“医学+人工智能”复合型创新人才培养模式探析

Exploration on the cultivation mode of “medicine + artificial intelligence” compound innovative talents

摘要

近年来，人工智能技术越来越广泛地应用于医疗行业，这既推动了精准医疗的发展，也对医学教育改革提出新的要求。自“新医科”理念提出以来，中国医学院校在“医学+人工智能”复合型创新人才培养方面进行了深入的探索与实践，在取得成绩的同时也暴露一些问题。文章从制定“医学+人工智能”教育顶层规划、探索多主体共同协作模式、构建“课程+项目+评价”创新型人才培养模式三个方面对医学院校人工智能教育提出对策建议，为医学教育与人工智能技术深度融合发展提供思路。

Abstract

In recent years,the application of artificial intelligence technology in medical treatment has become more extensive, which has promoted the development of precision medicine, and also put forward new requirements for the reform of medical education. Since the concept of “New Medicine” was put forward, medical colleges and universities in our country have carried out in-depth exploration and practice in the cultivation of “medicine+artificial intelligence” compound innovative talents, but some problems have been exposed while achieving results. This article proposes countermeasures and suggestions for artificial intelligence education in medical colleges and universities from three aspects incuding formulating a top-level plan of “medicine+artificial intelligence”, exploring a multi-agent including mode, and constructing an innovative talent cultivation mode of “curriculum+project+evaluation”, providing ideas for the deep integration and development of medical education and artificial intelligence technology.

关键词

人工智能 / 复合型 / 多主体 / 人才培养模式

Key words

artificial intelligence / compound / multi-agent / talent cultivation mode

以人工智能、大数据、区块链为代表的新一轮科技革命正在实现由信息化向智能化的转变，人工智能技术已经应用于社会的多个领域，医疗行业是主要的应用场景之一。医疗与人工智能的结合可以降低主观判断或操作误差所产生的风险，提高诊断精准度，同时减轻医师和医疗机构的负荷，全面提升整个医疗系统效率^［1-3］。随着“医疗+人工智能”发展逐渐步入正轨，新医科人才培养将成为影响智慧医疗产业发展的关键所在，这也为高等医学教育带来了重大的历史发展机遇，推动医学院校人才培养模式的创新^［4-6］。目前，全球多个国家都在加大力度支持人工智能技术在医学教育中的应用，以满足医疗行业对“医学+人工智能”新医科人才的需求。美国在《国家人工智能研究和发展战略计划（2020年更新版）》中明确提出加强人才培养，如对医学生进行人工智能技能培训等^［7-8］。日本政府在2021年6月出台《AI战略2021》，将“人工智能与教育改革”放到战略首位^［9］。部分日本医学院校提出以学部为单位自主开发适合各学院特色的AI教育模式，加速推动医学人工智能教育事业的发展^［10］。2018年8月，中共中央办公厅、国务院办公厅联合发布文件，提出发展“新工科” “新医科” “新农科”和“新文科”，以适应新的科技变革，适应新的社会发展^［11-13］。2018年10月，中国教育部印发了《关于加强医教协同实施卓越医生教育培养计划2.0的意见》，提出要通过促进医工理文等多学科的交叉融合，发展新医科，培养复合型的卓越医学人才。在这一时代背景下，中国高等医学教育迎来了跨越式发展，但同时也面临着巨大挑战^［14］。如何立足医学院校专业特色，在医学教育中融入人工智能技术，并使之贯穿医学教育全过程，培养运用交叉学科知识解决医学问题的新医科人才，构建面向未来的新医科教育体系等将成为医学院校亟待解决的重要问题。

1 医学院校人工智能教育现状和存在的问题

自从“新医科”理念提出以来，中国医学院校在“医学+人工智能”复合型创新人才培养方面进行了深入的探索和实践，并取得了一定的成果。然而，在实践的过程中也暴露一些问题，主要表现在四个方面。

1.1 医学教育管理者对人工智能应用的认识不足

现阶段，部分医学教育管理者对“医学+人工智能”在医学院校人才培养过程中的重要性认识不足，对于人工智能技术在医疗领域的“入侵”处于被动地“抵抗”而不是主动地“拥抱”^［8］。这种现象发生的客观原因主要为医学教育管理者大部分是生物科学、临床医学等背景出身，对人工智能这一工科技术比较陌生，相关领域知识掌握较少，因此无法更好地指导人工智能技术融入医学教育^［15］。同时，部分医学教育管理者对人工智能在医学教育中的相关伦理问题研究甚少。

1.2 医学人工智能课程体系建设尚未完善

目前，中国大部分重点工科院校都开设了人工智能专业，而且经过这几年的快速发展，都建立了较为完善的人工智能课程培养体系。然而，在大部分医学院校“医学+人工智能”课程教育体系尚处于初步发展阶段，缺乏统一的标准和方向，尚无成熟的医学人工智能教材、完备的医学人工智能案例库和线下线上教学资源库^［11］。智能医学工程、生物信息学等与人工智能技术相关性较强的专业所开设的主干课程与计算机学院同类课程同质化严重，没有充分体现“以临床问题为纲”的整体教学思路^［16］。临床医学、基础医学等传统医学专业，尚未开设人工智能通识课程，因而大部分学生对人工智能技术在医学和健康领域的研究与应用知之甚少，缺乏全局视野。

1.3 医学人工智能师资力量薄弱

人工智能在医学教育中的应用需要数学、计算机、生物医学工程、临床医学等跨学科复合型人才，但是在中国大部分医学人工智能教师都是由计算机、数学等学科专业转型而来，缺乏医学知识和临床实践经验^［17］。目前，中国对该类复合型人才培养的机制还处在摸索当中，不甚成熟，人才供给严重不足，这直接导致医学院校人工智能师资力量相对薄弱，真正既懂“智能”又懂“医学”的复合型人才相当匮乏。

1.4 医学人工智能实验室资源不足

“医学+人工智能”是医学与前沿技术的结合，在涉及大量的生物学、细胞学、病理学等医学数据的同时还需要高性能的计算资源才能进行有效的研究，二者的融合需要大量的资金投入^［18］。然而，现阶段医学院校由于资金投入有限，缺乏相应的医学智能实验室。医学人工智能实验室资源的不足，不仅影响了日常的教学科研工作，也导致了高端人才的流失，严重制约了医学人工智能教育的发展^［19］。

2 医学院校人工智能教育的对策建议

针对上述问题，文章从制定“医学+人工智能”教育顶层规划、探索多主体共同协作模式、构建“课程+项目+评价”创新型人才培养模式三个方面提出建议。

2.1 制定“医学+人工智能”教育顶层规划

根据医学院校学科特点以及学校的发展定位，医学院校管理者要结合所在学校的实际情况，从宏观层面对“医学+人工智能”教育的改革方案做出统筹设计，制定符合自身情况的“医学+人工智能”顶层规划，形成战略布局，并为规划的实施提供配套保障和激励措施。顶层规划的设计可以包含如下方面：

①多主体共同协作 医学院校可以与理工科院校、医院、企业、科研院所等共同协作，整合资源，充分发挥各主体优势培养创新型医科人才。

②课程体系建设 开设医学人工智能基础知识、人工智能在医学中的应用、医学人工智能伦理与法规等相关领域课程，并不断地更新和完善课程体系。

③实践项目建设 在多主体协作的模式下，医学院校要积极地为学生提供医学人工智能项目实践机会，提高学生的实践技能。

④评价体系建设 建立有效的医学人工智能评价和反馈机制，以监测学生的学习能力和实践技能水平。

⑤师资培训 相关教师要接受专业培训并调研医学人工智能企业，以熟悉人工智能原理和医学人工智能最新发展动态。

⑥资源支持 医学院校要提供足够的资源，包括计算资源、实验室设备等，以支持医学人工智能教育。

⑦国际交流合作 积极学习和借鉴其他国家医学院校医学人工智能教育的优秀成果和经验，并开展项目合作交流，开拓全球化视野。

总之，顶层规划的制定有利于医学院校提供高质量的医学人工智能教育，协调和整合学校与其他教育主体的资源，以适应人工智能技术的变革，确保教育体系始终处于领先地位。例如：福建医科大学围绕“新医科”建设，制定医学人工智能教育顶层规划，建设新科研楼和医疗健康科技园为实施规划提供支持，并与福州大学、附属医院、博奥医学检验所有限公司、福州数据技术研究院等产学研机构协同创新，瞄准“健康中国2030”战略，培养具备医学思维和工程思维的高素质复合型医学人才，积极推进成果有效转化、规模应用，服务于临床。学校探索人工智能等新技术赋能医学教育，新增智能医学工程、运动康复学、生物信息学等新兴医学专业推进专业结构进一步优化，并与哈佛大学、牛津大学、新加坡国立大学等国际知名高校开展医学人工智能教育项目，开拓学生的国际视野。

2.2 探索多主体共同协作模式

医学与理工科等多学科的交叉融合对原有的医学教育提出了现实挑战，在这样的时代背景下建设具备新理念、新结构、新质量的“新医科”需要多个主体共同协作，统筹高等院校、科研院所、企业、医疗机构等资源共同培养“新医科”人才。

①深化医学院校与理工科院校之间的合作关系，实现学科交叉互补，创新课程培养体系，推动“医学+人工智能”教育教学创新改革 两种类型高校的深度合作可以有效缓解医学院校人工智能专业师资力量不足的问题，同时也有利于理工科院校深入开展医学问题的创新研究。例如，天津医科大学与天津大学、福建医科大学与福州大学等高校充分发挥两校医工所长，共建智能医学工程专业。该专业融合“医学”与“智能”两条主线，培养兼具医学背景知识、智能技术基础、工程实践能力的医工复合型高端人才。

②深化医学院校与医院的合作关系，推动创新科研项目体系建设 医学院校可以选派学校人工智能领域的专家学者面向医院的医师、医务管理者等群体开展人工智能知识科普讲座，充分提升其认知水平和应用能力。同时，坚持以临床问题为导向，建立人工智能教师与医师之间的沟通交流机制，充分挖掘临床科研项目创新点，整合医院和学校资源，更好地指导学生结合临床问题深入开展科研项目实践，激发学生对医学前沿科学的探究热情，全面提升学生的医学创新能力。

③深化医学院校与生物、医疗科技企业的合作关系，探索共享实验室和产教联合培养模式，整合资源，实现人才培养效益最大化 现阶段，由基因测序、手术机器人、5G远程诊疗系统、智能医学图像诊断系统等新兴科技所引领的现代医学需要先进的科学实验室作为技术支撑；生物、医疗科技企业有着得天独厚的硬件优势，可以为学生的项目实践提供较好的实验环境；同时，企业的工程师具备丰富的产业实践经验，可以作为学生的项目指导教师，与学校教师共同参与实验项目的设计与开发，从而更加科学合理地制定指导实践方案，有利于提升学生的创新创业能力，为学生未来走上工作岗位做好铺垫。例如：天津大学与爱尔眼科集团相互开放科研平台、实验室设施及病案资料，共建智能医学科研平台；福建医科大学与博奥医学检验所有限公司、福州数据技术研究院共建实践教学基地，聘请企业专家作为实践导师，依托优势资源，共同推进新医科人才创新培养。

2.3 构建“课程+项目+评价”创新型人才培养模式

2.3.1 建设医学人工智能课程体系

立足医学院校专业特色，为了更好地帮助医学院校学生进行人工智能辅助医疗研究的探索，提升学生利用人工智能技术进行医学项目实践的能力，开拓学生的视野，很有必要创新目前的课程建设体系。

①开设医学人工智能通识课程 针对临床医学、基础医学等传统医学专业可先行开设人工智能通识课程，弱化复杂的算法基础理论知识和编程知识，通过创新教学模式（如PBL案例式教学），让学生直接运用人工智能技术进行医学项目实践与探索，实现医工融合创新，提升学生对医学人工智能应用的认知水平。例如，中山大学眼科中心团队联合中山大学多个学院和附属医院，共同策划和开展面向医学本科生和研究生的“医学人工智能的研发与应用”通识课程，课程的内容先总后分，由浅入深，带领学生宏观认识医学人工智能的学科特点、发展现状，同时融入课程思政元素，培养学生科技强国、勇于创新的思想品质和社会责任。

②开设医学人工智能相关微专业 在前期开设人工智能通识课程的基础上，开设与人工智能关联性较强的微专业，让更多有兴趣的临床医学生深入学习医学人工智能相关知识。微专业突出学科交叉融合，立足医学专业特点，根据不同学科专业特性以及学生的数学、计算机学科知识掌握水平等，设置差异化的人工智能课程，形成特色核心课程体系。同时，课程要具有前沿性，将最新的科研和产业成果融入课程教学，突出实践性，聚焦学生的创新能力培养，让学生在已有的知识水平下掌握与自身专业相关的人工智能技术，并感受人工智能技术与医学问题的融合创新。例如，福建医科大学生物信息学系面向学校传统医学专业开设生物医学大数据微专业，在充分调研相关临床学科专业特点的基础上，设计以人工智能算法、医学生物信息学导论、生物信息学软件应用、高通量测序与芯片技术、基因测序临床应用案例等为核心课程的微专业。

③开发医学人工智能诊疗综合教学系统 将人工智能技术融入医学教育，以点带面地引发医学教育的全面改革和创新。人工智能技术已在医学领域多个临床学科取得突破性进展，未来将根据医学各学科特点，深化医学院校、医院、企业的合作关系，以医院临床数据为基础，结合人工智能算法，共同建设自动化诊疗综合教学系统，为学生提供全面直观的学习工具，以提高学生自主探究的学习能力。该系统应具备如下特点：

综合性 涵盖医学知识的全部范围，包括基础医学、临床医学、医学影像学等多个学科领域，以及人工智能技术在相应学科的应用。

实时性 系统应能及时获取和更新最前沿的医学研究成果和临床实践经验，保持教学内容的时效性。

交互性 学生可以通过系统与虚拟病人进行交互，进行病情分析、诊断和治疗方案制定等操作，提升实践能力。

自适应性 系统能根据学生的学习进度和能力自动调整教学内容和难度，实现个性化的教学体验。

2.3.2 创新大学生创新创业项目体系

以学生为中心，在建设医学人工智能课程体系的基础上，结合专业特点和人工智能技术，通过大学生创新创业训练计划，设置相关科研创新项目。学生根据自身的兴趣在掌握相关人工智能课程后，通过项目训练更加深入地了解人工智能技术在医学中的应用，从而有助于学生明确未来的研究方向。在设计大学生创新项目的时候，可以考虑多专业学生共同组队。例如：医学影像学和智能医学工程两个专业学生可以共同围绕医学影像智能分析等项目开展创新训练，医学影像学专业学生从医学角度提出问题，智能医学工程专业学生可以从智能计算分析角度解决问题，两个专业的学生通过充分交流合作，更加深入地了解对方的专业领域，实现学科知识互补，真正实现医工融合创新。同时，在医学影像智能分析这个项目上，可以设置“双导师”制度，由医学影像学教师和智能医学工程教师共同承担，教师间的学科知识相互融合、深入探究以弥补教师在对方专业领域知识的缺失，提升教师学科交叉创新能力，从而可以更有效地指导学生进行创新训练。

2.3.3 重构医学人才评价体系

人才评价是医学教育中的重要环节。目前，中国医学院校现有的人才评价主要采用围绕医学知识和临床技能而展开的静态评估体系。随着人工智能技术与医疗技术不断地融合，新医科人才培养模式不断地调整与更新，构建科学的医学人才评价体系就显得尤为重要。未来新医科的人才评价体系将引入人工智能等新一代信息技术的考核，加强对学生医学实践和创新能力的评估。医学领域各学科差异较大，将因“科”制宜，多方位、多层次地分类制定医学人工智能评价标准，把人工智能技术融入医学人才培养的全过程。特别鼓励医学生积极参加医学人工智能创新大赛以及实践项目，并在评价结果中占有一定的比重，以充分挖掘有创新潜质的新医科人才。

综上所述，医学院校应从自身的办学定位出发，制定“医学+人工智能”教育顶层规划，从而明确重点发展方向、指导资源投入、促进政策制定，让医学人工智能教育的发展更加稳健有序。以多主体共同协作为依托，构建“医学人工智能课程体系+创新创业项目体系+人才评价体系”复合型创新人才培养模式，整合跨学科领域知识和资源，解决医学实际问题，提高学生的创新意识和实践能力，以应对未来医学人工智能领域的挑战。

3 结束语

随着人工智能技术的深入发展，“医疗+人工智能”的新型诊疗模式将深入到未来的日常需求中，这将驱动中国医学教育不断改革创新，使得多元化、个性化的医学教育成为可能。未来精准化医疗的需求，将打开医学人工智能人才市场，复合型高端新医科人才将成为主流。医学院校应立足医学专业特色，融入人工智能技术，打造一流的跨学科课程体系，多主体共同建设一流的医学人工智能师资团队和医学智能实验室，推动中国医学教育朝着高质量、高效率、可持续的方向发展。

参考文献

[1] 冯贺霞, 李韬, 王佳. 我国数字健康发展历程、特征及展望[J]. 医学信息学杂志, 2021,42(5): 9-13.

[2] 张雄, 胡珺, 朱福. 智慧医疗框架下的医学人工智能及其应用[J]. 上海医药, 2019, 40(3): 6-8.

[3] 万莉, 贡丽英, 吴清, 等. 人工智能在高等医学教育中的应用前景[J]. 中国医学教育技术, 2018, 32(6): 607-610.

[4] 刘勤勇, 刘晓燕. 信息化与医学教学变革[J]. 解放军医院管理杂志, 2019, 26(2): 183-187.

[5] 谈在祥, 韩晓平, 丁甜甜. 我国医疗人工智能的发展困境与对策[J]. 卫生经济研究, 2020, 37(6): 13-15.

[6] 张婷, 陈娟, 卢岩, 等. 医学人工智能领域的技术创新态势研究[J]. 中国数字医学, 2020, 15(4): 11-16.

[7] 袁天蔚, 薛淮, 杨靖, 等. 从战略规划与科技布局看国内外人工智能医学应用的发展现状[J]. 生命科学, 2022, 34(8): 974-982.

[8] 李鸿浩, 陈波, 李建平, 等. 医学教育中人工智能应用的现状、问题与对策[J]. 中国循证医学杂志, 2020, 20(9): 1092-1097.

[9] 李哲, 李娟, 李章杰, 等. 日本人工智能战略及人才培养模式研究[J]. 现代教育技术, 2019, 29(12): 21-27.

[10] 康乐, 姚凯博. 日本人工智能教育战略行动述评[J]. 世界教育信息, 2022, 35(6): 37-44.

[11] 岳梅, 张叶江. 人工智能时代医学教学改革方向研究[J]. 中国继续医学教育, 2020, 12(7): 6-9.

[12] 范舜, 谈在祥. 人工智能背景下 “新医科” 建设的挑战与变革[J]. 中国高校科技, 2019, 32(7): 56-59.

[13] 钟敏, 胡燕, 程茜, 等. 人工智能在医学教育中的应用现状与思考[J]. 中国继续医学教育, 2020, 12(18): 79-81.

[14] 李婧欢, 肖遥, 谢朗. 人工智能在医学人文教育的应用现状[J]. 中国医学教育技术, 2022, 36(3): 286-291.

[15] 李鸿浩, 段伟文, 陈蕾, 等. 医疗人工智能技术研发与应用的伦理挑战和对策: 以我国大型公立医院为例的思考[J]. 人工智能, 2019(4): 70-78.

[16] 刘丽, 吴毅, 谭立文, 等. 初步医学院校开展人工智能课程的研究: 以陆军军医大学为例[J]. 中华医学教育探索杂志, 2021, 20(2): 147-149.

[17] 刘伶俐, 王端. 人工智能在医疗领域的应用与存在的问题[J]. 卫生软科学, 2020, 34(10): 23-27.

[18] 唐娟, 郑葵阳, 谈在祥. 新医科背景下地方医学院校实验室建设: 以徐州医科大学为例[J]. 中国高校科技, 2019(5): 18.

[19] 倪炯, 王培军. 医学影像人工智能的现状与未来[J]. 中华医学杂志, 2021, 101(7): 455-457.

基金资助

福建医科大学教育教学改革研究项目“新医科背景下‘医学+人工智能’复合型创新人才培养模式的探究与实践”(J21052)

福建省本科高校教育教学改革研究项目“新医科背景下探索校际共建智能医学工程专业”(FBJG20210231)

福建省自然科学基金面上项目“基于深度学习和CT图像的肾脏肿瘤自动化分类诊断系统构建研究”(2023J01756)

教育部产学合作协同育人项目“新医科背景下机器学习教学改革实践研究”(202002099005)