中圖分類號：G434 文獻(xiàn)標(biāo)識碼：A 論文編號：1674—2117（2025）13—0105-04

新醫(yī)科教育是近年來醫(yī)學(xué)教育改革的重要方向之一，這是為了適應(yīng)新時代醫(yī)學(xué)發(fā)展的需求，培養(yǎng)具有創(chuàng)新能力和跨學(xué)科知識的醫(yī)學(xué)人才。新醫(yī)科教育強(qiáng)調(diào)醫(yī)學(xué)與工程、理學(xué)、文學(xué)等其他學(xué)科的交叉融合，推動醫(yī)工理文的融通。特別是強(qiáng)調(diào)將醫(yī)學(xué)與人工智能、大數(shù)據(jù)、機(jī)器人等技術(shù)結(jié)合，發(fā)展智能醫(yī)學(xué)、精準(zhǔn)醫(yī)學(xué)等新領(lǐng)域。[2]

醫(yī)學(xué)統(tǒng)計與數(shù)據(jù)挖掘類課程在新醫(yī)科教育中具有重要的應(yīng)用價值，主要體現(xiàn)為通過數(shù)據(jù)分析發(fā)現(xiàn)新的醫(yī)學(xué)規(guī)律，優(yōu)化治療方案，對疾病進(jìn)行早期預(yù)防與控制，從而推動醫(yī)學(xué)創(chuàng)新。隨著人工智能（ArtificialIntelligence，AI）技術(shù)的快速發(fā)展，其在醫(yī)學(xué)統(tǒng)計及數(shù)據(jù)挖掘類課程教學(xué)中也開始被廣泛應(yīng)用。3醫(yī)學(xué)統(tǒng)計及數(shù)據(jù)挖掘類課程，涉及大量復(fù)雜的數(shù)據(jù)分析和處理，而AI輔助教學(xué)可以有效提高教學(xué)質(zhì)量和學(xué)生的學(xué)習(xí)效率。

本文通過對醫(yī)學(xué)統(tǒng)計及醫(yī)學(xué)數(shù)據(jù)挖掘課程的AI輔助教學(xué)案例的分析及對學(xué)生的調(diào)查反饋，探討了AI在醫(yī)學(xué)數(shù)據(jù)分析類課程中的應(yīng)用，及其對提升學(xué)生解決實際問題能力的幫助。

AI在醫(yī)學(xué)統(tǒng)計及數(shù)據(jù)挖掘類課程中的優(yōu)勢

醫(yī)學(xué)統(tǒng)計及數(shù)據(jù)挖掘類課程對醫(yī)學(xué)生具有非常重要的意義。通過學(xué)習(xí)該類課程，醫(yī)學(xué)生能夠從復(fù)雜的生物醫(yī)學(xué)數(shù)據(jù)中提取有價值的信息和模式，為醫(yī)學(xué)研究提供新的思路和方向，從而在臨床實踐、醫(yī)學(xué)研究和醫(yī)療管理等方面做出更科學(xué)、合理的決策和創(chuàng)新。這對醫(yī)學(xué)生的職業(yè)發(fā)展和醫(yī)學(xué)事業(yè)的進(jìn)步具有重要意義。

當(dāng)前，AI在醫(yī)學(xué)統(tǒng)計及數(shù)據(jù)挖掘類課程中的優(yōu)勢主要體現(xiàn)在以下幾個方面：

① 進(jìn)行個性化學(xué)習(xí)路徑的設(shè)計。借助AI，可以根據(jù)學(xué)生的學(xué)習(xí)進(jìn)度、興趣和能力，提供個性化的學(xué)習(xí)資源和路徑。4例如，通過分析學(xué)生的學(xué)習(xí)數(shù)據(jù)，推薦適合其水平的案例分析和數(shù)據(jù)集，幫助學(xué)生逐步掌握數(shù)據(jù)挖掘技能。

② 分析學(xué)生的學(xué)習(xí)行為和成績。例如，通過分析學(xué)生的學(xué)習(xí)行為和成績，動態(tài)調(diào)整課程內(nèi)容和難

用非常廣泛。但是，大多數(shù)醫(yī)學(xué)專業(yè)的研究生在本科階段學(xué)習(xí)的都是采用SPSS軟件進(jìn)行統(tǒng)計分析，所以很多學(xué)生是首次接觸R這種編程語言。因此，能夠讓學(xué)生快速入門并迅速掌握R語言編程技巧是這類以軟件應(yīng)用為主的課程的教學(xué)重點。

本課程教學(xué)設(shè)計是先介紹R語言基礎(chǔ)，讓學(xué)生熟悉R語言的數(shù)據(jù)框架和語句特征。這里以采用R語言繪圖為例，介紹AI輔助編程的使用。

習(xí)題等。例如，利用大型語言模型（如ChatGPT，文心一言、Kimi等），根據(jù)最新的醫(yī)學(xué)研究和數(shù)據(jù)挖掘技術(shù)進(jìn)展，自動生成教學(xué)文本和練習(xí)題。

AI在醫(yī)學(xué)

在R語言繪圖中，有base和ggplot2兩套程序編寫模式。課程先是講解base繪圖和ggplot2繪圖的模式，然后讓學(xué)生選擇應(yīng)用AI來進(jìn)行代碼編寫并繪圖。例如，對于R語言的ggplot2的繪圖，首先對ggplot2進(jìn)行講解：ggplot2是R語言中一個非常強(qiáng)大的繪圖包，它基于“圖形語法”（GrammarofGraphics）的概念，提供了一種靈活且系統(tǒng)的方式來構(gòu)建各種統(tǒng)計圖表。ggplot2的核心思想是將繪圖過程分解為多個可組合的組件，如數(shù)據(jù)結(jié)構(gòu)、幾何對象、統(tǒng)計變換和主題設(shè)置等。在講解后借助生成式人工智能大模型Kimi并應(yīng)用R的ggplot2繪圖模式展示數(shù)據(jù)分布的小提琴圖（如圖1）。

統(tǒng)計及數(shù)據(jù)挖掘類課程中輔助教度，確保每個學(xué)生都能在適合自己的節(jié)奏下學(xué)習(xí)。

③ 創(chuàng)建虛擬實驗環(huán)境。例如，通過創(chuàng)建虛擬的數(shù)據(jù)挖掘?qū)嶒炂脚_，讓學(xué)生在平臺上進(jìn)行數(shù)據(jù)的處理、模型訓(xùn)練和結(jié)果分析等。

學(xué)案例探討

筆者嘗試在所在學(xué)校2024級醫(yī)學(xué)專業(yè)研究生的“醫(yī)學(xué)實驗數(shù)據(jù)處理”課程教學(xué)中利用AI輔助教學(xué)。下面，對其中的兩個教學(xué)案例分別進(jìn)行探討。

案例1：借助AI進(jìn)行R語言代碼的編寫

④ 自動評估學(xué)生作業(yè)，提供及時反饋。例如，通過智能評估工具，結(jié)合自然語言處理和機(jī)器學(xué)習(xí)技術(shù)，對學(xué)生作業(yè)給出評分和改進(jìn)建議。

此時，Kimi會提供相應(yīng)的R代碼，將代碼復(fù)制到R或Rstudio軟件中。在這個過程中，給學(xué)生講解R代碼，并指導(dǎo)學(xué)生理解代碼的意義和嘗試修改代碼，最后看看繪圖效果（如圖2）。如果想改變圖片的背

當(dāng)前，R和Python是在醫(yī)學(xué)大數(shù)據(jù)處理中廣泛應(yīng)用的兩種編程語言，它們在數(shù)據(jù)清洗、數(shù)據(jù)轉(zhuǎn)換、數(shù)據(jù)可視化、統(tǒng)計分析與機(jī)器學(xué)習(xí)等方面都具有較大的優(yōu)勢，因此應(yīng)

⑤ 快速生成與課程內(nèi)容相關(guān)的教學(xué)材料，如講義、案例分析和練景、圖形的顏色、圖的標(biāo)題和字體的格式等，可以引導(dǎo)學(xué)生繼續(xù)對Kimi進(jìn)行提問。在這個過程中，同時講解對可能出現(xiàn)的錯誤代碼進(jìn)行修正。通過講解和實操的方式，加深了學(xué)生對R語言的ggplot2繪圖的理解。

案例2：借助AI進(jìn)行非線性擬 合初值的求解

本課程在講解口服給藥的藥物動力學(xué)模型的非線性擬合時需要求解初值，提供初值后才能進(jìn)行模型的參數(shù)估計。但是，很多醫(yī)學(xué)生的數(shù)學(xué)基礎(chǔ)較為薄弱，特別是有很多在職的博士生，數(shù)學(xué)基礎(chǔ)知識已經(jīng)所剩無幾，因此學(xué)生在求解方程組方面遇到較大的困難。例如，藥代動力學(xué)模型如下：

此時，需要根據(jù)樣本點求解A、k1和k2的初始值。根據(jù)樣本點的數(shù)值，獲得如下的方程組：

教師在講解了這個方程組的基本求解思路和求解過程后，上傳方程組的圖片，借助Kimi對方程組進(jìn)行求解（如圖3）。

然后分別采用手工求解和借助AI求解的初值進(jìn)行非線性擬合，并將結(jié)果進(jìn)行對比，對比的結(jié)果如圖4所示。

結(jié)果發(fā)現(xiàn)，應(yīng)用手工求解和AI求解的初始值對口服給藥的藥物動力學(xué)模型進(jìn)行非線性擬合，獲得的參數(shù)結(jié)果完全相同。

復(fù)雜方程組的求解難度很大，特別是非線性方程組的求解。方程組中包括的高次項、三角函數(shù)和指數(shù)函數(shù)等都需要復(fù)雜的數(shù)值計算方法，如牛頓法或迭代法。此外，在使用數(shù)值方法求解方程組時，數(shù)值穩(wěn)定性也是一個重要的考慮因素。一些方程組可能對初始猜測或數(shù)值誤差非常敏感，導(dǎo)致求解過程不穩(wěn)定或結(jié)果不準(zhǔn)確，同時也需要耗費大量的計算資源。另外，在求解方程組之前，確定解的存在性和唯一性也是重要的。這可能需要使用如線性代數(shù)中的行列式或非線性方程組的不動點定理。因此，對于數(shù)學(xué)基礎(chǔ)薄弱的醫(yī)學(xué)生來說，難度非常高。而本課程進(jìn)行非線性擬合的主要自的并不在于求解方程組的初始值，而是借助初始值來進(jìn)行模型的擬合和預(yù)測。此時，借助AI求解復(fù)雜方程組獲得初始值則變得非常便捷和有效。

AI輔助教學(xué)的學(xué)生反饋調(diào)查

針對研究生課程“醫(yī)學(xué)實驗數(shù)據(jù)處理”，本研究對2023級和2024級的醫(yī)學(xué)專業(yè)的研究生（包括碩士研究生、博士研究生和同等學(xué)歷的博士研究生）進(jìn)行調(diào)查，分別對傳統(tǒng)案例教學(xué)和AI輔助教學(xué)的教學(xué)效果進(jìn)行了評價。

2023級研究生采用的是傳統(tǒng)案例教學(xué)模式，2024級研究生采用了AI輔助教學(xué)模式。本研究從五個維度進(jìn)行了調(diào)查（如下頁表1）。

例教學(xué) （P=0.048） 。該調(diào)查結(jié)果說明，在醫(yī)學(xué)統(tǒng)計及數(shù)據(jù)分析類課程中借助AI輔助教學(xué)，對提高學(xué)生軟件操作能力和進(jìn)行醫(yī)學(xué)科研工作有較大的幫助。

AI在醫(yī)學(xué)統(tǒng)計及數(shù)據(jù)挖掘類課程中面臨的挑戰(zhàn)

當(dāng)前，AI輔助教學(xué)也面臨著很大的挑戰(zhàn)。在醫(yī)學(xué)統(tǒng)計及數(shù)據(jù)挖掘類課程中，學(xué)生過度依賴AI可能會導(dǎo)致缺乏獨立思考和解決問題的能力，同時，AI的應(yīng)用也涉及倫理問題，如算法的公平性和透明度。但總體來看，AI輔助教學(xué)在醫(yī)學(xué)統(tǒng)計及數(shù)據(jù)挖掘課程中具有顯著的應(yīng)用優(yōu)勢，可以有效提高教學(xué)質(zhì)量和學(xué)生的學(xué)習(xí)效率。未來，相信隨著AI技術(shù)的不斷完善，其在醫(yī)學(xué)大數(shù)據(jù)課程中的應(yīng)用前景將更加廣闊。

調(diào)查結(jié)果發(fā)現(xiàn)，在增加學(xué)習(xí)數(shù)據(jù)分析類課程的興趣和提高科研思維水平方面，兩組沒有統(tǒng)計學(xué)差異 （P=0.181 和F λ=0.632 ，如表2）。在提高軟件應(yīng)用能力和為今后科研工作提供較大幫助方面，AI輔助教學(xué)組的分?jǐn)?shù)均明顯高于傳統(tǒng)案例教學(xué)組 （Plt;0.001 和P -0.003 。在該課程促進(jìn)了與醫(yī)學(xué)學(xué)科融合方面，AI輔助教學(xué)組分?jǐn)?shù)略高于傳統(tǒng)案

參考文獻(xiàn)：

[1郭欣，陳思穎.新醫(yī)科教育背景下綜合性大學(xué)醫(yī)學(xué)期刊交叉學(xué)科專題建設(shè)JI.中國科技期刊研究，2024，35（04）.541-546.

[2]孔曉榮.新醫(yī)科視域下大數(shù)據(jù)技術(shù)通識教育實踐探索[J.中國現(xiàn)代醫(yī)生，2023，61（30）：92-9+99[3馬欣欣，萬生芳，魏昭暉，等.醫(yī)療大數(shù)據(jù)背景下的人工智能在中醫(yī)診斷中的應(yīng)用研究[J.世界中醫(yī)藥，2023，18（11）：1579—1582.

[4]張海燕.數(shù)字賦能視閾下Seminar教學(xué)的實施路徑研究[J.教育教學(xué)論壇，2024（41）：126-130.

[5]李慶玲.智能學(xué)習(xí)平臺在高中數(shù)學(xué)教學(xué)中的應(yīng)用研究——以“Ai學(xué)”智慧教育平臺為例D].濟(jì)南：山東師范大學(xué)，2020.[]陳都，徐峰.淺談Python在創(chuàng)傷流行病學(xué)數(shù)據(jù)分析中的應(yīng)用[J].創(chuàng)傷外科雜志，2022，24（07）：481-485.

作者簡介：華琳（1973—），女，博士，副教授，研究方向為生物統(tǒng)計與生物信息學(xué)；通訊

作者簡介：夏（1974—），女，博士，副教授，研究方向為醫(yī)學(xué)信息學(xué)。

基金項目：2024年全國高等院校計算機(jī)基礎(chǔ)教育研究會課題（2024-AFCEC-105）。