人工智能赋能医学基础实验教学的挑战与思考

Challenge and thinking of artificial intelligence empowered medical basic experimental teaching

摘要

医学基础实验教学是医学人才培养体系的重要环节，然而目前在教学实践中存在教学资源不足、教学模式单一、实验内容陈旧、评价体系不完善等问题。近年来，人工智能（AI）技术发展迅速，为解决这些实验教学问题提供了可能。本文提出了AI赋能医学基础实验教学的四种路径：支持个性化学习、辅助智能评估反馈、驱动虚拟仿真实验、促进跨学科交叉融合；同时也指出AI技术在实验教学中的应用面临着技术局限、师生适应性、数据隐私安全、教育公平性等挑战，并据此给出了相应的对策；最后展望了AI赋能下医学基础实验教学，可通过构建专用智能体、创建智慧实验空间等方式，为医学教育智能化转型提供新的思路。

Abstract

Medical basic experimental teaching is an important part of the medical talent training system. However, there are some problems in teaching practice, such as insufficient teaching resources, single teaching mode, outdated experimental content, and imperfect evaluation system. In recent years, the rapid development of artificial intelligence (AI) technology has made it possible to solve these experimental teaching problems. The present article proposes four paths for AI-empowered medical basic experimental teaching: supporting personalized learning, assisting intelligent evaluation and feedback, driving virtual simulation experiments, and promoting interdisciplinary cross integration. It also points out that the application of AI technology in experimental teaching faces challenges such as technical limitations, teacher-student adaptability, data privacy and security, and educational fairness, and puts forward corresponding countermeasures. Finally, the article looks forward to the medical basic experimental teaching empowered by AI, which can provide new ideas for the intelligent transformation of medical education through the construction of special intelligent agents and the creation of intelligent experimental space.

关键词

人工智能 / 基础医学 / 实验教学 / 教学改革

Key words

artificial intelligence / basic medical science / experimental teaching / teaching reform

医学基础实验教学是理论教学的补充和支撑，更是培养医学生实践技能、综合素养与创新思维的关键途径^[1]。通过人体解剖学、病理学、分子生物学、机能学等实验课程，学生不但能掌握尸体解剖、切片观察、动物手术等实验技能，还能将相关理论知识与实践相联系，提升综合分析解决问题的能力。而且，实验教学也能更好地融入各类创新性实验项目，可以进一步拓宽学生的专业视野，增强创新能力。然而，医学基础实验教学当前也存在一些问题，影响着教学效果和育人成效。例如：实验教学资源绝对或相对不足，医学实验消耗大、仪器设备更新不足、教学运行成本高，影响学生学习体验和教学产出；教学模式相对单一，“教师讲解示范、学生模仿操作”的传统教学模式应用依然普遍，忽视了学生认知水平、操作能力和个性化学习需求方面的差异，影响学生自主性的发挥；实验教学内容仍以验证生物医学经典知识为主，医学领域前沿研究成果和先进技术融入不足，难以激发学生的探究热情和兴趣；实验课普遍采用的实验出勤率、课堂表现和实验报告等评价手段，重结果轻过程，形成性评价体系应用不足，难以全面反映学生的综合能力^[2]。

第四次工业革命的浪潮推动人类社会迈进数智化时代，由人工智能（artificial intelligence, AI）带动的新一轮信息技术革命已然席卷而至^[3]，正在重塑人们工作、学习和生活的方式。AI是利用计算机程序模拟人类智能的技术，具有感知、学习、推理、决策和创造的能力。AI具备高效能信息处理、多模态交互和内容生成等能力，这些独特优势可为解决医学基础实验教学所面临的难题提供新的思路和方案。因此，探索如何将AI技术应用于教学实践，在实验内容、教学模式、评估机制等方面全方位变革，是当前医学教育关注的热点。本文围绕AI赋能医学基础实验教学，梳理可行路径，分析面临的挑战，并提出应对的策略，旨在为医学实验教学的改革发展提供思路与参考。

1 AI赋能医学基础实验教学的路径

AI能够通过支持个性化学习、辅助评估反馈、驱动虚拟实验、促进跨学科融合等途径，解决医学基础实验教学面临的痛点，持续推动实验教学质量提升与模式创新。

1.1 支持个性化学习

新时代的医学生大多个性鲜明，接受信息的来源广泛，学习习惯和方式也各异。因此，根据学生的学习能力、兴趣、进度等特征，提供有针对性的教学支持，实现因材施教、个性化学习，这是培养未来医学人才的时代要求。AI可基于学习者特征构建自适应学习路径，为学生推荐最优方案，显著提升学习效率、成绩与满意度^[4]。因此，可以开发专用的AI系统，根据基础医学各学科知识体系与能力要求，结合学生的认知风格和学习水平，为学生动态生成个性化学习路径，引导学生循序渐进地掌握理论要点与实验操作技能。亦可构建移动端多模态AI实验助手，在实验过程中随时为学生提供个性化的学习支持。AI助手不仅能提供实验原理、步骤流程及仪器使用讲解，还支持组织学、病理学的图片识别，以及分子生物学、动物手术操作视频分析等功能，可以帮助学生及时发现实验操作中的问题，同时针对性地给出改进建议。有学者在清华大学开发的“智谱清言”大语言模型的基础上，构建“解剖学AI助手”智能体，将其贯穿课程导入、目标设定、课前评估及参与式学习等关键环节，展示了AI助手在医学实验课上的广阔应用前景^[5]。此外，AI还能分析实验获取的各种结果资料（如生理指标数据的汇总统计、免疫过敏实验现象的表述、病理切片图像分析等），进而提出初步反馈和分析建议，辅助学生更好地分析理解实验结果。在实验报告完成方面，AI也可对学生的实验数据进行精准分析和解读并生成报告初稿^[6]，有助于学生将更多精力投入到关键知识理解、实验结果分析以及讨论总结中。

1.2 辅助智能评估与教学反馈

目前，医学基础实验教学对学生的考核评价较为简单，难以真实地反映学生的学习效果，同时也缺乏相应的学习反馈机制。AI的融入可以很好地辅助教师对学生进行智能评估与教学反馈。AI能支持教师对学生实验全过程的评估分析，也能为教师提供基于数据的教学优化设计。在实验过程中，多模态AI实验操作评价系统能够实时识别学生操作的关键行为，如显微镜调节、仪器参数设置、动物手术步骤等，并将分析结果及时反馈给教师，辅助教师进行精准干预。系统能够保留学生的学习行为轨迹，从而打破传统仅凭最终结果评估的模式，实现全过程、多维度的过程性评价^[7]。实验结束后，AI也可对学生实验报告、课后作业、手绘图表等进行初步评分，生成个性化分析报告，并提出具体改进建议。这些功能有助于教师全面了解每位学生的学习状态，尤其为重点关注学生提供有针对性的指导。有研究开发“病理组织学诊断AI云实验室”，利用AI实现学生学习数据的全过程智能评估，支持教师精准掌握学生学习进度与个体差异^[8]。对于教师的教学行为，AI能够通过大数据，分析教师教学行为与学生实验结果之间的关系，以识别对学习成效有提升的教学行为，进而为教师提供基于数据的反馈建议，进一步优化课程设计与教学安排。

1.3 驱动虚拟仿真实验

虚拟现实（virtual reality，VR）技术可构建沉浸式、互动性的学习环境，增强现实技术（augmented reality，AR）则可将关键信息叠加于真实实验环境，这些技术可使学生在安全可控的学习环境中多次练习，提高实验操作技能。AI与VR、AR等技术的深度融合，能有效增强虚拟仿真实验在内容生成和即时互动方面的表现。AI可凭借其强大的内容生成能力^[9]，为虚拟实验生成各类素材，如复杂解剖结构、高难度手术操作、精密仪器使用，教师甚至能在实验课上即时生成所需素材，可极大地提升教学的高阶性和挑战度。陈辉莹等^[10]利用AI驱动的三维实验平台，实现寄生虫结构的多维观察与高危实验场景数字化模拟。AI可化身虚拟仿真实验的智能导师，在引导学生完成虚拟实验的同时，实时监测学生的操作行为，一旦发现问题及时给予反馈纠错，亦可给予学生情感鼓励支持，提升学生的学习体验。

1.4 促进跨学科交叉融合

AI具备的高效能信息处理和多模态内容生成等能力，可有效促进医学基础实验教学与其他学科的深度融合。黄峰等^[11]构建“器官系统基础与临床整合式实训案例平台”，以实现酸碱平衡紊乱类型的快速精准诊断实训教学。该平台融合病理生理学理论、智能诊断模型与真实病例库，在教学中实现高准确率与高效率，达成培养医学生精准诊疗能力的教学目标。AI驱动的数字人还可扮演各学科专家。例如，在病理学实验课中，病理学教师可与心脏内科数字人教师协作，打造“双师课堂”，从基础的心力衰竭时心脏大体结构病变，到微观镜下心肌细胞形态变化，再到临床表现、发病机制以及治疗等，有效关联病理学与内科学，使学生在较短时间内对某一疾病获得较为全面的认识。基于AI、云计算和大数据技术构建的全景式实验室，能够更好地将医学基础实验与生物信息学、临床检验学、医学影像学等多学科知识紧密结合，扩展实验内容的广度和深度^[12]。还可以在实验过程中引入AI教育机器人，提供授课、答疑、分享学习资料和收集反馈意见等服务^[13]，既能提高学生的学习兴趣和积极性，也能增加学生自我效能感，激发创新思维。

2 面临的挑战

虽然AI有助于解决医学基础实验教学当前所面临的系列问题，但医学教育有其特殊性和复杂性，考虑到现阶段的实际情况，AI技术在实验教学中的应用仍面临不少挑战。

2.1 技术的局限性

由于训练数据存在时效性以及基于概率模型生成内容的本质特点，AI可能会产生不真实或不准确的信息（即“幻觉现象”）。尽管AI在图像识别与视频分析领域取得明显进展，但在医学标本辨识、专业图表解读以及精细实验操作判断等方面，AI的能力仍有待提高。在实验教学中，表述实验原理、分析实验数据或生成专业图表时，AI有时会出现逻辑不严谨（如实验步骤混乱）、细节不精确（如药物剂量不准确）的情况。韩仰等^[14]将AI应用于经典生理学理论的实验验证时就发现此类问题。在比对AI设计的动作电位实验与经典电压钳实验时，学生识别出AI方案在逻辑推演与定量设计上的缺陷，说明教师引导与批判性思维在AI辅助教学中的不可替代性。在面对复杂实验数据或需要结合多学科理论阐释实验结果时，AI目前还无法达到人类的深度与精准度。

2.2 师生的适应性与伦理问题

AI在医学基础实验教学中落地，关键在于“人”——教师与学生。指导医学基础实验的教师多为医学相关专业背景，对AI与计算机技术相对陌生。他们需要一个适应过程，才能深入了解AI工作机制、熟练应用AI工具和智能教学系统。在此基础上，教师还可以与计算机工程师团队紧密协作，设计出符合教学实际的AI赋能工具。教师需要转变教学理念，从传统的知识传授者，逐步转变为教学资源传播的掌舵者、个性化教学的决策者、学生情感需要的支持者，以及教学管理的保障者^[15]。学生也面临多方面的适应，要逐步熟悉AI驱动的医学基础实验教学平台和虚拟仿真实验系统，还需要适应各种AI工具的能力边界，如生成内容不够准确或人机交互体验欠佳。AI智能化评价体系中纳入了实验操作的过程数据，增加了AI驱动的交互环节，这些变化都要求学生重新适应。不容忽视的是，AI在赋能医学实践教学的同时也可能引发一系列伦理问题。学生若过度依赖AI，可能会削弱其独立思考和批判性思维能力，甚至助长学术不端。AI也可能引起学生思维习惯和态度的僵化。如果训练数据存在偏倚，AI可能在医学伦理分析中出现歧视，导致学生片面甚至失衡的价值取向^[16]。同时，大语言模型具有覆盖全学科知识的强大能力，它在教学中深度应用甚至会影响教师教学主体地位的认同。

2.3 数据隐私与信息安全

训练医学基础实验大语言模型需要海量专业数据，这其中往往包含着各种敏感信息。数据在传输或存储时，若没有得到适当的脱敏以及加密保护，就会带来隐私泄露的隐患。而且，当AI系统应用于个性化学习支持、智能反馈或虚拟仿真实验时，系统会持续收集和处理大量教学数据，这其中包括师生的个人信息，甚至患者的医疗资料。一旦缺少数据保护与隐私管理机制，就可能导致数据被意外泄露或恶意滥用^[17]。目前，针对医学教学领域AI数据保护的相关机制制度尚不完善，师生的数据安全意识也有待提高，这会进一步加大教学实践中存在的信息安全风险。

2.4 教育的公平性

AI大规模应用于教学，可能会加剧医学基础实验教学发展的不均衡。一方面，建设AI教学系统的成本较高，智慧实验室建设、大模型训练以及推理算力的持续消耗，都需要巨大的经费投入。资金雄厚的院校能够快速构建起更先进、更完善的智能实验教学平台，而经济条件较差的学校往往难以跟进，结果使原本存在的教学条件差距进一步拉大。一些院校的师生数字素养高，技术支持充分及时，可以快速适应智能化教学模式。而那些师生数字素养不高、技术支持不足的院校，即使为实验教学引入AI系统，也难以充分发挥其应有价值。同时，如何发挥AI潜能、推动教育公平方面的应用研究目前较少，尚未引起学界足够重视^[18]，相关实践缺乏理论支撑与政策推动。

3 应对的策略

AI技术的融入可促进医学基础实验教学的发展，但也面临诸多挑战，可考虑从技术研发、师生培训、数据治理、教育资源配置等方面采取措施加以改进。

3.1 校企合作开展技术研发

为解决AI应用于医学基础实验教学的技术难题，高校需与相关企业建立更紧密的技术协作，构建基础医学专业大语言模型，精准解析多模态数据，以及实验操作的智能识别与反馈。可以搭建“产-学-研-用”一体化平台，推动校企协同研发。例如，复旦大学近年来积极推动医工结合与校企合作，从在线实验教学平台建设、信息化实验室打造等多个维度开展实践。依托企业研发能力的支持，学校实现了实验教学模式的系统创新，构建起契合未来医学教育需求的新型实验教学平台^[19]。在联合研发的框架下，企业工程师可以进驻医学院校的解剖学实验室、机能学实验室、细胞学实验室，参与人体标本扫描与图像整理、动物手术规范操作视频采集、细胞培养流程设计等。在此基础上，工程师开发结构标注系统，能更好地开展大模型训练迭代。在此过程中，教师也需积极参与，从教学实际出发提出具体建议和意见，保证专业性和准确性，确保AI工具真正契合教学一线的需求。

3.2 提升师生AI和伦理素养

教师和学生AI素养的提升，对推进智慧教学在医学基础实验课程中的有效实施至关重要。建议教学管理部门构建系统化、分阶段、重实操的长效培训机制，在帮助师生真正理解AI底层原理的基础上，进一步掌握应用方法，从“会用”逐步走向“善用”。例如，组织一线教师参加智能实验系统的应用研修营，参与实验教学效果反思与研讨。可以建立专业智慧教学技术顾问团队，长期支持师生将AI应用于教学实践，当师生遇到的技术挑战能被及时妥善处理，才能避免学过AI工具，但不善用、不敢用的问题。鼓励师生参与AI平台新功能的试用与反馈优化，更好地促进新工具迭代升级，同时也能增强对智慧教学手段的认同感。另外，提高师生AI伦理素养同样重要。教师应主动适应角色转变，回归教学主体地位。要将工作重心转移到AI难以替代的价值教育、道德教育以及创新教育中。学生则需要在与AI协作中，有意识地提升独立思考和理性判断能力，学会识别AI可能存在的偏见与歧视，避免形成思维僵化或过度依赖^[16]。

3.3 维护数据安全

正视AI技术应用可能带来的数据隐私风险，从制度规范、技术保障和师生意识等多个维度推进数据治理。各院校实验室应尽早制定数据管理操作规范，从采集到传输、再到平台使用和结果分享，明确每个环节的责任归属。例如，教师向智慧教学平台上传学生实验报告时，应确保数据经过加密处理。平台本身应具备访问权限控制、日志追踪等数据安全技术保障。教师应引导学生警惕AI工具使用中的数据泄露风险，切勿随意输入实验或调研数据。可通过案例教学强化学生的数据隐私保护意识和责任感^[20]。

3.4 推动资源均衡分配

医学基础实验教学智慧化发展不均衡会影响到教育的公平性。相关部门可以在政策层面加强引导，如设立专项支持项目，鼓励资源条件较好的高校与中西部高校开展结对共建，一起设计智慧实验课程、组织师资培训、协同推进教学实施，在资源共享的同时，实现智能教学理念与实践的双重提升。可以构建云端实验资源共享中心，各高校把自己特色优质的教学资源集中部署在开放平台上共享，能提高资源利用率和教育公平性。

4 AI赋能医学基础实验教学的展望

构建医学基础实验教学专用智能体，由医学专业大模型驱动，且具备多模态交互能力。智能体可以采用“引导—理解—研判—回应”动态循环服务于教学全过程，逐步形成“师—机—生”协同教学新模式^[21]。课前，教师可借助智能体分析学情，据此调整教学目标和备课内容，进行更具针对性的教学设计；课中，智能体可协助记录学生的实验过程，提醒教师关注重点学生，并给予个别指导；课后，教学数据整理与分析也可交由AI初步完成，便于教师完成教学复盘，优化下一步教学安排。智能体也为学生随时提供学习支持，学生可以通过智能体提前预习实验内容、进行操作模拟训练，在正式实验时获取及时的操作提示和引导；实验结束后，智能体还可以协助整理数据、生成实验报告初稿，引导学生进行结果分析和自我反思，让学习过程更加完整而深入。

打造基础医学智慧实验教学环境，构建基础医学智慧实验平台。要采用云计算、物联网、大数据分析等信息技术，对实验室进行智能化改造，提高实验室管理、实验教学、科研工作效率^[22]。与传统实验教学环境相比，智慧实验室具备开放互联、智能反馈和多模态融合等优势。智慧实验平台能实现远程教学协同，支持教学行为数据全过程采集，对用户操作进行智能反馈，还可以实现数据驱动的管理方式。智慧实验教学的目标是将教师转变为“实践能力培养架构师”，使学生在智慧实验空间充分开展个性化学习。

参考文献

[1] 江凌凌, 何彦芳. 医学院校基础医学实验教学改革实践与思考[J]. 重庆医学, 2011(22): 2286-2287.

[2] 李俊, 张亚楠, 刘尚明, 等. 基础医学开放创新实验教学探索与构建[J]. 教育教学论坛, 2022(3): 89-92.

[3] 肖仰华. 生成式语言模型与通用人工智能: 内涵、 路径与启示[J]. 人民论坛·学术前沿, 2023(14): 49-57.

[4] 孔维梁, 韩淑云, 张昭理. 人工智能支持下自适应学习路径构建[J]. 现代远程教育研究, 2020(3): 94-103.

[5] 季松岭, 张潜, 罗怀香. 智谱清言AI智能体在解剖学实验课的应用思考[J]. 基础医学教育, 2024(12): 1080-1083.

[6] 彭慧琴, 方瑜, 危晓莉, 等. 智慧实验室在基础医学实验教学的应用与展望[J]. 基础医学教育, 2025(4): 364-367.

[7] 刘邦奇, 喻彦琨, 袁婷婷. 智能技术赋能过程评价: 目标、 路径与典型场景[J]. 现代教育技术, 2022(5): 14-23.

[8] 冯嘉楠, 凌人, 王漱阳. 病理组织学诊断AI云实验室的搭建与应用[J]. 基础医学教育, 2025(6): 537-542.

[9] 李白杨, 白云, 詹希旎, 等. 人工智能生成内容(AIGC)的技术特征与形态演进[J]. 图书情报知识, 2023(1): 66-74.

[10] 陈辉莹, 丁莹莹, 董昊炜, 等. 人工智能在医学寄生虫学实验教学中的应用探讨[J]. 基础医学教育, 2025(4): 337-340.

[11] 黄峰, 许红龙, 张占英, 等. 基础与临床整合医学人工智能实训案例平台的开发与应用[J]. 中国现代教育装备, 2023(3): 52-54.

[12] 饶玉良, 徐辉, 张亚东, 等. 数字化背景下基础医学教学全景实验室建设的思考[J]. 中国医学教育技术, 2024(6): 699-703.

[13] 王涛, 王嘉禧, 刘娜, 等. 教育机器人在基础医学实验教学中的应用探索[J]. 中国医学教育技术, 2023(4): 428-432.

[14] 韩仰, 冯丹丹, 周艳, 等. DeepSeek在生理学教学中的实践探索[J]. 基础医学教育, 2025(6): 543-547.

[15] 赵磊磊, 马玉菲, 代蕊华. 教育人工智能场域下教师角色与行动取向[J]. 中国远程教育(综合版), 2021(7): 58-66.

[16] 李晓洁. ChatGPT应用于医学伦理教育的前景及建议[J]. 中国医学伦理学, 2023(10): 1074-1078.

[17] 李菊萍. ChatGPT驱动的医疗智能决策: 伦理、法律与规制[J]. 中国医学伦理学, 2025(2): 139-149.

[18] 郝丹, 肖俊洪. 从学习效果和教育公平的角度看高等教育人工智能应用: 一项基于多个数据库英文同行评审期刊文献的综述[J]. 现代教育技术, 2021(4): 13-20.

[19] 张亚东, 王见之, 饶玉良, 等. 医工结合、 校企合作打造基础医学实验教学新平台[J]. 教育教学论坛, 2024(30): 1-4.

[20] 王佑镁, 王旦, 梁炜怡, 等. ChatGPT教育应用的伦理风险与规避进路[J]. 开放教育研究, 2023(2): 26-35.

[21] 殷宝媛, 唐瑀晗, 吴恋, 等. 教育智能体支持人机协同教学: 数智时代教学的新形态[J]. 吉林师范大学学报(人文社会科学版), 2025(3): 67-75.

[22] 吴青林, 王焱. 基于“云计算+物联网”的高校智慧实验室探索与实践[J]. 实验室研究与探索, 2024(2): 226-230.

基金资助

西安交通大学生成式AI赋能课程教学改革（“智课”）专题研究项目(24ZK20Z)

西安交通大学医学类本科实践教学专项(23SJZX-B05)

中国病理生理学会医学教育研究课题实验教学专项(BSKEJ24004)

西安交通大学本科教学改革研究项目(2418Z)

西安交通大学医学类本科实践教学专项(25SJZX-B05)