“新医科”背景下临床医学“5+3”一体化复合型人才培养探索

Research on Cultivating Interdisciplinary Talents in Clinical Medicine (5+3 Integrated Training) in the Context of “New Medicine”

摘要

在“新医科”背景下，临床医学（5+3一体化）培养需要突破传统医学教育的结构性困境。聚焦于跨学科整合浅表化、人工智能（Artificial Intelligence，AI）赋能不足、教学方法僵化以及评价体系静态化四大核心困境，创新性提出以人工智能为技术驱动、跨学科深度整合为主线的“AI+医学+X”复合型人才递进式培养路径。构建系统性课程框架，创建AI驱动的沉浸式教学场景及师资AI素养提升框架，并设计AI驱动的教学创新方法。同时，重构动态多维评价体系，涵盖知识整合度、技术应用度与创新转化度三维能力评估。该模式为培养兼具临床胜任力、科研创新力与跨学科融合能力的复合型医学人才提供了理论框架，对推进医学教育改革具有参考意义。

Abstract

In the context of New Medicine, the cultivation of Clinical Medicine (5+3 integrated training) necessitates breakthroughs in addressing the structural limitations of traditional medical education. This study addresses four core challenges in medical education: superficiality in interdisciplinary integration, insufficient AI empowerment, rigid teaching methodologies, and static evaluation systems, and proposes an innovative, AI-driven, spiral cultivation path for compound talents under the “AI+Medicine+X” framework, centered on deep interdisciplinary convergence. The research systematically constructs a curricular framework, creates AI-empowered immersive teaching scenarios, develops a faculty AI literacy enhancement framework, and designs AI-driven pedagogical innovations. Concurrently, a dynamic multi-dimensional evaluation system is reconstructed, encompassing competency assessments across three dimensions: knowledge integration, technical application, and innovation translation. This mode provides a theoretical framework for cultivating interdisciplinary medical talents with clinical competence, research innovation capabilities, and cross-disciplinary integration skills, offering significant reference value for advancing medical education reform.

Graphical abstract

关键词

临床医学（5+3一体化） / 复合型医学人才 / AI+医学+X / 动态多维评价

Key words

Clinical Medicine (5+3 integrated training) / Interdisciplinary medical talents / AI+Medicine+X / Dynamic multi-dimensional evaluation

在“健康中国”规划的引领下，新医科背景下要求通过改革创新构建适应社会发展需求的医学人才培养模式，以满足国家和地区医疗需求^［1］。当前，精准医疗与智慧医疗的协同发展正推动医疗模式深度变革：前者依托基因组学、蛋白质组学等多组学技术，基于个体遗传特征、生物标志物及环境暴露等多维数据，实现个体化疾病风险预测、精准分型和个性化治疗；后者融合多源大数据、人工智能、物联网与云计算等技术，重构智能化诊疗决策体系实现医疗决策的智能化与高效化^［2］。二者共同驱动医疗服务向“以患者为中心、数据驱动、高效智能”的模式转型。在此背景下，多学科交叉融合已成为医学教育改革的核心战略方向。而打破传统学科壁垒，推进“医工理文”深度融合，构建跨学科知识网络，为医学人才提供了全面的知识体系与创新思维模式，使其能够从多角度应对复杂的医学挑战^［3］。

人工智能技术的融入更是成为重塑临床诊疗和科研模式的必然趋势。在医学影像分析、辅助诊断、药物研发、治疗方案优化、流行病学研究及智能医院管理等领域，AI显著提升了诊疗的效率、准确性与可及性。AI通过深度学习与自然语言处理，可高效处理复杂医学影像和非结构化临床文本，实现对疾病的早期筛查、精确诊断和辅助决策；同时，在药物研发环节，其强大的分子模拟与模式识别能力亦大幅缩短研发周期。此外，AI还在虚拟病房、远程监护及智能护理等智慧医疗场景中展现出显著潜能，助力构建覆盖全生命周期的健康管理体系^［4-5］。其强大的模式识别与数据分析能力，推动了医学研究向更深层次发展，加速了医学知识的探索和医疗技术的创新^［3］。AI不仅是医学技术创新的重要推动力，更是医学教育体系改革与人才结构优化的关键支撑。

因此，在新医科战略下，培养具备跨学科知识、掌握人工智能技术的复合型医学人才，对于推动医学教育创新、提升医疗服务质量和促进医学科学发展具有重要意义。

1 临床医学“5+3”一体化培养模式的现状与核心困境

1.1 发展现状与主要模式

临床医学“5+3”一体化培养模式作为中国医学教育改革的关键举措，已在超过90%的医科院校被广泛实施。该模式将五年制临床医学本科教育、三年专业学位硕士研究生教育与住院医师规范化培训有机整合，有效弥合了传统分段式培养的缺陷，显著提升了医学生国家执业医师资格考试通过率与临床岗位胜任力^［6］。临床医学“5+3”一体化的核心优势在于实现了院校教育、住院医师规范化培训与专业学位研究生教育的三轨合一，致力于构建标准化、同质化的临床医学人才培养体系^［7-8］。经过多年探索，该模式已衍生出多样化的教育教学形态：“贯通式”教育强化基础与临床课程的纵向衔接；“科研导向性”教育实施分阶段递进式科研能力训练；“复合型”教育则注重融合理工科前沿知识，强调交叉学科背景^［9］。

1.2 核心困境剖析

尽管临床医学“5+3”一体化模式在整合教育资源、提升执业医师通过率及临床胜任力方面取得了显著成效，并衍生出“贯通式”“科研导向型”“复合型”等多样化探索模式，但在深化新医科建设、有效培养符合“健康中国”规划需求的复合型医学人才方面，仍面临着重大结构性困境。

1.2.1 跨学科整合浅表化

临床医学“5+3”一体化培养模式面临的主要困境在于课程体系的高度单一性与跨学科知识融合的结构性缺失，难以满足精准医学、整合医学等对跨学科知识的迫切需求。该模式旨在培养创新型、复合型临床医学人才，但课程结构局限于传统学科框架，仅呈现不同知识模块的浅层融合，缺乏系统性、结构化整合，呈现出“拼盘式”教育模式，严重削弱了医学教育的连贯性与逻辑性^［10］。

课程结构的碎片化直接影响学生跨学科知识体系的构建，阻碍其科研创新能力与临床思维能力的提升^［11-12］。其根本原因可能在于传统高等教育长期以来坚持“一级学科建院”的组织架构，形成了强大的制度惯性与学科壁垒。这种基于学科门类划分的管理体制催生了学科间的割裂与组织惰性，导致院系间协作动力不足，课程建设与教学运行长期处于各自为政、相互隔离的状态，阻碍了真正意义上的跨学科教学与整合^{［11， 13］}。

这种课程体系的内在单一性与跨学科整合的表面化，在很大程度上阻碍了“5+3”一体化模式旨在培养具有国际竞争力的卓越复合型临床医学人才的目标。

1.2.2 人工智能赋能不足

尽管近年来人工智能技术在医学教育领域展现出显著的应用潜力，但其在临床医学“5+3”一体化人才培养模式中的实际普及性与应用度仍存在明显不足。

首先，技术普及程度与应用范围存在明显不均衡现象。目前，虚拟现实（VR）、增强现实（AR）以及大语言模型（如ChatGPT）等先进技术已在部分国内顶尖医学院校中取得阶段性试点成果，推动了临床技能训练和理论学习方式的革新。然而，大量基层教学单位由于受限于软硬件设施建设、技术人员配备及后期运维成本，难以实现沉浸式教学环境的规模化部署。这一现实导致教育资源分布呈现出“马太效应”，优质教育资源日益向高水平院校集中，而基层教学机构则面临“技术孤岛”困境，加剧了高等医学教育的结构性失衡，阻碍了教学公平与教育现代化的协同发展^［14］。

其次，师资队伍的数字素养及相应的教学能力仍较为落后，成为制约技术融合深度的主要因素。教师的数字技术应用意识相对薄弱，工具操作与场景应用能力欠缺，限制了其在教学理念更新与课程架构优化中融合数字技术的主动性^［15］。最后，系统性体系尚不完善，限制AI教育应用的深化发展。一方面，AI在医学教育中的应用需要医学、计算机科学等多学科深度协作，但院校层面普遍缺乏配套的课程标准、实施规范及科学的质量评估体系。另一方面，医疗数据涉及严格的隐私保护与安全问题，相关法规限制和高标准要求使得构建高质量、大样本的医学教学数据库面临巨大挑战，直接影响了AI模型的训练精度及其在真实教育场景中的应用可靠性与有效性。

1.2.3 教学方法僵化

跨学科整合浅表化和人工智能赋能不足阻碍了复合型医学人才的培养，而教学方法的僵化进一步加剧了此困境。其主要问题在于“以教师为中心”的传统讲授模式（Lecture-based Learning， LBL）仍占据主导地位，忽略了学生作为学习主体的能动性与参与度，严重限制了其批判性思维能力、复杂问题解决能力及创新能力的培养与发展^［12］。

教学方法的僵化直接加剧了跨学科知识整合的困难。临床医学“5+3”一体化的课程内容仍局限于单一化学科设计。尽管部分教学环节尝试引入相关的跨学科元素，但大多也以孤立的“知识点补充”或短期性教学模块形式呈现，未能形成贯穿整个培养周期的系统化交叉融合理念与配套的实践训练环节，无法满足学生对多学科知识进行深度整合、融会贯通的内在认知需求^［11-12］。

同时，教学方法僵化严重限制了人工智能技术与教学的融合。AI技术在教育中的核心价值，在于其能够创设沉浸式、交互式、个性化的学习环境，支持自适应学习、即时反馈和复杂情景模拟等互动。然而，在传统讲授框架的束缚下，AI技术常被简单地视为电子教材或线上课件的延伸，其重塑教学流程、赋能深度学习与能力发展的潜力被严重低估。

教学方法的僵化与课程体系碎片化、人工智能赋能不足密切关联，共同构成了阻碍复合型医学人才培养目标实现的核心困境。

1.2.4 动态评价体系缺位

当前中国临床医学“5+3”一体化人才培养体系正处于由规范化向高质量发展的转型阶段。然而，与培养复合型医学人才的现实需求相比，其现有的评价体系依然存在明显的静态化倾向，难以有效支撑医学人才综合能力的持续性提升。传统的评价机制过于依赖终结性考核，如期末纸笔考试与阶段性测试，形成“学习-复习-评估”的封闭性循环。这种模式在实践中往往导致评价局限于知识点掌握与标准化技能操作等易于量化的层面^［16］，未能体现学生临床思维、科研素养、人文关怀等综合能力。

从结构层面来看，当前评价体系存在三大突出问题：其一，评价目标呈现明显功利化倾向：过度强调考试成绩与分数排名等选拔功能，忽视了学生个体化能力发展路径。这种“以分数为导向”的导向性偏差，易使教学活动围绕考试目标展开，进而背离了医学教育以“育人”为本的根本宗旨^［17］。其二，评价内容深度、维度不足：在实际操作中，考核内容多集中于基础医学知识与标准操作流程，对于人文关怀意识、跨学科协作能力、临床及科研创新思维等医学核心素养的评价明显缺失，无法全面反映学生胜任未来医疗复杂环境的综合能力^{［12， 17］}。其三，评价方法的单一化与静态化：当前评价体系仍以教师为主导的笔试、结构化面试等传统手段为主，缺乏对学生综合实践能力的动态追踪与过程性评估机制。

此外，受限于传统教学模式的制约，当前临床教学环境中难以实现多维度学习数据的实时采集与精准分析。教师作为评价主体，其数字素养与技术工具使用能力整体偏弱，进一步导致教育大数据的潜在价值未被有效激发。这不仅阻碍了学生多元能力的系统性发展，更与新医科背景下持续反馈、动态优化的教育理念形成冲突^{［12， 17］}。

2 人工智能驱动的复合型培养模式创新路径

2.1 “AI+医学+X”融合递进式培养体系的构建

人工智能技术的进一步发展正驱动医学体系向数字化、精准化、智慧化方向发生结构性变革，这要求新时代医学人才要具备跨学科知识整合与技术融合的能力。而新医科建设的关键是打破学科壁垒，通过“医学+X”交叉融合重塑知识体系^［18］。在此背景下，本研究针对跨学科整合浅表化的结构性困境，提出“AI+医学+X”融合课程与阶段化培养协同的创新路径。该体系以课程结构性整合与能力阶梯式发展为双核心，通过“基础-交叉-应用”三层课程框架与“3+2+3”培养阶段的深度结合，实现跨学科知识从理论到实践的贯通。

课程体系以系统整合性原则、动态适应性原则、伦理优先性原则、能力导向性原则为内核，系统整合人工智能、医学与拓展学科（X）的知识模块，构建“基础-交叉-应用”三位一体框架（见图1）。基础层着力夯实医学与人工智能融合的理论基础，形成支撑智能医疗的知识网络。交叉层突破学科边界实现融通，通过模块化“X”学科群实现结构性创新；人文模块筑牢技术应用的伦理基底，最终形成“医工理文”多维渗透的知识网络。应用层聚焦临床决策与技术创新能力转化，依托高仿真虚拟病例库与AI辅助诊断实训系统，通过动态病例推演与实时反馈机制，强化学生在复杂医疗环境中的技术应用与循证决策能力。

为有效实现“基础-交叉-应用”三层次的融合贯通，本模式创新性采用“核心-卫星”式课程组织结构：以临床医学核心知识体系为轴心，环绕布局人工智能算法、医学生物信息学、智能医疗器械力学、医疗法律合规等跨学科“卫星”课程模块。“卫星”课程根据其属性，分别融入基础层（如“医学人工智能导论”）、交叉层（如“生物医学工程”“生物信息学”）和应用层（如“智能诊疗系统实践”）。这种结构既确保了临床核心能力的深度发展，又通过“卫星”课程实现了跨学科知识的深度融合与灵活配置，构建起以解决复杂临床问题为导向的整合式知识网络。

培养阶段设计（见图2）与课程架构形成时序对应：前三年聚焦医学核心课程与AI基础技能，奠定学科融通的理论根基；中间两年通过模块化选修深化“医工理文”融合，以生物信息学、医疗大数据分析等课程带动系统性思维发展；后三年结合专科临床实践开展AI辅助诊疗、虚拟手术等定向训练，实现复杂场景决策能力转化。

2.2 构建AI教学场景与提升师资数字素养

针对人工智能赋能不足的关键问题，本研究同步构建技术应用与师资能力的解决方案。

在技术应用层面，重点打造AI赋能的沉浸式教学场景，其核心在于智能诊疗训练平台的开发。该平台依托自然语言处理技术构建动态虚拟病例生成系统，通过对海量临床数据的语义解析与知识图谱构建，实现标准化与个性化病例的智能生成与推演。系统可根据教学目标与学生认知水平动态调整病例复杂度与诊断路径，有效提升学生临床思维能力与综合诊疗素养。同时，将AI技术融入科研能力培养全周期：利用自然语言处理工具挖掘研究热点与空白，辅助创新选题；通过集成生成对抗网络的虚拟对照实验系统支持多方案模拟探索；并整合多中心临床数据库（如NHANES、CHARLS、GEO、TCGA）为科研训练提供坚实的数据支撑与实操平台。

为提升师资队伍数字素养与AI教学能力，需构建多维度协同推进机制。首先是推动教师角色从知识传授者转型为学习引导者与创新催化者，强化数字领导力与伦理意识，通过示范数字化教学实践培养未来教师的跨界整合能力^［19］。为促进能力转化，需建立与教学实践紧密结合的激励机制。推行“数字教学技能微认证”制度，衔接职称晋升通道；深化教学竞赛改革，以真实课堂为场景评估技术应用实效^［20］。此外，制度层面需要强化政策牵引力。将数字素养纳入教师评价体系，设立数字化教学带头人岗位。同步推进伦理规范建设，通过数字伦理工作坊提升教师算法公平意识与数据隐私保护能力，确保技术应用契合育人本质^［21］。

2.3 AI驱动的创新教学方法

针对教学方法僵化导致的“学生主体性缺失”与“AI技术融合脱节”核心困境，本研究构建以学生为中心、技术为支撑、问题为导向的创新教学方法，旨在突破传统讲授模式的局限。其核心在于情境化教学激活学生参与AI驱动个性化学习。

整合PBL/CBL与沉浸式技术，重构学习情境。摒弃孤立知识点灌输，依托高仿真虚拟病例库和真实临床/科研案例，设计覆盖常见病、疑难病的跨学科复杂情境。学生在VR、AR和 MR（混合现实）构建的沉浸式环境中，以团队形式开展基于问题或案例的探究实践，经历“问题界定-信息检索-多学科知识整合-方案设计-模拟验证-评估反思”全流程。学生需综合运用医学、工程等知识制定决策，AI系统则实时生成动态病例演变，以显著提升其复杂环境应对能力与批判性思维能力。

此外，在创新教学方法中重塑教师角色为“引导者与协同设计者”。教师不再主导知识灌输，而是聚焦于组织跨院系团队协作、设计跨学科探究任务，以及运用AI分析报告进行差异化指导。教师主动打破学科壁垒，牵头组建“临床医师-AI/跨学科专家”教学团队，结合临床真实需求与学科前沿，设计融合医学、工学、理学等的综合性探究任务，并利用AI精准识别学生的知识盲区与技能短板。

2.4 动态多维评价体系重构

当前高校医学教育评价体系过度依赖传统纸笔考试，导致对学生综合素养评估严重不足，形成了固化的“学习-复习-测试-评估”封闭循环，难以适应“新医科”背景下对复合型医学人才全过程、全方位评价的需求。尤其在人工智能与医学深度融合的时代背景下，传统单一评价方式无法全面衡量学生在知识、能力与素质层面的协同发展。这一评价导向与新时代卓越医学人才的培养目标存在显著偏差。正如钟南山院士所强调的IMH教育理念——创新（Innovation）、使命感（Mission）与人文（Humanity）三位一体。传统评价体系在有效评估这些核心素养方面存在明显短板^［22］。为建立学生综合能力的动态评价体系，我们重点围绕知识整合度、技术应用度和创新转化度三个方面（见图3），实现持续的过程性追踪与评价。

对知识整合度的评价，综合运用闭卷考试、课程作业及跨学科案例分析报告等手段，动态评估学生对医学基础、临床技能以及AI与大数据知识的掌握程度及其跨学科整合应用水平。技术应用度的评价则关注模拟诊疗和科研项目等实践场景：在模拟诊疗中，教学平台自动记录学生诊断推理的关键步骤、决策耗时以及依据反馈调整策略等过程数据；在科研训练中，全程追踪学生项目从选题构思、方案设计、数据收集分析到成果汇报的全流程进展，并客观记录其在团队协作中的具体贡献与沟通情况。创新转化度的评价则贯穿于上述实践环节，系统考查学生展现的创新思维、医学伦理意识、人文关怀素养以及主动发现问题并寻求解决方案的能力。

整个评价体系的核心在于依托评价平台的学习行为分析引擎，持续采集学生在虚拟诊疗操作日志、科研决策路径、团队协作记录等多模态过程数据。基于这些不断积累的动态过程数据，平台能够进行实时分析，生成针对性的反馈信息，从而形成“实践行为-数据分析-及时反馈-行为优化”的闭环机制。

3 结语

本研究立足于新医科战略内涵与健康中国建设需求，系统性分析了临床医学“5+3”一体化培养模式中存在的课程体系碎片化、人工智能技术赋能不足、教学方法僵化及评价机制静态化四大核心困境。针对上述问题，创新性构建了以人工智能为技术驱动、跨学科深度整合为逻辑主线的复合型医学人才培养路径。同时，重构了涵盖知识整合度、技术应用度与创新转化度的动态多维评价体系，为复合能力发展的全过程追踪与精准反馈提供参考。该理论的核心价值在于培育兼具临床胜任力、科研创新力、跨学科协作力与医学人文素养的复合型医学人才，为深化新医科建设、服务国家健康战略提供了可参考的理论框架。

参考文献

[1] 张云，张青槐，韦英才，等 ．基于新医科建设背景的壮医复合型人才培养模式构建探索［J］．卫生职业教育，2024，42（24）：12-15．

[2] 王菁，陈炜，冯东 ．人工智能大模型对医疗健康行业的影响探析［J］．现代医院，2025，25（5）：759-763．

[3] 何珂，汪玲 ．健康中国背景下“新医科”发展战略研究［J］．中国工程科学，2019，21（2）：98-102．

[4] 吴敏敏，王鑫钰，王伟炳 ．医学人工智能的技术发展和场景应用［J］．复旦学报（医学版），2025，52（3）：470-474．

[5] 郑琰莉，韩福海，李舒玉，等 ．人工智能大模型在医疗领域的应用现状与前景展望［J］．医学信息学杂志，2024，45（6）：24-29．

[6] 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［J］.中华人民共和国教育部公报，2020，（10）：10-14.

[7] 张艳艳，孙常程，曹风雨，等 ．一流大学建设背景下临床医学“5+3”一体化人才培养体系改革与实践［J］．医学教育管理，2021，7（2）：111-115．

[8] 刘必旺，郝慧琴，张岩波，等 ．“5+3”一体化临床医学人才培养模式的教育教学改革研究［J］．山西中医药大学学报，2022，23（6）：610-613．

[9] 蔡璟浩，周健 ．以临床医学八年制为例探索高层次、创新型、复合型医学人才的培养模式［J］．中国继续医学教育，2025，17（1）：23-27．

[10] 李曼，王维民，谢阿娜 ．我国本科临床医学教育存在问题的思考［J］．医学与哲学，2022，43（9）：1-6．

[11] 杨承慧，王震 ．“医学+X”复合型人才培养模式改革与探索［J］．医学教育研究与实践，2023，31（1）：11-15．

[12] 方心宇，范引光，叶冬青 ．立足跨学科课程教学体系建设，提升高水平公共卫生人才培养质量［J］．中华疾病控制杂志，2024，28（12）：1365-1372．

[13] 石学睿，李荳，王敏，等 ．基础医学跨学科本研贯通人才培养模式研究与实践［J］．基础医学教育，2025，27（6）：576-579．

[14] 张媛爽，宋欣，张子砚，等 ．临床医学教育数字化应用现状与发展趋势［J］．中国医学人文，2025，11（5）：58-63．

[15] 崔洁，温正胞 ．数字化转型背景下高校教师数字素养的提升路径探析［J］．成都师范学院学报，2025，41（3）：114-124．

[16] 刘彤 ．人工智能赋能高校教育评价改革研究［J］．高科技与产业化，2025，31（4）：55-57．

[17] 李东 ．新医科人才培养质量评价体系的创新与实践［J］．攀枝花学院学报，2024，41（6）：102-108．

[18] 曲波 ．高校新医科建设的基本内涵、现实困境与推进策略［J］．现代教育管理，2025（6）：41-50．

[19] 付光槐，陈聪 ．教师教育者数字素养的框架构建及提升策略［J］．电化教育研究，2025，46（7）：116-121．

[20] 邓小华，赵子健 ．数字化转型背景下职业院校教师数字素养现状与提升路径［J］．职业技术教育，2025，46（17）：64-70．

[21] 吕海侠，王渊 ．数字时代医学教育和师资培育思想转变思考［J］．医学教育研究与实践，2025，33（2）：190-194．

[22] 吴他凡，殷子寓，郑建民，等 ．新医科建设下医学本科生跨学科创新能力培养［J］．医学教育研究与实践，2024，32（5）：535-539．