人工智能驱动的医药工交叉融合实践教学新范式构建与实践
DOI:
https://doi.org/10.70693/cjst.v2i6.2188Keywords:
医药工交叉融合;实践教学;大模型;知识图谱;三螺旋协同;新医科Abstract
人工智能正加速渗透至药物研发、临床诊疗等医药全产业链,对医药工交叉复合型人才的实践能力提出新要求。然而,传统实践教学存在课程体系拼盘化、平台仿真化、协同表面化三大瓶颈,难以支撑AI原生时代的人才培养需求。本研究以医药工融合实践教学改革为对象,构建并实践了人工智能驱动的医药工交叉融合实践教学新范式。新范式以真实场景为牵引、大模型与知识图谱为引擎、产教闭环为保障为总体思路,形成基础资源数据层、核心平台引擎层、教学应用门户层与评价反馈层的四层架构。其核心创新在于:(1)以一体两翼方式重构场景化、模块化实践课程体系,将AI思维与医药场景深度融合;(2)以大模型与知识图谱双引擎驱动开放式AI医药实践云平台,集成真实脱敏多模态医药数据与科研级算法工具,弥合教学与产业代差;(3)构建医药学科教师、信息学科教师与行业导师三螺旋协同育人机制与人机协同综合评价体系,形成可持续的产教融合闭环。教学实践表明,该范式有效提升了学生利用AI解决复杂医药问题的交叉创新与实践能力,孵化了一批智能辅助诊疗原型、药物不良反应预警等竞赛成果与软件著作权,形成了一套可迁移的实践教学方案,为新医科背景下医药工交叉人才培养提供了路径参考。
References
[1] 工业和信息化部, 商务部, 国家卫生健康委, 等. 医药工业数智化转型实施方案(2025—2030年): 工信部联消费〔2025〕79号[Z]. 北京: 工业和信息化部, 2025.
[2] 国务院办公厅. 关于加快医学教育创新发展的指导意见: 国办发〔2020〕34号[Z]. 北京: 国务院办公厅, 2020.
[3] 教育部. 高等学校人工智能创新行动计划: 教技〔2018〕3号[Z]. 北京: 教育部, 2018.
[4] 吴 岩. 新工科: 高等工程教育的未来——对高等教育未来的战略考虑[J]. 高等工程教育研究, 2018(6): 1-7.
[5] 朱永新, 杨 帆. ChatGPT/生成式人工智能与教育创新: 机遇、挑战以及未来[J]. 华东师范大学学报(教育科学版), 2023, 41(7): 1-14.
[6] 朱朝阳, 周恒达, 陈张一, 等. 智能时代医学+人工智能课程体系建设实践与探索[J]. 中国高等医学教育, 2026(2): 10-11,14.
[7] 张洪玉, 黄柯奕, 邱小航. 人工智能辅助的医工交叉实践课程教学改革探索——以生医机械工程探索课程胶囊机器人项目为例[J]. 教学研究, 2026, 49(4): 85-92.
[8] 梁东雪, 周志雄, 张 栋. AI赋能体、医、工跨学科融合教学的创新实践——以《运动医学影像处理技术》为例[J]. 进展, 2025(7): 212-214.
[9] 李 清, 潘 涛, 徐玉霞, 等. 项目式学习促进大学生创新能力培养的教学改革研究[J]. 扬州大学学报(高教研究版), 2026, 30(4): 67-75.
[10] 彭 岷, 刘 惠, 徐世中, 等. 聚焦能力交付的跨学科项目式课程群的研究与实践[J]. 高等工程教育研究, 2024(5): 69-75,101.
[11] 谢宗杰, 毛 超, 潘毅夫. 项目式教学在研究生课堂教学中的理论探索和实践——以企业战略管理课程教学为例[J]. 高等建筑教育, 2025, 34(1): 150-159.
[12] Krause S, Panchal B H, Ubhe N. Evolution of learning: assessing the transformative impact of generative AI on higher education[J]. Frontiers of Digital Education, 2025, 2(2): 21.
[13] 张 宇, 王伟明, 李 静, 等. 新医科视域下知识图谱在医学教育中的构建与应用[J]. 中国高校科技, 2024(9): 78-84.
[14] Yang J, Cai Y, Tang D, et al. Memetic quantum optimization algorithm with Lévy flight for high dimension function optimization[J]. Applied Intelligence, 2022, 52(15): 17922-17940.
[15] Xu S, Luo Y, Liu Z, et al. Linkage: an interactive web application for linking of DNA regulatory peaks to genes[J]. BMC Genomics, 2025, 26: 890.
[16] Tang D Y, Mao Y J, Zhao J, et al. SEEI: spherical evolution with feedback mechanism for identifying epistatic interactions[J]. BMC Genomics, 2024, 25: 462.
[17] 吴 燕, 顾 丹, 程 曦. 生成式人工智能赋能医学教育改革的路径与挑战[J]. 医学与哲学, 2024, 45(12): 71-76.
[18] 教育部. 教育部关于一流本科课程建设的实施意见: 教高〔2019〕8号[Z]. 北京: 教育部, 2019.
Downloads
Published
How to Cite
Issue
Section
License
Copyright (c) 2026 杨 进, 饶 琰, 李金城

This work is licensed under a Creative Commons Attribution 4.0 International License.











