“医学+X”,会擦出怎样的火花?

河北日报-05版:教育-2023年11月16日

05

河北日报记者陈华

今年2月,教育部等五部门印发《普通高等教育学科专业设置调整优化改革方案》提出,瞄准医学科技发展前沿,大力推进医科与理科、工科、文科等学科深度交叉融合,培育“医学+X”“X+医学”等新兴学科专业。

为什么要加速培育“医学+X”“X+医学”新兴学科专业,这能给医学人才培养带来什么变化?记者了解到,从2018年开始,河北医科大学医学影像学院结合自身医学影像特色,以“瞄准前沿、聚焦影像、智能支撑”为特色目标,探索建立了医工融合医学影像特色复合型人才培养体系建设新模式。记者就此进行了采访。

学科交叉是培育新的学科增长点的重要途径

11月10日,河北医科大学医学影像学院医学影像专业大二学生易芳迪、孟庆汐等在上智能影像医学创新与实践课程,他们在老师的指导下,把医学数据建成可视化的数据模型。

智能影像医学创新与实践是一门数学、人工智能和医学及医学影像相互交叉的课程。

“这门课教学设计时强调夯实数理基础,增强学生在医学应用案例中的数学概念和数学应用意识培养,提升学生的学习兴趣和效果,从源头上锻炼创新思维。”授课教师何业举介绍,他们通过在传统医学影像专业中增加智能影像医学创新与实践等交叉学科的课程,培养具有扎实医学功底兼具工学思维的影像科医生。

据了解,除医学影像学外,河北医科大学医学影像学院还有医学影像技术、智能医学工程两个专业。其中,医学影像技术专业培养具备扎实的工学基础与医学知识的技师与工程师,智能医学工程专业培养具有扎实工学知识与能力兼具医学视野的工程师。

“这三个专业培养目标各有侧重,由医向工逐渐过渡,医学影像学是传统医学类专业,医学影像技术专业是交叉性医学专业,智能医学工程是新医科专业中的工学专业。”河北医科大学医学影像学院教师秦瑞平介绍。

学科交叉是培育新的学科增长点的重要途径,促进医学与理学、工学等学科的交叉融合,符合医学发展规律。2020年,河北医科大学医学影像学与医学影像技术专业获批国家级一流本科专业建设点,同年获教育部批复开设新医科专业智能医学工程,并于2021年开始招生,学制4年,每年招生30名,成为该专业在省内首批招生的医科院校。

传统医学院校为何要培养多学科融合的复合型人才?

“将传统医学教育与更多的新兴、前沿学科进行有效整合,大力发展医工融合,建设新医科,是实施健康中国战略的必然要求,也是新时代赋予医学教育的重要使命。”河北医科大学医学影像学院党委书记尚丹丹表示,智能医学工程专业紧密结合医疗健康与人工智能、大数据等新兴产业,培养能够利用人工智能技术解决医学问题的“医学+”复合型人才。

除了医生之外,他们希望培养更多具有工学基础、医学视野的医学工程师,使他们具备运用数学、物理、计算机等多学科知识解决医学问题的能力,成为促进祖国健康事业发展的高素质、复合型、创新型人才,这正是河北医科大学开展医工融合的初衷和目的。

用好学科交叉融合的“催化剂”

11月10日,河北医科大学医学影像学院智能医学工程专业2021级学生张茂原,正在为低剂量医学图像质量提升平台项目进行网页平台的搭建。

“这个项目是我参加的一个大学生创新创业项目,需要既有医学常识也要有一定的工学背景。”张茂原介绍。

张茂原是河北医科大学招录的与河北工业大学联合培养的智能医学工程专业学生之一,大二下学期,她到河北工业大学进行了为期半年的交换学习。

“河北工业大学工学氛围浓厚,尤其是像算法设计与分析这样典型的工学课程为我们进行医学图像数据处理奠定了基础。学习期间有一种读一个专业、上两所大学的感觉。”张茂原这样形容交叉学科的学习感受。

“新医科人才的培养需要机制创新,医学院校在学科门类相对单一的情况下如何应变,是不可回避的重大课题。”尚丹丹表示,新医科建设需要开设新专业、引入新理念、创新育人模式,但新建跨门类学科难度较大。

“联合办学是医学院校培养新医科人才的路径之一。”河北医科大学医学影像学院院长耿左军提出。

河北医科大学自2021年与河北工业大学联合培养的智能医学工程专业学生,实行双校区培养模式,学生在第三、第四学期分别在两校“同上一班、同上一课”,共计716学时,实现充分的课内交流。

双方实验室对双方学生共同开放,在实践分组中,有意识将医工两校学生混编,促进其相互沟通,两校还组织医工科学生共同加入创新性实验计划项目小组等课外研究项目组,在导师指导下双方学生共同参与完成项目,共同成长发展。

“学生完成学业达到项目培养要求,符合学位授予标准的,由学籍所在的学校颁发毕业和学位证书,并按照国家文件规定注明联合学士学位及联合培养单位。”秦瑞平说。

人才培养,关键在教师。

“医工融合难就难在不同学科思维模式下,如何培养出真正既懂医又懂工学、理学等其他学科的复合型人才。”耿左军表示。

河北医科大学在保持传统医科优势的情况下,从西安电子科技大学、北京协和医学院、天津大学、北京航空航天大学等院校吸引多名优秀人才任教,聘用企业客座教授及兼职导师8人,理工学科师资队伍建设水平得到跨越式发展。

此外,该校还成立医工融合教研室,组建医学技术装备虚拟教研室、青年教师学习小组和微专业建设小组、毕业论文指导小组等,形成跨学科、跨专业、跨院校的基层教学组织。针对智能医学工程新专业,企业对教师进行人工智能机器学习等专项培训,促进教师专业发展。通过全方位的教师交流与发展,形成了一支稳定、多元、高水平、充满活力的医工融合教师队伍。

搭建校企合作共赢平台

11月10日,河北医科大学医学影像技术专业2020级学生秦梁芮和同学们一起,就7月至10月底在数坤科技的实习进行座谈交流。

新医科建设培养复合型人才要坚持社会需求导向,突出社会服务功能,因此,校企合作也是培养复合型医学人才的重要路径。河北医科大学通过导论课、实践课、创新课、开放课程、第二课堂、培训课等诸多课程建设,将企业人才纳入师资队伍,为培养复合型人才建立重要保障。

“实习过程中,学校为我们配置了企业导师,从理论知识到专业技能进行全方位指导,每个月还要对学习成果进行总结。”秦梁芮介绍说,通过四个月的实习,他对医工融合有了更深层的理解和认识。

“智能医学工程专业是医、理、工高度交叉融合的新建专业,通过校企融合,可以让学生们深入企业,不断打磨自己的知识技能,学习企业新技术,将所学运用到实践中去。”秦瑞平表示。

校企融合也进一步拓展了学生的就业思路。“之前,觉得只有当医生这条出路,现在发现医学工程师也是不错的选择。”秦梁芮表示。

此外,为尽可能利用企业与医院资源,该校通过设置学生企业导师项目、共建虚拟仿真项目、教师合作科研项目等诸多形式丰富、层次多元、方向各异的项目推动企业参与人才培养。

THE END
1.人工智能三大算法在医疗领域的应用现状与展望机器学习在医疗中的应用 机器学习是一种使计算机系统能够从数据中学到的能力。这项技术被广泛用于疾病预测、药物发现和个性化治疗等方面。通过分析大量健康数据,包括遗传信息、生活习惯和医学影像,医生可以更好地理解疾病的发生规律,从而提前干预并改善治疗方案。此外,基于机器学习的人工智能系统也能帮助减少错误诊断,这对于https://www.jvahvb5c.cn/xing-ye-zi-xun/521904.html
2.质量数据集之多模态医疗数据集自主可控算法模型,引领智能医学精准及时的医学诊断对改善治疗效果和确保患者安全至关重要,对提高医疗服务质量和优化医疗资源分配具有深远意义。高质量医学数据训练的人工智能模型在增强诊断效率和准确性方面展现出巨大潜力,但医学数据仍存在医生标注不一致、数据分布不均匀等https://mp.weixin.qq.com/s?__biz=MzI1ODU0Nzk3Mg==&mid=2247494597&idx=3&sn=6d5fa2c6b9f1ceb4adeb0d28f9239fdd&chksm=eb3ca7e9fcc9cadcf695ba8b9e2a721a1cbd2c069666046a048ba3e8b87000a9228d59df1473&scene=27
3.机器学习在医学中的应用医学机器学习跨学科合作与创新:强调跨学科合作在推动机器学习医学应用中的重要性,以及如何通过创新来克服当前的挑战。 13. 结论 总结:回顾机器学习在医学领域的重要应用与贡献,重申其在未来医学发展中的潜力。 展望未来:呼吁更多的研究与合作,以推动机器学习在医学中的广泛应用,造福患者与社会。 https://blog.csdn.net/weixin_64296810/article/details/141724629
4.机器学习机器学习赋能医疗降:从诊断到治疗的智能化革命在医学康复治疗中,机器学习可以发挥重要作用,通过分析和学习患者的历史数据、治疗反应和康复进展,为康复师和患者提供智能化的指导。以下是一个简化的框架,说明如何使用机器学习来构建一个康复治疗的智能化指导系统 数据收集与预处理 首先,需要收集康复患者的数据,这些数据可能包括但不限于患者的个人信息、诊断信息、https://cloud.tencent.com/developer/article/2427921
5.集成多组学数据的机器学习在生物医学中的应用案例教学三:基于转录组学数据进行端到端的机器学习项目泛癌预测(数据预处理,数据建模,模型评估) 案例教学四:基于蛋白组学-代谢组学在COVID-19中生物标志物发现研究 深度学习在组学数据中的应用 学习目标:随着高通量组学平台的发展,生物医学研究大多采取了多组学技术结合的方法,不同组学来源(如转录组学、蛋白质组学https://www.jianshu.com/p/bb69eeab3f83
6.opencoursesourcesandbookmaterials.我总结的AI学习同样,机器学习在医学医药领域也有了越来越多的应用。只不过通常计算机专业的同学不很了解这方面。而是相反的,很多医学医药领域的人,会来学习人工智能的知识,进而应用在自己的领域,这种情况更多一些。 关于生物医学医药领域,整体我还是很看好的。虽然不知道爆炸的时间是什么时候,但我相信有着光明的未来。 https://github.com/shanhaiying/ai-learning-roadmap
7.AI+Science第二季:大模型与生物医学集智斑图这些大分子的结构与功能,通常取决于其各个部分的精细相互作用,因此结构生物学问题具备明显的复杂系统特征。人工智能技术已经广泛应用于基因组学和结构生物学研究中,新兴的大语言模型凭借其强大的计算和学习能力,正在这两个复杂系统领域崭露头角。https://pattern.swarma.org/study_group/29
8.西北工业大学AI+医学影像前沿学科论坛会议通知主要研究方向为人工智能,机器学习,医学图像分析,脑机接口等,发表学术论文200余篇,被引12000余次。获国家自然科学二等奖1项、教育部自然科学一等奖和二等奖各1项。2014-2019连续6年入选Elsevier中国高被引学者榜。 报告题目:脑影像智能计算及其若干应用研究进展https://zdhxy.nwpu.edu.cn/info/1083/4789.htm
9.机器学习在检验医学应用的现状与思考文章来源:中华检验医学杂志, 2022,45(12) : 1197-1200 作者:沈立松 曾俊祥 摘要 近年来机器学习成为各研究领域的热点,利用机器学习可以实现由数据驱动向知识发现的转化,是今后实验室智能化的重要发展方向。机器学习在检验医学领域的应用目前已显示出了巨大潜力,但存在许多问题及挑战。推进机器学习技术的临床转化,实现http://www.caivd-org.cn/article.asp?id=14684
10.基于机器学习的医疗诊断与疾病预测模型.pptx机器学习在医疗诊断中的应用1.机器学习算法可以自动分析医疗文本,提取有价值的信息。2.机器学习算法可以帮助临床医生快速准确地诊断疾病,提高诊断效率。3.机器学习算法还可以用于跟踪和评估疾病的进展和治疗效果。机器学习在医学信息检索中的应用1.机器学习算法可以帮助临床医生快速准确地检索医学信息,提高信息检索效率。2.https://max.book118.com/html/2024/0223/5103213241011111.shtm
11.壹生资讯医学研究已进入大数据和精准化并行融合时代,对数学模型,信息材料等理论和技术的依赖大幅提升,单细胞图谱,基因组医学的交叉融合,催生了生命科学研究的新纪元。人工智能作为典型的交叉学科,正在以其强大的算力使得我们在更全面、更深入及更清晰的层次上理解和处理生命的复杂信息。在肾脏病领域,机器学习已经在疾病预测、患者https://www.cmtopdr.com/post/detail/1223ab47-23a3-44c3-8a96-b027d154b701
12.FPGA技术在生物医学成像中的研究进展梁长虹.加强机器学习在医学影像中的研究和应用.国际医学放射学杂志,2019,42(01):4-5 [百度学术] Liang C H. International Journal of Medical Radiology, 2019, 42(01):4-5 [百度学术] 83 吴艳霞,梁楷,刘颖,等.深度学习FPGA加速器的进展与趋势.计算机学报,2019,42(11): 2461-2480 [百度学术] Wuhttps://www.pibb.ac.cn/pibbcn/article/html/20190342
13.医咖会医咖会是面向临床医生、科研工作者、医学生的临床研究学习和交流平台,系统讲解研究设计、统计分析、Meta分析、SCI论文撰写等科研课程,提供SPSS、Stata、R语言等详细操作教程。https://www.mediecogroup.com/
14.VALSEWebinar21戈宗元博士是澳大利亚莫纳什大学工程院和VC office的副教授,Monash Medical AI研究中心 (https://www.monash.edu/mmai-group)的主任,主要研究领域为统计分析,机器学习,医学人工智能以及流行病学。截止目前,他作为一作和重要作者在The Lancet Digital Health, The British Medical Journal, Bioinformatics, Hypertension,https://www.zhuanzhi.ai/document/3fd9a49c00b7474eeac328afad89d063