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医学院校人工智能通识课程探索与实践

时代背景与必要性

• AI重塑医疗领域：人工智能技术正深刻影响医学领域，包括智能诊断、精准医疗、药物研发和智慧医院等，推动"AI for Science"和"AI for Health"发展。
• 行业数字化转型：截至2025年5月，中国已发布288个医疗垂直大模型，医疗行业数字化转型加速。
• 国家战略支持：国家出台多项政策支持智能医疗发展，如《新一代人工智能发展规划》、《关于进一步完善医疗卫生服务体系的意见》等，将AI教育纳入健康中国战略。
• 医生能力要求重构：医生角色从传统诊疗者转变为医疗数据决策者，面临认知差距、应用障碍和人才短缺等挑战。
• 医学教育改革：培养具备跨学科思维的医学人才，强调理解AI应用、评估AI伦理和思考AI发展。

开设现状及问题

• 总体态势：医学院校AI课程建设从探索试点转向全面铺开，呈现政策与落地不齐、专业扩张与通识覆盖不足、学生使用率高与课程供给短缺的"三个并存"特征。
• 智能医学工程专业：自2017年设立以来，该专业规模快速增长，累计新增备案院校数达100所。
• 课程开设模式：包括专业建制型、通识必修型/选修课、微专业/辅修型和平台赋能型，各有优劣。
• 主要模式：医学院校多采用"大学计算机+AI融入"或独立AI通识课模式，但面临师资短缺、资源投入等困难。
• 开设难点：主要包括师资力量不足、课程资源匮乏、学生负担加重等。

AI通识课程建设和实践

• 北京大学医学部课程体系：全校共59门人工智能相关课程，覆盖临床医学、药学、护理学等医学领域。
• 健康信息管理系课程建设：开设《人工智能》系列课程，包括本科和研究生课程，如《大学计算机与人工智能》、《Python与人工智能进阶》等。
• 课程建设目标：培养医学生AI素养，实现"能够理解、应用、评判和适应"AI的能力，强调批判思维、创新思维、跨学科思维和人机协作能力。
• 课程内容：采用差异化设计，涵盖AI基本原理、医学应用全景等内容。
• 教学方法：通过虚拟仿真实验、实验室实践、结合医学场景介绍知识、案例教学等方式，让学生亲身体验AI技术。
• 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"全过程，重视数据临床语义理解和结果解读。
• 实践应用与创新：引入大学生创新实践项目，与公司及医院合作开展产学研项目，提升学生解决实际问题的能力。
• AIGC赋能教学内容设计：利用AIGC技术优化教学内容设计，提高教学效率。
• 考核方式：采用过程性评价，包括课堂参与、小组讨论、课堂作业、案例分析、项目实践等。
• 课堂效果：以项目形式培养应用能力、创新思维和科研能力，如纳米机器人在血管内治疗血栓等案例。

配套资源

• 配套教材：由多院校编委团队编写，特色包括知识全面系统、理论与实践相结合、医工交叉知识和医学案例紧密结合、丰富的教学资源等。
• 配套课程资源：包括头歌课程等，正在建设中。