截至2025年5月，中国国内累计发布医疗垂直大模型已达288个，智能医学工程专业从2017年首次获批发展到全国84所院校开设——当AI以前所未有的速度渗透医疗健康领域，医学教育的AI转型已不是可选项。北京大学医学部王静老师的这份课程建设报告，从时代驱动、政策支撑、现实需求到课程实践，系统呈现了医学AI通识教育从“星星之火”到“燎原之势”的演进路径。当“懂医疗+懂AI+懂伦理”的复合型人才成为稀缺资源，培养什么样的医生成为医学教育的核心命题。
时代驱动——AI重塑医疗与医学教育的必然性
人工智能正从技术概念走向医疗实践。从智能诊断（影像识别、病理分析）到精准医疗（基因分析、个性化治疗），从智慧医院（手术机器人、远程医疗）到药物研发，AI正在重塑医学的边界。截至2025年5月，中国国内累计发布医疗垂直大模型已达288个，PubMed中AI医学研究文献逐年激增。我们正处于“AI for Science”和“AI for Health”的历史交汇点。
国家战略层面出台一系列政策规范并促进AI技术在医疗应用中的落地；教育部发布配套措施推动AI教育政策落实。医学院校AI教育不是可选项，而是健康中国战略的重要组成部分。AI时代医生角色正在发生根本性转变：从单纯诊疗者变为医疗数据决策者，从独立工作走向人机协同，从经验判断走向循证+算法辅助。三大紧迫能力缺口：医学生AI素养严重不足、医生对AI工具接受度低、医工交叉复合型人才匮乏。
现状与痛点——从星星之火到燎原之势
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年首次获批以来，从1所增长至84所院校开设。
四种典型课程模式：专业建制型（天津大学、南开大学等84所）、通识必修/选修型（中山大学中山医学院等）、微专业/辅修型、平台赋能型（北京大学AIMD、广东医AIMS）。面向医学生AI通识教育两大路径：“大学计算机+AI融入”（成本最低）和“独立AI通识必修/选修课”（真正培养能力，但师资和资源是瓶颈）。五大难点：师资短缺、学时有限、伦理复杂性、工具适配、标准缺失。
北京大学医学部实践——“四个能够”与闭环案例教学
北京大学医学部目前已开设59门AI相关课程，覆盖临床医学、药学、护理学、预防医学、公卫等各领域。课程目标为“四个能够”：能够理解AI基本原理与医学应用全景；能够应用AI工具辅助诊疗、科研和学习；能够评判AI的伦理风险与责任边界；能够适应跨学科协作与终身学习。
闭环案例实践教学让学生经历完整流程：选题→准备数据→建模→预测→运行→验证→解释→伦理→反思。在医学图像分类案例中，重点讲解特征医学意义（mean radius、mean texture、mean smoothness），加强结果临床解读（灵敏度95.2%、特异度98.1%）。多维讨论包括临床决策层（灵敏度98% vs 特异度90%系统选择）和算法伦理层（角色扮演辩论），培养批判性思维。
配套教材与课程资源
《人工智能通识教程——从基础到应用（医学）》四大特色：知识全面系统（涵盖概论、技术基础、医学文本/图像/感知/生物信息智能分析、大模型、智能体）；理论和实践结合（0代码/低代码案例）；医工交叉（非计算机专业轻松理解）；丰富教学资源（PPT课件9份、教学大纲3种、教案3套、习题答案9份、实践任务19个、微课视频26个）。配套在线实训平台与头歌课程，包括零代码构建“医学术语学习助手”智能体、AIGC辅助医学文本关键词识别与统计等实训。
