人工智能背景下我国健康服务与管理专业本科教育的转型研究

Research on the transformation of undergraduate education in health service and management in China under the background of artificial intelligence

摘要

在人工智能快速发展和健康中国战略深入推进的背景下，我国健康服务与管理专业本科教育存在现有培养体系与行业需求不匹配、实践教学缺乏人工智能企业参与、缺乏“人工智能+”系列专业教材、师生培养模式单一等问题，需构建“医学+健管+人工智能”三位一体的能力培养框架，将人工智能素养和跨学科能力纳入培养体系，培养具备人工智能应用核心技能的复合型人才。发展路径包括：构建“医学+健管+人工智能”三维培养方案、跨学科专业实践体系及系列教材；打造“医学+健管+人工智能”本科教育生态平台。

Abstract

Under the background of the rapid development of artificial intelligence and the in-depth implementation of the Healthy China strategy， undergraduate education in the major of health service and management in China has challenges include the mismatch between the existing training system and industry needs， the lack of participation from artificial intelligence enterprises in practical teaching， the absence of a series of “artificial intelligence +” professional textbooks， and a relatively single training model for teachers and students. It is therefore necessary to construct a trinity competence cultivation framework integrating medicine， health management， and artificial intelligence， incorporate artificial intelligence literacy and interdisciplinary competence into the training system， and cultivate interdisciplinary talents with core skills in the application of artificial intelligence. The development pathway includes constructing a three-dimensional training program integrating medicine， health management， and artificial intelligence， establishing an interdisciplinary professional practice system and a series of textbooks， and building an ecological platform for undergraduate education integrating medicine， health management， and artificial intelligence.

关键词

健康服务与管理本科专业 / 人工智能 / 本科教育转型 / 人才培养

Key words

undergraduate major in health service and management / artificial intelligence / transformation of undergraduate education / talent cultivation

党的二十届三中全会倡导“优化高等教育布局，加快建设中国特色、世界一流大学和优势学科”^［1］，明确优化高等教育布局的战略方向，为人才培养提供了战略指引和实践指南^［2］。2025年《政府工作报告》^［3］中提出，要持续推进“人工智能+”行动。2025年4月，教育部等九部门发文，表明要探索“人工智能+教育”应用场景新范式，推动大模型与教育教学深度融合^［4］。人工智能（artificial intelligence，AI）时代以数字化与智能化新技术蓬勃发展为特征，新技术融合了AI的新成果，赋能中国高等教育变革，为高等教育数字化转型、实现高质量发展创造了机遇^［5］。在此背景下，健康服务与管理本科（以下简称“健管”）专业面临着人才培养目标转换不及时、技术能力鸿沟等数字化转型压力。本文基于AI背景下健管专业数字化转型的新要求及面临的挑战，探索该专业人才培养改革路径，推进“人工智能+”行动，助力健管专业本科教育领域“人工智能+”应用创新发展。

1 AI背景下社会对健管专业人才的新要求

1.1 “医学+健管+AI”三维能力框架

AI背景下，数字化转型是新文科专业建设的重要任务，这对健管专业学生的核心能力提出了更高要求，即构建“医学+健管+AI”三位一体的融合培养框架。过去，健管专业仅围绕“医学+健管”二维度框架进行学生专业能力培养。在大数据和AI普及之前，健管毕业生往往依赖传统理论与个人经验开展业务，但经验驱动下的健管业务缺乏数据要素支持，健康决策往往囿于经验与传统的理论模型，不能进行精准的分析与预测，也无法精准评估实施效果进行反馈修正，因此，限制了健管专业的发展。AI普及后，健管专业毕业生可借助大数据技术和AI算法高效收集、处理和分析大量健康数据，从而准确评估目标人群健康风险并科学制定健康干预计划。健管专业人才需要在掌握医学与健管知识的基础上，具备将AI技术深度融入所学的能力，尤其是利用AI分析健康数据、管理健康信息和创新健康服务模式的能力。培养健管专业学生“医学+健管+AI”维度的能力，一方面，是应对全球人口老龄化加剧、慢性病负担加重等现实背景下精准健康服务的迫切需求；另一方面，是顺应健康产业数字化转型、尊重数据要素核心驱动作用的必然选择，更是健管专业突破传统文科局限、构建学科新优势的内在要求。

1.2 AI素养与跨学科能力的培养目标

“医学+健管+AI”能力框架下，应该把AI素养和跨学科能力加入专业人才的培养目标。AI的发展要求劳动者强化高阶综合能力，如创新思维、跨界融合能力与协作能力等^［6］。健管专业人才培养需具备创新思维，融合运用大数据、AI等技术，洞察健康数据价值，整合多源信息进行健康风险评估，设计并实施创新性的健康干预计划，将技术应用于人际互动，从而优化健康服务协作与管理效能。健管专业本就是集医学、管理学、信息科学等多学科知识于一体的新文科专业，强调多学科的交叉融合。一方面，跨学科教育能够有效统合利用学校资源，弥补单一学科发展的劣势，同时拓宽专业发展道路，有利于寻找新的学科增长点^［7］。跨学科能力写入培养目标，能够有效提升学生培养质量。另一方面，现代医学模式的转变要求大健康行业向预防、治疗、康复、护理、健康管理等全链条领域拓展；将跨学科能力加入健管专业培养目标，也是适应大健康行业的发展趋势^［8］。

在AI快速发展的当下，健管专业学生如果仅仅停留在传统的信息获取与研究开展层面，将难以满足健管行业日益增长的智能化应用场景。应细化对健康领域AI知识的掌握程度，学生需能够独立完成从健康数据收集、整理到分析、可视化呈现的全过程，具备开发简单AI健康应用的能力，能够运用AI制定精准的健康干预计划并评估干预效果。

1.3 AI驱动新的核心技能

AI已经广泛应用于健康管理领域当中，主要用于风险评估、体检报告解读、健康问答等。而目前AI及相关技能并未被各院校视为健管专业人才培养的核心技能。专业应用前景呈现出的强大需求与专业技能培养的缺失形成鲜明对比。健管专业学生广泛应用AI的前提是掌握AI相关的大数据分析技能和AI部署与应用技能。而中国院校健管专业的技能培养各有其特点：医学类院校的健管专业侧重培养医学技能，师范类院校的健管专业侧重培养健康教育技能，体育类院校的健管专业侧重培养运动康复技能等^［9］。在尊重各院校积极利用自身资源及地方特色的基础上，要坚持以AI贯穿健管专业技能培养的全过程。在健管专业学生的医学、管理学技能与AI技能的培养上，应当做好以下2个方面：一是掌握一定的AI实现工具，让学生“想用、能用、会用”基础的AI工具。如学会使用Python、R等常用于数据分析的语言，能够使用Power BI 等工具进行可视化。二是在医学、管理学技能中积极使用AI与大数据技术提升效率，如使用机器学习算法提高健康风险评估的准确性；使用自然语言处理模型分析客户的健康诉求，完成需求分析。借助先进的生产力工具放大医学与管理学知识的联合作用，扩展健康服务与健康管理的应用场景。在核心技能培养中融合AI，能够提高学生解决实际业务的能力，能够推动健管专业学生培养的数字化转型，从而扩展AI时代下本专业的发展空间，实现健管专业的高质量发展。

2 AI背景下中国健管专业本科教育的挑战

2.1 现有培养体系与行业需求不匹配的挑战

2023年以来，以ChatGPT和DeepSeek为代表的生成式AI的广泛应用，对高等教育的培养方案提出了新要求，对培养AI型复合型人才的行业需求更强烈。司建平等^［10］研究显示，在18所开设有健管专业的中医药院校中，仅11.1%的院校明确将复合型人才培养作为培养目标的重点。且当前健管专业的培养方案在AI融合方面存在明显不足，课程内容与技能实践并没有与AI融合。在课程内容上，具有融合潜力的课程如医学统计学、SPSS应用、公文写作、健康信息管理等未能有效结合AI技术，如利用AI提升数据分析效率、优化文档生成与逻辑。同时，专业核心技能方面，像健康数据分析、风险评估、干预方案制定正面临被AI替代的风险，原因在于AI算法（如风险预测模型）能更全面、准确地完成任务。现有健管专业课程体系，既缺乏融合智能分析工具的健康管理技术与实训课程，也未系统开设AI在健康管理领域应用的专项课程。计算机与编程类课程普遍缺失或弱化，健康信息隐私保护等伦理内容涉及较少，学生数理基础、编程能力及技术伦理认识薄弱。人才培养目标本身未将AI纳入核心要求。多数高校培养目标仍固守传统的“管理+医学”人才定位，忽视了在AI驱动的新科技革命下，人才必须具备跨学科技术应用能力和AI素养的迫切需求，造成人才技能培养与行业需求不匹配^［11］。

2.2 实践教学缺乏AI企业参与所带来的挑战

AI技术的不断发展，使得智能机器人在基层慢性病管理方面的应用范围越发广泛^［12］。例如，智能健康管理机器人通过搭载华为盘古大模型5.0及润达医疗的AI技术，结合先进的数据治理和多模态交互技术，能处理并精准理解多模态数据，如病历、体征、检验报告等，为用户提供个性化的健康风险分析和预防干预措施。AI在慢性病管理中可通过构建知识库、整合健康记录、建立概率模型和进行场景模拟等技术手段，收集和处理患者的多维数据，包括病史、生活方式、环境因素及生理参数等，从而识别出潜在的疾病风险，预测病情的未来发展趋势，并提供个性化的健康管理方案。当前，健管专业学生实践教学基地局限于医疗机构、健康管理中心、养老机构、保险机构等传统健康领域，缺乏与AI企业或智能化健康赋能单位的联合培养机会。国家卫生健康委发布的《卫生健康行业人工智能应用场景参考指引》^［13］中明确了AI在公共卫生、临床诊疗等场景中的应用方向，AI技术正从实验室研究逐步走向广泛的临床应用，成为提升医疗效率、推动精准医学发展的重要工具。在此背景下，健管专业学生实践教学体系若不与AI企业联合，将难以跟上行业发展的步伐。

2.3 缺乏“人工智能+”系列专业教材所带来的挑战

目前，国内健管专业的本科教材仍然以传统医学、管理学知识为主，包括管理学、健康管理学、卫生统计学、临床医学概论等，而AI在这些专业课程领域的赋能应用及融合的教材鲜见。虽然有少数内容涉及AI，目前大部分停留在“大数据”“AI”概念阶段，缺乏像机器学习算法在慢病管理中的应用、智能健康风险评估模型搭建等深度融合。当前教材体系对AI的“形式化引入”与“深度融合缺失”，本质上是教育供给与技术变革的结构性矛盾。若不加快教材迭代，将导致行业面临“智能技术落地依赖外部工程师、专业人才无法主导AI应用”的被动局面，不符合“健康中国2030”对AI复合型人才的培养要求。

2.4 师生培养模式单一所带来的挑战

在AI重构教育生态的背景下，健管专业师生培养模式仍依赖传统单一教学模式，尚未建立与AI时代相匹配的创新培育生态。教师团队以医学、管理学为主，普遍缺乏AI、大数据分析等跨学科技术储备人员。同时，专业教师的AI素养有待提升，难以指导学生开展智能健康管理研究。教育部《高等学校人工智能创新行动计划》^［14］中明确要求“推动人工智能与医学、管理学等学科深度融合”，并强调高校需“加强教师人工智能素养培训，将AI技术纳入实践教学体系”，而现实是健管专业教师团队中医学、管理学背景占比超70%，具备AI专业背景的教师不足4%，形成政策强制要求与师资结构单一化的直接冲突。在生成式AI催生的新场景中暴露出跨学科思维与批判性思维的短板，难以突破学科边界整合医学、管理学与AI知识，或对AI生成内容进行逻辑验证与伦理审视批判性思维与创新能力不足。校内缺少AI学习平台，学生若想自学，需依赖外部网络课程，缺乏具体结合专业内容的针对性指导。

3 AI背景下中国健管专业教育发展路径

3.1 构建“医学+健管+AI”三维培养方案

《健康中国2030规划纲要》^［15］是健康中国战略的顶层设计，明确提出要“发展健康产业，培育健康服务新业态”，并强调健康管理、健康促进等领域的专业人才培养。AI时代，健管专业人才教育的目标是培养适应健康中国发展战略需要的应用复合型人才，实现“医学+健管+AI”三维融合。在该体系中，健管专业培养要以医学知识为基础，以健管实践为支撑，以AI技术为驱动，三者相互结合对原有的培养方案进行变革。首先，补充AI基础能力培养短板。不少院校在AI先修课程缺失的情况下，在较高年级贸然开设AI课程，造成知识阶段性的脱节。应在低年级开设AI的先修课程，如数学与编程语言，并培养本学院本专业的AI教学导师，减少学生在学习时的突兀感。其次，打破原有AI课程与医学、健管等课程的割裂，形成三者相互渗透的培养体系。学生除了学习医学、管理基础理论知识，还要掌握使用AI进行健康风险评估、疾病预测建模等专业技能的能力，从而提高独立思考和解决问题的能力。培养目标的转变有利于有效应对老龄化社会、慢性病防控、医疗资源配置等现实挑战。

3.2 探索“医学+健管+AI”跨学科实践体系

健全校企合作机制，引入AI领域企事业单位，成立长期合作的健管人才输送实习基地，重点指导智能健康监测、医疗资源智能调配等实际操作技能的实践应用。在教学专业技能实施过程中，可以利用虚拟仿真技术搭建健康管理实验室，通过线上沙盘模拟等形式还原分级诊疗、智慧医院管理等实际工作场景。通过“知识学习—技术掌握—场景应用”三阶段实践模式，形成“理论奠基—技术支撑—实践检验”的完整培养链条及过程。这种“医学+健管+AI”跨学科实践体系，突破了传统实践限制，让学生直接接触健康领域的智能化应用场景，培养出顺应智能化时代发展的智慧健康领域的复合型健康服务人才。例如，北京中医药大学携手和鲸ModelWhale平台共建健康医疗人工智能实验室，为公共管理学科下的大数据管理与应用专业培养交叉应用型数据科学人才。2024年12月，国家卫生健康委发布了《卫生健康行业人工智能应用场景参考指引》^［13］。健管专业可以将社区健康管理作为智能健康管理实践的重要部分，学习如何收集、整理区域居民健康信息并智能精准分析，基于数据驱动开展健康服务、风险评估及健康宣教，实现分层分类治疗与管理。

3.3 编写“医学+健管+AI”系列教材

在教材创新方面，推动健康管理领域产学研深度融合，充分发挥教材核心育人功能，以数字化平台筑牢健管教育发展的核心基石，着力构建智慧教育共同体。须创建“医学+健管+AI”教材体系，例如，增加《医学人工智能基础》《医疗人工智能治理》《健康大数据管理》《智能健康管理》等教材编写，提高专业教师AI素养，运用AI解决问题的能力。此外，开设AI与健康产业结合的创新创业课程，提升该专业创新创业教师与AI的结合创新能力。AI与健康管理领域交叉的教材目前还比较少见，因此需要编写适合“医学+健管+AI”的系列教材。通过资源整合联合AI医疗企业编写实践手册，提供健康大数据分析、算法应用等模块内容。高校需通过政策激励与支持教材编撰，充分调动教师参与教材创新的工作积极性^［16］，应该鼓励跨学科团队编书，联合医学、管理学、计算机方面专家，共同编写“医学+健管+AI”系列教材。

3.4 打造“医学+健管+AI”教育生态平台

健管本科教育AI教学生态平台建设呈现虚实融合特征，以健管虚拟仿真系统为核心基础设施，集成AI设备数据管理、虚拟智能教师考核等功能，支持远程线上操控实践训练，学生需运用AI辅助诊断系统完成社区健康管理项目；实体平台侧重产业对接，引入智能健康监测设备，让学生操作可穿戴设备完成训练项目。此外，接入高校共建健康大数据分析平台，实现数据互通与算法共享。打造大学AI教学生态平台，前期需要训练人工智能体，输入健管专业知识，组织院校师生资源进行深度使用，加速专业化健管AI教学生态平台的搭建。一些高水平大学的医学院在AI教学方面走在前列，如上海交通大学医学院成立“AI+医学教育”工作专班，与企业、医疗机构、科研机构等共同开展多元化实践教学平台的建设，把“狭义”的生物医学实验室及模拟实训中心整合为“广义”的智能医学实践平台。

当下，健管专业“师-机-生”三元互动模式渐成主流。教师借助AI设计情境化教学，模拟健康风险评估场景，引导学生进行课前、课中、课后课程自学并运用机器学习模型分析体检数据^［17］。除此之外，通过导出平台学习数据以辅助师生强化教学效果，智能答疑系统实时解答学生疑问。评价体系改革突出AI赋能，过程性评价结合AI分析学习行为，依据学生操作轨迹数据调整教学策略；终结性评价设置AI模型构建任务，学生开发智能健康干预方案并接受双重评估，解决传统考试“重理论轻应用”问题^［18］。打造专业健管AI教学生态平台亦有利于形成产学研闭环：课程体系对接行业需求，教学模式融合AI工具，资源平台支撑实践创新，评价体系保障培养质量。随着AI的迭代，AI教学生态平台将持续进化，为健康中国战略输送具备“医学+健管+AI”的复合型人才。

注：本文系国家教材建设重点研究基地（高等学校医学教材研究）成果。

参考文献

[1] 新华社.中共中央关于进一步全面深化改革 推进中国式现代化的决定［EB/OL］.（2024-07-21）［2025-05-01］.

[2] 中华人民共和国商务部.中共中央关于进一步全面深化改革 推进中国式现代化的决定［EB/OL］.（2024-07-22）［2025-04-29］.

[3] 新华社.政府工作报告［EB/OL］.（2025-03-12）［2025-05-01］.

[4] 中华人民共和国教育部.教育部等九部门关于加快推进教育数字化的意见［EB/OL］.（2025-04-15）［2025-4-28］.

[5] 郑燕虹，罗常军，蒋洪新.人工智能推进外语教育改革的探索［J］.外语界，2025（1）：8-12.

[6] 吴河江，吴砥，谢晶.人工智能赋能教育生产力的机理与进路：兼论教育的生产力属性［J］.教育科学，2025，41（3）：17-23.

[7] 雷家彬.协同创新视角下高校跨专业教育的模式与实践创新［J］.高校教育管理，2014，8（5）：83-86，110.

[8] 林为平，潘燕霞，陈旻，等.医学创新人才跨专业教育模式探讨［J］.医学与哲学，2021，42（19）：78-81.

[9] 王先菊，司建平.健管专业现状、问题及创新路径［J］.医学与哲学，2021，42（21）：67-70.

[10] 司建平，王先菊，郭清.中医药高等院校健康服务与管理专业人才培养方案比较研究［J］.医学与社会，2022，35（7）：92-96，112.

[11] 王琼，吴起.智能传播人才培养的现状和进路［J］.新闻与传播评论，2025，78（2）：76-87.

[12] 张璇，张飞，李铭麟，等.智能机器人在基层慢性病管理中的应用与挑战［J］.中国全科医学，2025，28（1）：7-12，19.

[13] 国家卫生健康委员会. 国家卫生健康委员会办公厅关于印发卫生健康行业人工智能应用场景参考指引的通知［EB/OL］.（2024-11-14）［2025-05-01］.

[14] 教育部. 教育部关于印发《高等学校人工智能创新行动计划》的通知［EB/OL］.（2018-04-03）［2025-05-01］.

[15] 新华社.中共中央 国务院印发《“健康中国2030”规划纲要》［EB/OL］.（2016-10-25）［2025-05-01］.

[16] 卢先和.立足于新质人才培养的优秀教材出版探讨［J］.科技与出版，2024（5）：59-67.

[17] 王悦晓，郝天聪.生成式人工智能赋能职业教育变革：挑战与现实路径［J］.教育与职业，2025（4）：14-20.

[18] 戚武振，王石峰，徐冰.新工科背景下中药学交叉创新人才培养模式探索［J］.卫生职业教育，2025，43（8）：1-4.

基金资助

广州中医药大学2026年度“筑峰造尖”行动计划“固本”工程社会医学与卫生事业管理学科能力提升项目——中医特色健康服务与保障研究团队培育专项