> **来源：[研报客](https://pc.yanbaoke.cn)** # 医学院校人工智能通识课程探索与实践总结 ## 核心内容 北京大学医学部在医学人工智能通识课程建设方面进行了积极探索，旨在培养具备AI素养的跨学科医学人才，以适应医疗行业数字化转型的需要。课程建设聚焦于理解、应用、评估AI技术及伦理思考，涵盖医学人工智能基础知识、医学图像智能分析、医学文本智能分析、医学信号智能分析等多个领域。 ## 主要观点 - **AI技术正在深刻影响医疗健康领域**：从智能诊断、精准医疗到智慧医院，AI技术正推动医疗行业的创新发展。 - **政策推动AI教育发展**：国家和教育部出台多项政策，推动AI成为高校公共基础课，强调医学教育与新科技革命的深度融合。 - **医学生AI素养不足**：医学生普遍缺乏AI知识，需通过通识课程进行系统性培养。 - **课程建设面临多重挑战**：包括学生学业压力大、师资复合型人才短缺、教学资源不足、课时分配矛盾等。 - **课程体系多样化**：北京大学医学部开设了59门与AI相关的课程，包括通识基础课、素养课和交叉课程，并采用多种教学模式，如微专业、辅修课程包、平台赋能型等。 ## 关键信息 ### 课程建设背景与必要性 - 医疗AI技术全面渗透临床医疗、精准医疗和智慧医院。 - PubMed中与AI在医学中的研究文献逐年增长，显示AI在医学领域的广泛应用。 - 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，显示出AI在医疗行业的快速发展。 ### 课程建设思路 - **四大核心素养**：批判思维、创新思维、跨学科思维和人机协作。 - **能力目标**：掌握AI基本概念与原理，能应用AI工具辅助诊疗、科研和学习，能评估AI伦理风险，能适应跨学科协作与终身学习。 ### 课程模式 - **专业建制型**：如天津大学、南开大学、华中科技大学等，系统培养医工交叉人才。 - **通识必修/选修课**：如中山大学中山医学院，面向全体医学生，覆盖面广。 - **微专业/辅修型**：如四川大学华西、上海交大医学院，灵活、需求导向。 - **平台赋能型**：如北京大学医学部，将AI平台嵌入现有课程，见效快。 ### 课程内容 - **基础知识**：人工智能概念、发展历程、常用方法等。 - **医学应用**：医学文本、图像、信号、视频、生物信息等智能分析。 - **前沿技术**：医学大模型、医疗智能体、AI伦理与法律等。 - **实践教学**：通过虚拟仿真实验、编程实践等方式，提升学生的动手能力。 ### 课程实践案例 - **肺结节分类模型**：使用Python和深度学习框架（如TensorFlow）建立分类模型，并进行性能评估。 - **案例教学**：通过多层次案例教学，让学生理解AI在医学中的应用，并进行实际操作。 - **教学体系**：课程内容采用差异化设计，涵盖基础、应用和技能型课程，以适应不同学生的需求。 ### 课程建设成果 - 北京大学医学部已开设多门AI相关课程，包括《医学人工智能导论》、《医学图像与人工智能》等。 - 课程体系融合了医学与AI，强调理论与实践的结合，提升学生的AI素养和实际应用能力。 - 通过教学实践，学生能够经历“选题 $\rightarrow$ 准备数据 $\rightarrow$ 建模 $\rightarrow$ 预测 $\rightarrow$ 运行 $\rightarrow$ 验证 $\rightarrow$ 解释 $\rightarrow$ 伦理 $\rightarrow$ 反思”的完整流程。 ## 教学实施与资源 - **教学资源**：包括医学图像数据集、AI平台（如3D Slicer）、编程工具（如Python、TensorFlow、PyTorch）等。 - **教学实施**：采用多方式多层次案例教学，注重动手实践，让学生在真实医学场景中应用AI技术。 - **课程资源**：北京大学医学部健康信息管理系已形成较为完整的AI课程体系，涵盖多个医学领域，如临床医学、药学、护理学等。 ## 未来展望 - **持续优化课程内容**：根据AI技术的发展和医学需求的变化，不断更新课程内容，确保其前沿性和实用性。 - **加强师资队伍建设**：培养和引进具备医学与AI交叉背景的师资，提升教学质量。 - **深化教学实践**：通过更多的实践项目和案例，增强学生的动手能力和实际应用能力。 - **推动课程标准化**：参与制定人工智能通识课程的团体标准，确保课程体系的规范性和统一性。 ## 总结 北京大学医学部在人工智能通识课程建设方面取得了显著进展，通过多样的课程模式和丰富的教学内容，有效提升了医学生的AI素养和应用能力。课程建设不仅关注技术层面，还强调伦理思考和跨学科协作，为培养新时代医学人才提供了坚实的基础。