智能医学工程专业从2017年首次获批到2026年全国84所院校开设，八年增长84倍——但专业学生的培养无法覆盖全体医学生。当288个医疗垂直大模型已经落地、当AI正在成为临床医生的“新听诊器”，面向全体医学生的AI通识教育却面临师资短缺、学时有限、伦理复杂、工具不足、标准缺失五大痛点。北京大学医学部王静老师的报告系统梳理了当前医学院校AI课程的开设现状、模式对比与难点突破，为医疗AI人才培养提供了系统化的思考框架。
总体态势——从探索试点到全面铺开
当前中国医学院校人工智能课程建设正处于从“探索试点”到“全面铺开”的关键转型期。现状呈现“三个并存”特征：顶层政策密集出台与院校落地参差不齐并存；智能医学工程专业快速扩张与临床医学专业AI通识覆盖不足并存；学生AI使用率高与系统化课程供给短缺并存。智能医学工程专业（101011T）自2017年首次获批设立以来呈现爆发式增长，从1所增长至84所院校开设。
四种课程开设模式对比
专业建制型：独立设置智能医学工程本科专业（天津大学、南开大学等84所），体系完整、培养深入，但仅覆盖专业学生，非普惠性。通识必修/选修型：面向全体医学生开设AI通识课程（中山大学中山医学院等），覆盖面广、政策处理性强，但临床课业压力大、学时受限。微专业/辅修型：灵活、需求导向，但非强制、覆盖率依赖学生意愿。平台赋能型：以AI平台赋能现有课程（北京大学AIMD、广东医AIMS），见效快、可嵌入教学全过程，但需持续技术维护和资源投入。
面向医学生AI通识的两大路径
模式一“大学计算机+AI融入”：在原有大学计算机基础课框架上进行“嫁接式改造”，局部植入AI相关内容模块。这是目前医学院校推进AI通识教育最普遍、成本最低的路径。模式二“独立AI通识必修/选修课”：真正意义上培养学生“理解AI、应用AI”的能力，而非停留于浅层科普。代表院校：北京协和医学院（医学人工智能导论32学时）、上海交通大学医学院（AI与医学16-32学时）、华中科技大学同济医学院（医学大数据与人工智能32学时）、北京大学医学部（人工智能通识课27学时）。
五大难点与痛点
师资短缺：医学与AI交叉领域师资稀缺，既懂医学又懂AI的教师极少。学时有限：临床医学专业课程体系已高度饱和，新增课程空间有限。伦理复杂性：医疗AI涉及生命伦理，教学内容需谨慎设计，不能简单套用通用AI课程。工具适配：医学AI教学需要专门的教学工具和案例库，通用AI教学工具不适用。标准缺失：缺乏统一的医学AI通识课程标准——由北京大学医学部等多家单位参与的《高等院校人工智能通识基础课程通用要求 医药类专业》团体标准已发布，填补了这一空白。
医药类专业人工智能通识课程要求
《高等院校人工智能通识基础课程通用要求 医药类专业》针对研究型、应用型、技能型医药类专业分别设定了差异化的课程目标、内容与学时安排。研究型注重理论深度与创新能力，应用型注重工具应用与临床场景，技能型注重操作技能与实践能力。这一标准的出台为全国医学院校开设AI通识课程提供了可参照的规范框架。
