□北京大学医学部 韩娜
教室不断“扩容”仍是一“座”难求，来听课的不仅是学生，还有老师、医生……什么样的课程如此火爆？
人工智能（AI）技术目前已经在医学领域广泛应用，为医学教育，特别是新医科建设带来发展新契机。帮助学生在AI时代提升这一不可或缺的技术能力和应用素养，各高校也在积极行动。在刚过去的学期，北京大学医学部开设的课程“医学人工智能通识”火遍全校，甚至还吸引了不少非医学专业者前来旁听，为听者开启一扇了解“医学﹢AI”的大门。
课程“领进门”启发更多思考
这门面向医学生定制的通识课，旨在深化学生对AI技术在医学领域应用的全面理解。内容涵盖医学AI的历史、现状与未来，AI理论基础与工具，结构化医学数据分析与可视化，医学文本与大语言模型，生理信号与数字健康，医学成像与医学图像计算，组学数据与精准医疗，以及AI伦理和社会影响等多个模块。
课程的筹备始于2024年5月，课程负责人、北京大学健康医疗大数据国家研究院张路霞教授表示，由于是针对本科生开设的入门课程，“通俗易懂”是课程的一大特点。
“我们希望通过这门课，为学生搭建‘医学﹢AI’的思维框架，他们今后在需要的时候，可以知道从哪里开始进一步学习和研究。”张路霞介绍，通过为期9个月的集体备课和试讲，团队精心打磨课程，“在备课时我们发现，大家都很想把自己感兴趣的、擅长的内容，包括前沿研究成果等讲出来。我们对内容也进行了不少调整。”
“我们在前期调研了一些综合大学开设的AI通识课，发现课程设置几乎都是技术导向的，例如，如何进行图像识别、自然语言处理、多模态内容生成等。”北京大学健康医疗大数据国家研究院助理教授、副研究员洪申达毕业于北京大学智能科学系，非医学专业背景的他来到北京大学医学部工作，拥有别样的教学视角，“我发现用自己熟知的思路去和学医的同事沟通，他们很难理解。”于是，他尝试做“翻译”，将计算机术语转化成医学领域的表述，再引入医学领域的相关概念，形成了如今的课程架构。
课程不仅教授AI基本概念、原理等共性基础内容，还包括针对医学学科特点、结合典型应用场景的个性化定制内容。通过该课程的学习，学生不仅能够掌握前沿的AI技术，还能将其有效应用于医学研究与临床实践，推动医疗创新，达到“能交流、能应用、能实战”的目的。
如果说，“快”是AI领域的一大标志，那么“新”，就是这门课的另一大特点。在课堂上，每位授课老师都会为学生介绍“医学﹢AI”领域的最新研究成果，或是自己课题组正在进行的研究，引用的论文甚至可能是前不久刚发表的。
“在脑功能成像过程中，患者头部的运动会对结果造成多大的影响？”在课堂上，北京大学健康医疗大数据国家研究院助理教授、副研究员隋尧向同学们提出了一个问题。
而这其实是大量研究者近年来试图解决的一个难题。除了讲解相关背景和原理，隋尧也为大家介绍了该领域的新进展。近年来，北京大学健康医疗大数据国家研究院和美国、欧洲的团队联合开发的SLIMM系统，在保证脑功能成像高可靠性的同时，最小化扫描时间，显著降低成像成本。该系统的问世，充分展现了AI技术在医学成像上的前沿应用。
从医学到AI的跨界奔赴
在听课的百余人里，有医学生、临床医生，还有来自校外的非医学专业人士。他们之中有的具备一定的计算机基础，有的则是从零基础开始了解AI相关概念及其应用。
2023级医学技术本科生肖宇杰对AI方向很感兴趣，他此前一直在洪申达的指导下进行相关的科研工作，也在和团队伙伴一起做课题，目标是开发一款基于大语言模型的智能生理检测便携式设备。“之前我自学过一些相关的内容，但是不够系统。我选了这门课，希望能通过学习进一步补充完善自己的知识体系。”肖宇杰说，这门课也给他带来了很多新思考，“课堂上老师提到了AI伦理问题，以及AI对社会的影响，这些都是我之前从来没有思考过的。”
在和学生的课后交流中，洪申达发现，临床医学专业的同学和一些临床医生很关心自己在学习和工作中遇到的问题能不能利用AI解决，而这恰恰是课程的主要目的之一。“医学工作者可以不懂具体的算法原理，但是他们需要明白自己手上有什么样的数据、想解决什么问题。”洪申达解释，“这里有两点容易被大家忽视，一个是人类眼中的数据和计算机眼中的数据是不同的，另一个是人类眼中的任务和计算机眼中的任务也是不同的。通过这门课，能够让大家试着去理解其中的差别，以便于找到努力的方向。”
不仅医学生和医生在学习AI相关知识，还有很多理工科背景的学生来到北京大学医学部，在医工交叉的探索中，完成思维方式的转变。
2023级健康数据科学专业研究生史童月本科就读于计算机科学与技术专业，如今跟随老师孔桂兰，利用机器学习、深度学习与大语言模型等技术，开展AI辅助临床决策支持的相关研究。
“刚开始接触这个领域时，我还是很典型的工科思维，总觉得只要了解任务需求，再用上AI模型，医学问题就能迎刃而解。”史童月说，在深入学习相关课程、进行科研实践，以及与临床专家合作和讨论、与医学背景同学深入交流后，自己的思路逐渐发生了改变。
“‘医学﹢AI’领域的研究需要我们立足真实世界的问题，结合实际需求，融入医学知识，才能更好地为医生和患者带来真正有用、能落地的解决方案。”史童月说。
跨领域教学的全面探索
北京大学医学部关于“医学﹢AI”的教学探索在此前已经启动。
2024年9月，北京大学健康医疗大数据国家研究院就推出过“北京大学——给AI专家的临床医学通识课”这一继续教育培训课程。该课程的授课老师是北京大学医学部及其附属医院的多位知名教授和科研教学骨干，80余名来自全国高校、科研机构、医疗机构及相关企业的学员参加了学习。
“通过课程，我们希望弥合跨学科团队中不同领域成员间的知识鸿沟，帮助大家理解彼此的专业领域，从而使沟通与合作更有效。”课程的学术策划王迈介绍，为期3天的课程参考了医学专业学生的临床课程框架，兼顾医学基础与前沿进展，聚焦临床重点疾病类型，并特别关注与AI交叉的热点领域。该课程内容涵盖临床医学通识，重点探讨AI在医学领域的应用场景，帮助学员深入理解AI与医学融合的关键问题。
北京大学医学部教育处处长刘虹介绍，学校在同一学期还开设了两门面向本科生的“医学﹢AI”课程：药学院的“人工智能与药物研发”课程，以及医学技术研究院的“模式识别与人工智能”。
其实，两年前学校教育处就开始响应AI时代的“召唤”。“我们和北大教师教学发展中心一起，开展针对师生的AI技术相关知识培训，以提升师生的数智素养。在AI时代，老师和学生站在同一起跑线上，大家都要从零开始学习。”刘虹介绍，教育处还通过教改项目，支持教师们探索各种课程与AI的深度融合，今年医学部立项的30个教改项目中，与AI领域相关的就有26个。
2025年3月，北京大学研究生院医学部分院召开了医学人工智能研究生课程建设专题研讨会，与会专家围绕AI赋能研究生培养的核心目标，深入探讨了医学AI研究生课程体系建设的内容框架及实施路径。
据悉，北京大学研究生院医学部分院将以“战略引领、体系优化、创新驱动”为纲领，依托医学部与本部优质研究生教育教学资源，进行系统化顶层设计，构建“通识筑基—数据强化—技术赋能—应用深化”的多维度课程矩阵，有机结合前沿理论、医学实际场景与技术创新，形成具有北大医学特色的“医学﹢AI”研究生课程群，同时，以“研究生医学人工智能大赛”为载体，推动“AI﹢”行动计划与医学教育深度融合。
“仅仅知道是不够的，我们一定要运用。仅仅想要是不够的，我们一定要行动。”在课堂上，有一位老师引用德国著名思想家歌德的话与大家共勉。在北京大学医学部，医学和AI的双向奔赴正在进行。