AI與不同學科從合作走向融合，交叉學科建構出新的知識結構，培養出復合型拔尖創新人才。MK体育平台在2024-2025學年推出百門AI領域課程，加快科學智能創新生態構建🧑🏽🏫🧝🏻，讓更多年輕人邊習得📴、邊運用、邊創新🌶，增強對未來的把控力。
為醫學生量身打造AI課
在人工智能全面走入大眾視野之前，就有相當一批教師敏銳地感知到科技的風向🗃，未雨綢繆🍍。
“醫學生需要相關課程來補充交叉學科的知識。”早在2021年，“醫學影像深度學習”課程就已正式開設，並在今年入選“AI-BEST”體系中的AI-S（AI學科進階課程）類跨學科融合課程🎚。
通過理論講授和實踐指導🧑🏼🎤，“醫學影像深度學習”課程培養醫學生掌握深度學習的基本概念、關鍵算法🙇♀️，賦能模型設計與實現🌠，架起醫學影像處理與AI的橋梁👅。
“醫學影像深度學習”授課團隊合影
“人工智能是一個專業性較強的領域，如果不經過系統學習，自己摸索對醫學生來說非常困難。” 授課團隊教師均是生物醫學工程專業出身🏎，他們深知學科交叉的重要性。不同於其他醫學類專業課，AI課程對算力實操提出了更高的要求。“我們不希望為這門課的學習設置過高的門檻🗃。”課程負責人🦶🏻👩🏻🎤，基礎醫學院教授宋誌堅如是說。
授課團隊精心建立起一套完善的教學邏輯👨🏻🚀。整門課程的設置由淺入深💅，配套的案例亦是從簡單到復雜。從最基本的機器學習和深度學習原理開始，延展至醫學影像處理領域的常用算法🪩，學習調用包括但不限於卷積神經網絡、循環神經網絡等網絡構架🤜🏿，進行醫學圖像特征提取、分類、識別。環環相扣的課程設計，放緩了學習的坡度。
“比如在講到梯度下降法時，老師用地形高度作比，將抽象的概念形象化，便於我們理解🅾️🪟。”課程分板塊由不同教師講授，基礎醫學院2023級本科生孫中宜在課程的學習中並不覺得困難。“又比如不同老師在授課時，會對前一次課程的關鍵內容進行總結回顧🔖，幫助我們復習和加深理解，並引入了新課內容，解決了兩次課程之間的銜接問題。”
在多年的課程打磨中，團隊把醫學生的培養方案熟記於心🔐，連每年培養方案的更新，都會在備課討論中研究透徹。今年🪒，團隊驚喜地發現🔮，隨著學校AI課程的建設，已有“人工智能導論”等基礎課程，還有其他旁支課程相互支撐，能共同塑造知識體系🏊♀️👨🏼🎨。
“以後的學生對於學科交叉的認識會更加深入🌼，程序設計和人工智能理論的基礎會越來越好🧞♀️。”基礎醫學院副教授章琛曦在授課的過程中明顯地感受到了學生基礎和興趣的提高，“有些本身對這方面感興趣的同學〰️🍬，在課程之前就自發地選修了其他相關課程，讀過很多前沿文章🛫，還會使用大模型生成代碼處理數據。”
“手把手“教醫學生寫程序
越來越多的醫學生正使用人工智能相關工具完成實際學業或科研任務，比如提取文獻關鍵信息♈️，或是根據提綱生成文本。章琛曦認為，編程是駕馭AI技術的關鍵：“雖然掌握起來會有些艱難，但在未來的科研學習和工作中✧，它能幫助我們發現靈感🧑🏼🚀、檢驗猜想、總結問題🃏，而這將成為科研中重要的優勢。”
為了提升醫學生程序編寫和應用的能力，在課堂中進行實際的編程操作教學成為一大重點。授課教師在課堂中盡其所能，用簡明的數學理論來演繹算法的底層邏輯🍄🟫，逐行講解對應的具體代碼，並對代碼的每個函數和符號進行詳細解釋；在確保每位學生都獨立敲好並成功運行代碼後🫲🏻，才繼續講授新內容。
“在教學中選擇Matlab授課，我們考慮了很長時間”，課程團隊希望學生能夠通過MATLAB掌握計算機語言的基本邏輯👈🏼，並將課程所學的初步模型調用到各種不同場景中。“MATLAB的語法相對簡單🚣，學生可以快速上手”，授課教師🦹🏿♂️、基礎醫學院副教授史勇紅介紹道，“MATLAB與其他程序語言如Python、C++等，都是相通的。只要有了這個思路👗😢，就能理解各種語言的底層邏輯。”
每周四個課時，授課團隊幾乎是“手把手”教學生編寫程序🤲🏽🤭。如此細致的教學風格，費心費力不言而喻💶，但授課團隊樂此不疲。“只要有學生提問🔆，我們都是積極響應。”
▲ 基礎醫學院教授王滿寧正在給醫學生們講解代碼
“每講完一個部分，老師們都會反復確認我們有沒有聽懂，還會走到我們身邊，為我們一對一解決困難”🧑🏽🔬，授課團隊的細致講解深深打動了基礎醫學院2023級本科生宋佳豪，“老師們的耐心讓我印象深刻。”
宋佳豪正在研究血管造影相關課題，需要使用到一些圖像處理軟件👨👩👧👧，並挑選合適的圖片用於訓練AI模型。在課程中，他深入學習了圖像處理和圖像識別的方法，收獲滿滿⭕️。“我對課題組研究的內容有了更寬廣的認識，也進一步激發了我對血管造影的興趣。”
推開近距離接觸AI的窗戶
“如果能夠給學生創造機會🚂，那就要創造🛠。”課程團隊整合資源，希望通過課程的窗戶，使學生接觸到更廣闊的AI前沿景象。課程以醫學影像為實例，使用不同路徑進行處理並對比優劣⛹🏿♂️，既具體又直觀；以前沿應用為引領，探索人工智能在醫學領域的萬千可能♡。
為了進一步滿足學生對於AI在醫學領域前沿應用的好奇心🖱，課上內容並不僅限於醫學圖像領域💂♂️🕗，還會拓展至醫學信號序列領域😹。例如✊🏽，根據人的語音序列👩🏿⚖️，判斷人的情緒；或是通過傳感器📍，檢測人體生理指標序列🦹🏼♂️，判斷人的健康狀態。
2023年🚣🏽♀️，課程團隊將所有上課的同學都帶到了中國計算機學會（CCF）數字醫學分會第一屆學術年會現場。在大會上，學生近距離地聆聽行業大牛在“醫學智能圖像分析”、“計算機輔助手術”🧑🏻🤝🧑🏻📇、“醫學大模型的應用”等板塊的分享，更多地了解到醫工結合的技術理念和現實價值。
學生參加2023CFF數字醫學年會合影
教育是一項長線工程。授課團隊坦言，這門課程的最終目標並非將醫學生培養為編程熟手，而是給予醫學生一把通向AI世界的萬能鑰匙。
團隊希望，學生在這門課程之後，能夠在實際的醫學圖像應用場景中通過人工智能輔助工具生產代碼，只需要能夠識別出其中的錯誤🎇，並且用自己的知識對代碼進行更新與維護，這樣便可以將課程所學直接解決實際的醫學問題。
至於未來醫學+AI將走向何處，宋誌堅認為⚒，醫學中人文關懷不會因技術的變革而黯淡：“或許人工智能對生產力的改變不亞於前幾次工業革命，但對於醫學而言，它只能更其術🏊🏿，不能易其道。計算機能處理的信息量不是人腦可匹敵的🫚，但就算餵給它再多的病例，也不能培養出一顆獨屬於醫者的赤子之心🕵🏼♀️。”醫學將與人工智能同行，先進的技術將助力滿足人類的健康需求👶🏻，善良的心靈則永遠給養社會的健康發展。
AI課程面向未來，代表的是一種開放的、發展的、不斷生長、不斷進化的態度。青年學生雖身在象牙塔，但視野應在無盡的遠方，面對變革🚴🏿♂️，課程團隊向同學們寄語如下🤵🏿：
要對學科交叉抱有相當的襟懷，學科應是開放的而非封閉於一隅🏇🏼；要對科研轉化抱有足夠的敏感，有時與商業的合作能夠促進科研生產的變革✢；要對新技術的稟賦和自生的創造力抱有一定的信心，並勇於嘗試、探索新鮮事物，將其化為己用。
前途遠大，來日方長🐡。AI與復旦醫學生們共勉！
