本（第3章）、医学影像（第4章）、医学感知（第5章）以及医学生物信息（第6章）等细分领域人工智能技术，再到当前热门的医学大模型（第7章）和医学智能体（第8章）的应用，以及医学人工智能发展中的伦理与安全问题（第9章） 1.教材四大特色 2.理论和实践相结合 本书提供丰富的0代码（或低代码）案例，并融入了趣味实践任务，鼓励读者动手操作，将理论知识转化为解决实际问题的应用能力 1.教材四大特色 3.医工交叉 知识和医学案例紧密结合，非计算机专业的医学生轻松理解和掌握医学人工智能的相关概念。 4.丰富的教学资源 配套教材 配套教材 配套教材 配套教材 思想自由兼容并包 配套课程资源（头歌课程——建设中） 配套课程资源（头歌课程——建设中） 配套课程资源（头歌课程——建设中） 配套课程资源（头歌课程——建设中） 感谢聆听 T H A N K ST O T H E T E A C H E R ' S C A R E F U L G U I D A N C E