“人工智能+X”背景下医学生科研创新能力培养探究

Cultivation of Medical Students’ Scientific Research and Innovation Ability under the Background of “Artificial Intelligence+X”

摘要

在新时代人工智能背景下，“人工智能+医疗”复合型人才的需求不断增加，本研究对医学生教育培养现状进行了分析，从个性化培养、多元融合培养、科研团队协作、多学科实践向导等层面提出了“人工智能+X”医学生科研创新能力培养模式及应用构架，并对该模式的实践应用进行了探讨，为实现人工智能对医学教学的赋能和改革提供思路。

Abstract

Under the background of artificial intelligence in the new era, the need for inter-disciplinary talents of “artificial intelligence+X” increases constantly. This research analyzes the current status of education and cultivation of medical students, proposes cultivation mode and application structure of medical students’ scientific research and innovation ability of “artificial intelligence+X” from the aspects of personalized training, multiple integration training, research team collaboration, and multidisciplinary practice guidance, and explores the practice and application of this mode, so as to provide thoughts for the realization of artificial intelligence enabling and reforming medical teaching.

Graphical abstract

关键词

人工智能+X / 科研创新能力 / 医学生培养模式

Key words

artificial intelligence+X / scientific research and innovation ability / cultivation mode of medical students

随着计算机科学和信息技术的不断发展，信息时代逐步发展为人工智能时代。人工智能推动着医学领域衍生出更多的技术与创新，给医学科研创新的改革带来了深刻的影响^［1］。2019年国家全面启动“六卓越一拔尖”计划2.0，新医科建设对交叉学科人才提出了新要求，利用现代信息技术手段和人工智能，打造医学教育元宇宙，让师生接受高质量的科研思维培养训练，有助于提升其创新思维能力^［2］。2020年2月，教育部、国家发展改革委、财政部印发《关于“双一流”建设高校促进学科融合加快人工智能领域研究生培养的若干意见》强调，在“双一流”高校建设中，应重视建立培养基础理论人才和“人工智能+X”复合型人才的培养体系，积极探索深度融合的学科构建和新型人才培养模式，以实现人工智能对相关学科的赋能和改革^［3］。在新时代人工智能背景下，“人工智能+医疗”复合型人才的需求不断增加，“人工智能+X”的医学生科研创新培养模式应运而生^［4］。因此如何利用好这些新兴技术为面向“人工智能+X”复合型创新人才的培养提供助力，提升研究生的科研创新能力是亟待解决的关键问题^［5］。

1 “人工智能+X”医学生教育培养现状分析

目前，国内外一些医学院校已经开展了人工智能相关的多种形式的应用场景，包括教学工具、课程和培训临床实践等^［6］。英国爱丁堡大学和英国研究与创新基金会（UK Research and Innovation， UKRI）联合建设的生物医学人工智能博士培养中心^［7］，旨在培养综合素养兼具人工智能、生物医学和社会科学领域的复合型人才，提供涵盖人工智能技术、生物医学基础，以及生物医学人工智能社会学知识的个性化培训^［8］。Cheng等^［9］构建了HipGuide（人工智能支持的图像学习系统）证明了人工智能对于医学教育是有利的，在AI辅助下，学生可以学会高效地阅读医学图像，进一步提高诊断的准确性。

我国医学人工智能教育起步较晚，正经历从理论向实践的转变阶段。全国范围内已展开一系列医学人工智能教育培训和课程建设工作，以加速医学人工智能教育体系的建设，致力于培养具备专业人工智能能力的医学人才。人民卫生出版社的第九版内科教材配备有增强现实技术（Augmented Reality， AR），学生可以通过App扫描插图得到三维的模型，使肾形态结构更加立体，加强学生对相关知识的理解和认知^［10］。陈浩田等^［11］利用互动式虚拟病人系统DxR Clinician将真实的病例资料数字化，实现学生可以通过计算机网络进行互动式诊疗，让学生的角色从“被动接受”转变为“主动参与”，使得教学内容更加丰富与多样。山东第一医科大学通识教育部开设了相关课程，包括“科学精神与科技创新”模块核心课程——医学人工智能，课程主要讲解医学人工智能的发展历史、基本知识，以及人工智能在医学领域的应用^［12］。浙江师范大学开设与医学相结合的人工智能专业，致力于培养“人工智能+医学”交叉领域的高层次复合型创新人才，重视数理能力与学科基础的夯实，同时聚焦医学相关领域的人工智能技术应用，强调实践能力的训练^［11］。复旦大学基础医学院与华为携手合作，共同开发医学人工智能课程，涵盖了在医学影像数据、组学数据和电子病历数据等三大生物医学领域中人工智能的应用。课程注重将理论与实践相结合，加强学生对医学人工智能与机器学习理论的理解^［13］。

2 “人工智能+X”医学生科研创新能力培养模式分析

“人工智能+X”医学生科研创新能力培养模式，是将人工智能技术与医学生的科研创新能力培养相结合的一种新型教学模式（如图1所示）。该模式的核心在于通过人工智能技术，提升医学生的科研创新能力和实践能力。人工智能技术可以辅助医学生进行实验设计、数据分析、文献检索等方面的工作，从而提高医学生的实践能力和创新能力。同时，该模式也涉及到教育理念和教学方法的创新，强调个性化和多元化的科研能力培养，以更好地适应医学生的需求和特点。“人工智能+X”医学生科研创新能力培养模式及应用构架主要有以下几个方面。

2.1 个性化培养

传统的研究生科研能力培养方案多以培养的文献收集、阅读理解和问题解决等基础能力为目标，而面向“人工智能+X”的研究生科研创新能力培养方案侧重点为培养其数据分析能力、数据科学思维，以及运用人工智能技术和交叉学科思维进行批判性思考的能力^［5］。因此基于“以学生为中心”的教育理念，根据医学生的个性化需求和学科背景，为其量身打造科研创新能力培养方案，以提高医学生的学习兴趣和积极性^［4］。利用人工智能等技术自动评估学生的科研创新相关能力，包括发现专业领域前沿热点、问题发现、数据分析、问题解决和语言组织等各方面综合能力，为医学学生量身打造个性化的科研创新平台^［4］。同时使评估结果更加个性化，以便于为学生推送合适的学习资源和领域热点。在学生充分发挥自身潜力的基础上，对其进行个性化培养。通过个性化培养方案的实施，人工智能可以帮助学生实现自身发展目标，提升科研创新能力。

2.2 多元融合培养

将传统方式与现代科技相结合，通过人工智能技术提供多种多样的共享资源和工具，使医学生在科学研究过程中更加灵活和自主，进一步完善多元素融合培养模式。从两个方向培养人工智能医疗复合型人才：专业领域型和技术研发型。专业领域型人才培养主要以临床医学知识为主，包括临床专业的学科交叉融合，多组学多维度的数据采集等；利用人工智能技术辅助进行临床数据科研分析等。技术研发型人才则注重人工智能技术创新和实践能力培养，例如利用虚拟现实（VR）和增强现实（AR）技术模拟医疗手术和诊断操作，观察人体解剖结构、病理变化等，让学生在虚拟环境中进行模拟实践，有效提升医学生的科研实践能力^［14］。

2.3 科研团队协作

为了培养人工智能医疗复合型专业人才，强调医学生之间的交流与合作，并通过团队协作的方式促进知识共享和创新。通过创建多元化的师资团队，包括医学、计算机科学、数据分析、生物信息学等领域杰出教师和研究人员，积极探索跨学科研究领域。为学生提供全方位的科研指导和支持，进一步增强学生解决科研复杂问题的能力。通过团队内多角色的协作，不仅激发学生的创新思维，还增强其实际操作能力。为了进一步加强这种科研协作模式，各大高校应共同建立教师资源库，实现师资力量的互享。通过联合指导，学生团队参与多样的科研项目，不仅可以将研究成果融入课程教学，而且有效培养学生的创新意识和实践技能。

2.4 多学科实践导向

注重医学生的实践能力和创新能力的培养，多学科实践导向是不可或缺的一环。这种教育模式的核心在于将医学、工程学、数据科学、人工智能等多个学科的理论知识与实际操作紧密结合，开发跨学科实践课程，使学生能够在真实的科研和医疗场景中应用知识，从而深化理解并增强创新能力。此外，与行业合作也是多学科实践导向教育的关键部分。通过与医院、生物科技公司和IT企业等不同行业的合作，为学生提供实习机会和参与真实世界解决科研问题的机会，从而进一步提升科研成果的转化能力。

3 “人工智能+X”医学生科研创新能力培养模式的实践应用

目前人工智能已经在科学研究中占据了越来越重要的地位。科学家普遍认为科学研究正在迎来一种新的范式——第五范式。第五范式是以人工智能AI技术为核心的范式，人工智能驱动的科学研究（AI for Science， AI4S，科学智能），开启以人机共融为特征的科学研究新时代^［15］。Nature近期也发布的一项调查结果显示，全球1 600多名研究人员对人工智能工具的看法是积极的，认为这些工具在加速研究步伐、提高研究效率、创新计算方法以及节省时间和金钱等方面具有显著的优势^［16］。在“人工智能+X”医学生科研创新能力培养模式中，实践应用包括实验设计与假设的提出、数据采集和管理、模式识别和预测，以及文献检索和利用等方面。这些方面是培养医学生在实际科研环境中应用人工智能技术的关键环节。

3.1 实验设计与假设

实验设计与假设旨在培养学生如何明确地定义科研问题，并设计出具体验证假设的科研方法。其中包括学习如何选择合适的研究设计，确定实验的变量，以及预计可能的实验结果和科研项目的实际意义。利用人工智能技术可以用于模拟和预测实验结果，帮助医学生在实际操作前评估假设的可行性。通过生成新的假设、设计新的实验、提出新的问题等方式，激发科研创新能力。例如，使用机器学习模型来预测生物标记物与疾病进程之间的相关性，在实际动手实验前，指导学生设计更具针对性和效率的实验方案。这一过程强调理论与实践的结合，使学生能够在实际医学研究中独立设计和实施科研项目。

3.2 数据采集与管理

数据采集和管理关注于如何高效地收集、处理和存储大量医学和生物数据。传统数据处理方法主要是针对小规模数据，以统计模型为基础寻找数据中的规律。然而基于小规模数据所建立的模型，其表达能力受限于数据规模，想要进一步提升模型精度就需要利用海量数据生成相关大模型。人工智能可以有效地分析大量复杂数据，协助医学生从海量数据中提取有用的信息和知识，提升处理复杂医学数据的能力，从而加速科学研究的进程。医学生通过学习和应用自动化工具，可以更快地识别数据中的重要特征、趋势和异常值，使他们能够在生物统计、遗传学研究、流行病学等医学领域中提升科研效率。

3.3 模式识别和预测

模式识别和预测着重于应用统计学和机器学习算法来分析医疗数据，从中识别健康和疾病状态的模式。通过利用深度学习和其他机器学习算法，医学生在解决实际医学问题的过程中能够通过构建模型来分析复杂医疗数据，掌握如何构建、验证和优化预测模型，发展其创新思维和问题解决能力。通过实际案例分析，以适应不同类型的医疗数据和研究需求，这些模型能够在医疗诊断、疾病预测和治疗效果评估中发挥重要作用。例如，预测心血管疾病风险的模型或用深度学习技术分析医学影像以早期诊断癌症。

3.4 文献检索和利用

文献检索和利用旨在提升学生应用各种学术资源进行科研信息搜集的能力。基于人工智能技术可以快速搜索和审查大量科学文献，通过自然语言处理和文本分析技术，从文献中提取关键信息和数据，实现科学文献的分类检索和智能推荐等功能。医学生通过使用这些先进的搜索工具可以学习如何快速准确地定位到所需的科学文献，包括学术论文、会议记录、专利及其他科研资料，从而提升医学生的信息筛选能力。人工智能工具能够提供文献的相关性评价、引用情况分析以及研究质量的初步判断，帮助学生评估文献的科学价值和可靠性。通过这种方式，医学生可以有效区分高质量研究与较低质量的研究，提高医学生的科研判断力和决策能力。

4 结语

人工智能在科学研究领域的发展迅猛，特别是在医学教育中，它的应用已经带来众多机遇与挑战。本研究结合人工智能在医学教育领域的国内外现状，从个性化培养、多元融合培养、科研团队协作、多学科实践向导等方面构建“人工智能+X”医学生科研创新能力培养模式。同时，探讨人工智能在医学科研创新中的应用，包括科研实验设计与科学假设、数据采集和管理、模式识别和预测、文献检索等方面。通过在这些关键环节整合和应用人工智能技术，医学生的科研创新能力培养不仅增强了学生的技术技能，还提高了他们解决复杂医学问题的能力，为未来在高科技医疗领域发展打下坚实的基础。

参考文献

[1] 刁渴珂，单岩，黄艺嘉，等 ．人工智能在医学教育应用中的伦理学问题分析［J］．医学教育管理，2023，9（1）：122-126．

[2] 教育部.“六卓越一拔尖”计划 2.0：打造高等教育“质量中国”的战略一招［EB/OL］.（2019-04-30）［2023-10-26］.

[3] 教育部，国家发展改革委财政部.《关于“双一流”建设高校促进学科融合加快人工智能领域研究生培养的若干意见》的通知［EB/OL］.（2020-01-21）［2023-10-26］.

[4] 王艳，初红，梁静静，等 ．人工智能背景下高等医学教育的改革现状与探究［J］．中国医药导报，2022，19（13）：64-67．

[5] 鲁鸣鸣，王建新 ．人工智能+X” 交叉学科科研创新能力培养模式探索［J］．工业和信息化教育，2021（10）：1-5．

[6] 贾萌，张瑛琪，李云峰，等 ．医学人工智能教育的研究进展［J］．医学教育研究与实践，2023，31（1）：1-6．

[7] 罗纯源，董丽丽 ．“人工智能+生物医学”人才培养模式：以英国爱丁堡大学UKRI生物医学人工智能博士培养中心为例［J］．世界教育信息，2021，34（1）：51-56．

[8] UKRI. UKRI中心简介［EB/OL］.（2020-08-10）［2023-10-26］.

[9] CHENG C T， CHEN C C， FU C Y，et al ．Artificial intelligence-based education assists medical students’ interpretation of hip fracture［J］．Insights Imaging，2020，11（1）：119．

[10] 葛均波.人卫内科学［M］.第9版.北京：人民卫生出版社， 2017.

[11] 陈浩田，曹倩 ．互动式虚拟病人系统DxR Clinician在临床医学模拟教学中的应用［J］．全科医学临床与教育，2023，21（8）：726-729．

[12] 山东第一医科大学通识教育部.“科学精神与科技创新”模块核心课程：医学人工智能［EB/OL］.（2022-10-14）［2023-10-26］.

[13] 复旦大学基础医学院.医学人工智能课程［EB/OL］.（2019-07-23）［2023-10-26］.

[14] 冯朝燕，闵祥德 ．人工智能在医学教育中的应用进展［J］．中国社区医师，2023，39（11）：5-7.

[15] 新华社.科技部启动“人工智能驱动的科学研究”专项部署工作［EB/OL］.（2023-03-27）［2023-10-26］.

[16] VAN NOORDEN R， PERKEL J M ． AI and science： What 1 600 researchers think［J］．Nature，2023，621（7980）：672-675．

基金资助

山西省研究生教育教学改革课题(2022YJJG09)