医学院校大数据管理与应用专业建设情况研究与实践——以北京中医药大学为例

Research and practice on Big Data Management and Application specialty construction in medical universities： a case study of Beijing University of Chinese Medicine

摘要

目的 在健康中国战略与“四新”建设背景下，探索医学类院校大数据管理与应用专业建设路径。 方法 采用多维度对比分析法，研究5类院校专业评级、课程设置与毕业生去向；通过问卷调查6所医学类院校的师资结构、教学资源及实践机制；结合北京中医药大学典型案例总结专业建设经验。 结果 医学类院校专业评级普遍偏低（B+/B），课程结构呈信息技术类（37.2%）与医学特色类（22.5%）双主导模式，计算机背景师资占比超60%，实践教学呈现传统医疗领域强、跨领域创新弱的特征。北京中医药大学创新构建“中医药知识-数据技术-管理决策”融合型课程体系，搭建“实验室-企业-医院”协同平台，实施特色跟师培养机制，形成学科深度交叉的示范路径。 结论 医学类院校需强化课程整合机制，优化“医学-技术”复合型师资结构，深化产教协同，以培养兼具医学素养与数据思维的复合型人才。

Abstract

Objective The study aims to explore the development path of the Big Data Management and Application （BDMA） program in medical universities under the Healthy China Initiative and the “Four New Disciplines” construction framework. Methods A multi-dimensional comparative analysis was conducted across five categories of universities regarding program rankings， curriculum design， and graduate destinations. Questionnaire surveys were constructed in six medical universities focusing on faculty structure， teaching resources， and practical teaching mechanisms. The practical experience of Beijing University of Chinese Medicine （BUCM） was analyzed as a representative case to summarize specialty construction experience. Results Medical universities generally achieved B+ or B program rankings. Curriculum structures demonstrated a dual dominance of information technology courses （37.2%） and medical distinctive courses （22.5%）. Over 60% of faculty members had computer science backgrounds. Practical training showed strength in traditional medical fields but weakness in cross-disciplinary innovation. BUCM established an innovative model that includes： an integrated “TCM knowledge-data technology-management decision-making” curriculum system； a “laboratory-enterprise-hospital” collaborative platform； a distinctive mentorship cultivation mechanism， forming a demonstration path of deep disciplinary integration. Conclusion Medical universities should enhance curriculum integration mechanisms， optimize the interdisciplinary faculty structures integrating medicine and technology， and deepen industry-academia collaboration to cultivate interdisciplinary talents who integrates medical literacy with data thinking.

Graphical abstract

关键词

大数据管理与应用 / 人才培养 / 医学 / 专业建设 / 课程体系

Key words

Big Data Management and Application / talent cultivation / medical science / specialty construction / curriculum system

在大数据、人工智能时代，医疗大数据已逐渐成为优化医疗决策、提升医疗服务质量及降低医疗成本的核心手段^［1］。中国政府对健康医疗大数据的发展给予了高度重视，《国务院办公厅关于促进和规范健康医疗大数据应用发展的指导意见》（2016年）明确指出健康医疗大数据发展的重要性及具体路径^［2］，国家卫生健康委员会于2018年发布的《国家健康医疗大数据标准、安全和服务管理办法（试行）》，进一步加强了健康医疗大数据服务管理^［3］。健康医疗大数据不仅具备大数据本身的四大特征，即大容量、高速度、多类型、高真实性，还具有时效性、不完整性、隐私性、冗余性等独特属性，需要具备综合性和专业性的交叉型人才，然而，国内医疗行业大数据人才极度匮乏^［4-5］。培养具备医疗行业大数据管理与应用能力的专业人才，显得尤为关键^［6］。为此，2020年《国务院办公厅关于加快医学教育创新发展的指导意见》^［7］提出推进“医学＋X”多学科背景的复合型创新拔尖人才培养，2023年《服务健康事业和健康产业人才培养引导性专业指南》^［8］引导高校加快培养医学与其他学科深度交叉融合复合型人才。医学类院校开设大数据管理与应用专业，不仅是顺应时代发展的必然选择，也是提升医学领域大数据专业教育质量和培养“医学+X”多学科背景的复合型创新拔尖人才的重要举措^［9］。

北京中医药大学（以下简称“本校”）于2019年成功获批设立大数据管理与应用专业，随后，南京中医药大学（2019）、山东第二医科大学（原潍坊医学院）（2019）、安徽医科大学（2021）、右江民族医学院（2021）和沈阳医学院（2022）先后获批。截至目前，开设该专业的医学院校只有6所，总体来看，中国医学类院校在大数据管理与应用专业的建设上仍处于起步阶段^［10］，亟需通过持续探索与实践，从而满足医疗健康行业对大数据管理与服务专业人才的迫切需求。本研究旨在分析全国不同类型院校大数据管理与应用专业的建设现状，深入对比分析6所医学院校该专业的建设情况；并以本校为例，详细介绍其人才培养模式、课程体系构建、实践教学建设情况，以期为其他医学院校该专业的建设提供参考。

1 大数据管理与应用专业建设现状

1.1 不同类别院校大数据管理与应用专业对比

1.1.1 各类院校专业排名对比

根据2023年软科网大数据管理与应用专业评分排名前110所院校数据^［11］，将各院校按类型划分标准分为6类：理工类、综合类、财经类、医学类、师范类、其他类。其中，“其他类”包括财经政法类、政法类、艺术类、语言类、农业类、林业类、体育类。分析6类院校专业评级，理工类与财经类院校各评级分布较为均匀，综合类院校“A+”“A”评级总占比最高，师范类院校评级没有“A+”，医学类与其他类院校评级仅有“B+”和“B”。具体见图1。

1.1.2 课程体系对比

综合院校官网（访问时间：2024年2月）培养方案公开程度及软科网专业排名（评级至少为B+），因“其他类”院校种类多、差异大且评级均为B+及以下，其对比参考意义有限，故排除。医学类院校纳入已开设大数据管理与应用专业的6所院校，其余4类（理工类、综合类、财经类、师范类）院校各选取5所代表性院校，分析此26所院校的课程体系。通过系统检索各院校官网培养方案中的课程信息，完整提取所有课程名称并按院校类别分组，依据课程内容进行分类标引，最终形成课程体系类别划分。信息技术与计算机类课程及数据科学类课程在所有类型的院校中均占据了显著比例，编程技能、数据分析和机器学习等技术能力都是各类院校培养大数据人才的核心组成部分。5类院校虽侧重点不同，但均注重将行业相关课程融入课程体系，体现行业特色^［12］，其中医学类院校行业相关课程占比最高。具体见图2。

1.1.3 毕业生去向对比

尽管5类院校大数据管理与应用专业毕业生均能在金融、信息技术/互联网及政府部门从事数据分析、信息管理等通用型工作，但其行业分布存在差异。理工类院校毕业生可在先进制造领域从事技术开发工作；财经类院校毕业生可在金融行业从事大数据技术与金融领域交叉融合的工作；综合类院校毕业生可在航运物流领域从事流程优化工作；师范类院校毕业生除教育行业工作外，还在教育大数据分析领域形成专业特色；医学类院校毕业生可在医疗影像处理、健康数据挖掘等垂直领域建立就业优势。具体见图3。

1.2 医学院校大数据管理与应用专业建设情况

本文进一步研究当前医学类院校大数据管理与应用专业建设情况，通过问卷对6所医学院校该专业负责人或专业教师进行调研，对比分析各院校该专业师资力量、教学资源、实践活动的情况。所有参与者均知情同意，数据保密并仅用于本研究。为减少主观性、降低抽样误差，每个院校分别采集4～5份样本，共回收有效样本28份。基于此，对比分析各院校专业建设情况。

1.2.1 师资力量分析

分析医学类院校师资力量结构，职称分布呈现梯度差异：沈阳医学院教授占比居首；本校与右江民族医学院副教授比例明显高于教授和讲师，安徽医科大学、南京中医药大学、山东第二医科大学讲师与副教授比例趋近。在教育背景上，学科构成呈现院校特色化分布：安徽医科大学以计算机科学为主导，辅以统计学与商业管理学科；本校、沈阳医学院、右江民族医学院具有计算机教育背景的师资均超70%，跨学科师资配置相对单一；南京中医药大学以管理科学与工程背景为主导（占比50%），同时涵盖商业管理与经济领域；山东第二医科大学则凸显统计学与数据科学特色（占比超70%），体现出鲜明的数理特色。具体见图4。

1.2.2 教学资源分析

进一步分析6所医学院校的教学资源，根据各院校教师对该院校当前教学资源优势排序结果，按照资源位次1~12，分别赋12~1的权重值，计算各院校教学资源综合得分。得分越高，越接近12，表明该教学资源综合排名越靠前，专业建设资源优势越大，反之则说明该教学资源建设不足。

6所医学院校大数据专业的教学资源配置存在结构性差异，整体而言，专业建设经费投入普遍不足，管理领域师资与学术骨干配置、学生实践平台建设成为共性短板，而数学统计类基础课师资配置相对均衡。具体见图5。

院校比较分析揭示差异化特征：本校在计算资源与硬件设施方面优势显著，但医学及管理类师资薄弱；安徽医科大学拥有医学、生物信息、数据科学的跨学科师资优势，而硬件条件与实践平台建设滞后；南京中医药大学以管理财经师资及学术骨干见长，但实践教学硬件亟待升级；山东第二医科大学的医学数据科学师资与科研能力突出，管理类师资明显不足；沈阳医学院医学与生物信息师资配置完备，计算平台建设需加强；右江民族医学院科研基础良好，但学术带头人稀缺且硬件设施不足。

1.2.3 实践活动分析

基于教师认同比例的调研分析，6所医学院校大数据专业学生实践教学呈现结构化特征。整体上，各院校在传统医疗实践领域普遍表现较强，而在数据科学竞赛、跨行业社会实践等方面仍存在显著短板。本校在医疗机构见习、创新创业项目、企业实习及课题申报等领域参与度全面领先，展现出实践资源的高度整合能力；南京中医药大学在医疗实践、科研培训及学术活动方面均衡发展；山东第二医科大学的企业实习与科研培训优势突出，但数据科学竞赛参与率较低；沈阳医学院虽在传统医疗实践与课题申报方面表现优异，但社会实践与科研培训参与度明显不足；右江民族医学院在学术成果产出方面成效显著，但数据科学竞赛机制尚未建立。具体见图6。

2 本校大数据管理与应用专业建设实践

本校2019年申报大数据管理与应用专业，2020年开始招生，并于2022年获批北京市一流专业建设点^［13］。

2.1 人才培养目标

北京中医药大学大数据管理与应用专业（以下简称“本专业”）致力于培养推动医疗卫生与健康产业发展的复合型人才，要求学生融合医学素养、数据科学思维及管理能力。依托多学科交叉优势，学生需要掌握数据科学、医学、管理学理论和方法，熟悉医疗卫生领域特别是中医药领域的数据特点，系统掌握中医药大数据管理技术，具备在医疗卫生行业、健康产业、国家卫生行政管理及互联网企业等部门从事医疗领域大数据管理、应用和决策分析的能力，有效支撑行业数字化转型^［14］。

2.2 专业课程设置

本专业致力于培养“医工文”特色复合人才，通过跨学科课程体系有机整合医药知识、管理理论、信息技术及大数据技术四大模块。医药模块奠定医学基础及行业规范认知，深化医疗领域需求理解；管理模块培育现代管理思维，支撑医学数据分析决策；信息技术模块夯实软件开发基础，提供技术底层支持；大数据技术模块聚焦机器学习、可视化及分析技术，培养数据处理核心能力。依托跨学科综合实训项目，推动模块间知识融合，重点培养学生将大数据技术应用于医疗管理、中医诊疗等场景的实践能力，实现理论向应用的有效转化。具体见图7。

此外，本专业构建三维选修体系支撑个性化发展：学生自主发展课程满足个体兴趣导向；公共选修课整合全校优质资源，强化人文素养与跨领域应用能力；专业选修课在必修模块基础上纵向深化应用领域，同步拓展医学卫生理论、行业管理决策与创新创业等横向维度。全学程采用阶梯式培养架构：第1学年夯实医学基础、信息技术及管理通识；第2学年融合医学理论与系统设计，强化计算机应用能力；第3学年聚焦数据分析与大数据管理技术，引入人工智能等前沿课程；第4学年深化专业实践能力，完成领域纵深学习与实践转化。具体见图8。

2.3 实践教学体系

2.3.1 实验室资源配置

高性能计算资源是支撑大规模数据分析与复杂算法研究的核心基础设施^［14］，北京中医药大学建成国内领先的健康医疗大数据与人工智能实验室，配备健康医疗人工智能教学实验平台、大数据教学实验平台各1套。硬件资源包括CPU服务器11台、GPU节点3台、计算机终端115台、NAS存储1台、网络交换机2台及机器人系统1套，设备总值逾700万元。该平台为大数据管理与应用专业提供了先进的实验环境，有效保障教学科研需求。

2.3.2 特色跟师路径

北京中医药大学管理学院（以下简称“本院”）秉持科教融合理念，构建特色跟师培养机制促进本科生学术创新。大二阶段实施前瞻性学习指导，由教师提供深度学习材料，研究生助教辅助人工智能平台实训；大三阶段组织科研分享会、技术交流会等活动，并基于学生专长分配个性化实践案例，系统训练科研方法与论文写作能力。该机制成效显著：本科生参与研发的“中药饮片调配预警系统”入选2024全球数字经济大会中医药论坛重大发布；三名本科生以第一作者身份在SCI期刊发表论文（影响因子3.0/3.1/3.9），实证了该路径对高水平学术产出的促进作用。

2.3.3 多维度实训体系

本院构建了课内实训、项目实训、竞赛实训与实习实训四维融合的培养体系。课内实训依托医疗大数据与人工智能实验室，系统提升学生领域知识与行业技能；项目实训联合华为、阿里、百度、腾讯、泰迪等头部企业共建核心课程，开发行业特色教学案例；竞赛实训协同企业举办医学数据分析与人工智能赛事；实习实训对接国家卫生健康委员会、国家中医药管理局、北京市中医药管理局、国家人口健康科学数据中心、国家骨科与运动康复临床中心及东直门医院等机构，强化医学场景应用能力。该体系通过实验室资源、校企课程共建、赛事平台搭建与临床实践基地的多渠道协同，实现了产教深度融合的教学创新。

3 讨论

在健康中国战略推动下，医学类院校开设大数据管理与应用专业成为培养复合型人才的重要途径，但目前医学类院校较其他类别院校整体水平有待提升^［15］，需结合其他院校优势与自身特色制定改进策略^［16］。

医学类院校需立足“医学+数据+管理”的交叉定位，但多数院校课程融合深度不足。数据显示，医学相关课程占比仅12.5%，远低于信息技术类课程，这种比例失衡可能会导致学生缺乏医学问题导向思维，陷入与理工类院校同质化竞争^［17］。本校通过构建“中医药知识-大数据技术-管理决策”的课程体系，将中医诊疗数据特征与大数据技术结合，通过医疗场景实训实现学科深度交叉，为同类院校提供示范。

大数据管理与应用专业能力培养的广泛适用性使其毕业生就业呈现多元特征^［18］。医学类院校应强化医药行业与大数据技术的融合，充分发挥毕业生在医疗医药领域的背景优势，为行业数字化转型提供人才支撑。数据素养作为培养体系的核心要素^［19］，需通过创新教学模式实现。本校构建“实验室-企业-医院”协同平台，形成“案例驱动”的教学模式，有效培育兼具医学知识处理与大数据技术应用能力的复合人才。

医学类院校教师团队中教授比例普遍偏低，且跨学科教学团队建设进展缓慢，多数院校尚未建立有效的医学-计算机教师协作机制^［20］，可能导致学生容易偏重技术实现而忽视临床逻辑。本校的“特色跟师路径”模式帮助学生掌握技术工具的同时理解医疗数据的实际应用场景，为兄弟院校提供了可复制的经验。在此基础上，医学类院校可采取“引育结合”策略：设立如“医学信息学”交叉学科岗位以吸引复合型人才；建立教师跨学科能力认证体系，鼓励计算机教师修读医学继续教育课程。

大数据管理与应用专业作为强调实践应用的交叉专业^［21］，理论和实践的融合能力培养至关重要^［22］，但各院校普遍存在实践参与机制缺失与资源不足等问题^［23］。各院校亟需基于院校特色进行针对性改进，可借鉴本校“医-校-企”协同育人模式，通过校际课程资源共享、校企联合实训平台建设，构建多维度实践教学网络，系统提升了学生综合应用能力。

4 结语

本文通过对比5类院校大数据管理与应用专业排名、课程、毕业生去向，在一定程度上揭示各校培养侧重点差异，同时分析6所医学院校建设实际，明确其优势与不足，基于此，对本校的实践探索进行分析，以期为兄弟院校提供改进参考。本文存在两方面局限：院校样本未覆盖同类全部高校；结论代表性受限，缺乏国内外专业建设对比分析。今后将进一步研究探索。

参考文献

[1] 高景宏，李明原，王琳，等.健康医疗大数据在精准医疗领域的应用与挑战［J］.医学信息学杂志，2022，43（5）：15-20.

[2] 国务院办公厅.国务院办公厅关于促进和规范健康医疗大数据应用发展的指导意见［EB/OL］.（2016-06-21）［2025-03-21］.

[3] 国家卫生健康委员会.关于印发国家健康医疗大数据标准、安全和服务管理办法（试行）的通知［EB/OL］.（2018-09-13）［2025-03-21］.

[4] 戴明锋，孟群.医疗健康大数据挖掘和分析面临的机遇与挑战［J］.中国卫生信息管理杂志，2017，14（2）：126-130.

[5] 代涛.健康医疗大数据发展应用的思考［J］.医学信息学杂志，2016，37（2）：2-8.

[6] 宋月丽，宋国强，吴娟，等.医学院校“大数据管理与应用”专业建设现状与人才培养体系探索［J］.四川大学学报（医学版），2022，53（5）：782-789.

[7] 国务院办公厅.国务院办公厅关于加快医学教育创新发展的指导意见［EB/OL］.（2020-09-17）［2025-03-21］.

[8] 教育部办公厅.教育部办公厅关于印发《服务健康事业和健康产业人才培养引导性专业指南》的通知［EB/OL］.（2023-12-14）［2025-03-21］.

[9] 马陆亭.新工科、新医科、新农科、新文科：从教育理念到范式变革［J］.中国高等教育，2022（12）：9-11.

[10] 陈建荣，韦建琨.医学院校大数据管理与应用专业人才培养体系探索与构建：以右江民族医学院为例［J］.高教学刊，2025，11（3）：162-166.

[11] 软科.2023软科中国大学专业排名［EB/OL］.（2023-06-15）［2025-04-15］.

[12] 杨丽，徐绪堪，李一铭.面向大数据管理与应用专业的数据素养教育研究［J/OL］.情报理论与实践，2020，43（10）：45-49，18.

[13] 北京中医药大学.学院简介［EB/OL］.（2022）［2025-03-21］.

[14] 翟兴，李国梁，李京忠，等.中医院校大数据管理与应用专业课程体系构建研究［J］.医学信息学杂志，2021，42（9）：85-89.

[15] 徐勤，吴振，沈玫周，等.医学院校大数据应用型人才培养的路径探析［J］.华夏医学，2024（5）：203-208.

[16] 吴岩.深化“四新”建设走好人才自主培养之路［J］.重庆高教研究，2022，10（3）：3-13.

[17] 李程龙，刘伟，沈朝飞，等.“十四五”规划背景下高校医学信息工程专业人才培养体系构建研究［J］.医学信息学杂志，2023（3）：94-97.

[18] 邓胜利，汪璠，夏苏迪.大数据管理与应用本科专业学位教育发展状况调查报告（2023）［J］.图书情报知识，2024，41（1）：69-79，101.

[19] 徐绪堪，薛梦瑶.面向大数据管理与应用专业的数据素养能力评价指标体系构建［J］.情报理论与实践，2021，44（9）：50-56.

[20] 李艳玲，邱五七，田荣，等.我国医学信息学人才培养探讨［J］.医学信息学杂志，2023（5）：87-90.

[21] 易国栋，施芸，易淑婷.“新工科+新商科”背景下obe-cdio大数据管理与应用专业人才培养模式探索［J］.高教学刊，2022，8（35）：173-176.

[22] 张琪，廉国恩，陈茜，等.数智时代高校新商科人才培养体系构建研究：以大数据管理与应用专业为例［J］.现代商贸工业，2024，45（3）：114-116.

[23] Huang TH， Dong JC， Min L.Exploration and practice of big data introductory courses for big data management and application majors［J］.ICER，2024，8（2）：131-137.

基金资助

北京中医药大学教育科学研究课题(XJY24028)

北京市教育科学“十四五”规划2025年度一般课题(CDDB25230)