医学院校人工智能通识课程探索与实践

课程建设时代背景与必要性

• 时代驱动：AI技术正重塑医疗健康领域，包括智能诊断、精准医疗、智慧医院等，处于"AIforScience"和"AIforHealth"的历史交汇点。
• 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，行业数字化转型加速。
• 国家战略支持：国家卫健委等部门发文规范和促进"人工智能+医疗卫生"应用发展，医学院校AI教育成为健康中国战略的重要组成部分。
• 现实需求：医生能力要求重构，存在AI素养不足、应用障碍、人才短缺等问题，传统医生需向智能时代医生转变。
• 医学教育改革：培养跨学科思维医学人才成为核心命题。

现实状况与痛点

• 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"三个并存"特征：政策与落地不齐、专业扩张与通识覆盖不足、高使用率与课程短缺并存。
• 规模数据：智能医学工程专业自2017年设立以来呈爆发式增长。
• 课程开设模式：主要模式包括大学计算机+AI融入、独立AI通识课、专业内AI课程、MOOCs等。
• 开设难点：师资短缺、资源投入不足、课程体系不完善、临床结合不紧密。

课程建设思路

• 北京大学医学部课程体系：全校共59门AI相关课程，覆盖医学各领域。
• 健康信息管理系课程建设：自2010年起面向本科生/研究生开设AI系列课程。
• 课程建设目标：培养医学生AI素养，实现"四个能够"：理解、应用、评判、适应。
• 课程内容：多层次差异化设计，涵盖AI基础、医学应用、伦理等。
• 教学方法：虚拟仿真实验、实验室实践、多方式多层次案例教学、闭环案例实践教学。
• 实践应用与创新：引入大学生创新实践项目，开展产学研合作。
• AIGC赋能：利用AIGC辅助教学内容设计。
• 考核方式：过程性评价，包括课堂参与、课堂作业、项目实践。

课程资源介绍

• 配套教材：四大特色包括知识全面系统、理论与实践结合、医工交叉、资源丰富。
• 配套课程资源：头歌课程建设中。