干货满满！北京理工大学医工交叉教学实践分享，解答从教学创新到教师成长最关切的 6 个问题
2025 年 7 月 16 日，和鲸科技特邀北京理工大学医学技术学院辛怡副教授，倾情分享医工交叉教学创新实践成果。辛怡老师立足高校教学实际，聚焦《数据挖掘在生物医学中的应用》课程的教学创新实践，为来自全国医学院校及生物医学工程领域的教师们分享了课程建设案例、技术应用方法论及备赛经验。
辛怡老师介绍道，课程自 2018 年开设以来，始终紧跟国家 “健康中国 2030” 战略部署及医学 AI 领域发展趋势，历经多次迭代升级。课程最初作为生物医学工程专业选修课，后升级为延河联盟跨校通专融合选修课，同时支撑学校医工融合实验班、徐特立英才班、协和医班等本硕贯通培养需求，具有医工融合、项目驱动的特点。
当前生物医学医工融合人才培养面临结构性挑战：一方面，学生医学知识和临床业务背景薄弱与技术快速衍新导致学用脱节；另一方面，医学数据兼具强领域特异性、严格隐私约束及动态临床场景等复杂属性，导致传统数据挖掘课程“从算法到案例”的教学范式难以适配。为破解医工交叉人才培养痛点，辛怡老师为参会教师分享了北理工独到创新基础：
课程团队以“培养面向国家重大需求和人民生命健康的医学技术人才”为目标，以国家大健康战略为牵引，持续开展数智赋能的混合式教学改革。将教学内容与科技资源深度融合，构建“两线三域”学习链路，实施“立体拼图”教学活动，提供“四重支持”导学模式。将医学业务逻辑与数据科学思维耦合，开展“问题拆解-算法探索-方案迭代”，培养学生从事医学技术研发所需数据挖掘的核心能力。
辛怡老师进一步介绍道，课程基于和鲸 ModelWhale 平台构建了多元化的教学实践场景，实现了资源整合、互动协作与实践赋能的深度融合。学生基于 ModelWhale 完成编程实践，借助 AI 工具提升学习效率，学生解决医工领域问题能力显著提高，成果斐然。
部分获奖成果一览
基于课程的知识、技能、实践项目、数智工具，获省部级以上竞赛奖项共 43 项：
人口健康“共享杯”大学生科技资源创新大赛一等奖；
全国大学生生物医学工程创新设计竞赛一等奖；
中国高校计算机大赛-人工智能创意赛全国总决赛一等奖；
医疗大数据 Datathon 活动一等奖、二等奖
基于会议内容，和鲸科技梳理了参会教师们关心的几类核心问题，融合辛怡老师的核心实践思路整理如下，为更多致力于医工融合人才培养的高等院校及教师提供些许参考和借鉴：
1. 课程如何应对医学数据挖掘教学中的核心挑战？
为应对传统教学过程中学生实践难、协作难等痛点，课程依托和鲸 ModelWhale 整合知识图谱、AI 课程助手等核心教学资源，打造师生一站式学习入口。
互动教学中，教师指引学生用 AI 工具完成任务后在讨论区分享成果与工具使用心得，以互学实现资源共享，激发主动探究热情，形成良好自主学习氛围。实践训练创新采用 “挑战闯关” 模式，针对性解决编程水平差异问题。ModelWhale 提供数据可视化、统计等闯关任务及专病库数据集等实战素材，学生闯关完成代码实践与项目分析，系统自动评判作业，减少教师重复讲解成本；同时内置和鲸社区多学科案例供参考，助力学生完善大作业，降低 32 学时内从 0 到 1 项目制作的难度，为实践提供有力支持。
2. 课程如何利用知识图谱工具进行教学实施？
课程选用了 BIOS 开放知识图谱工具，主要承担概念索引功能，帮助学生系统理解医学概念体系及其逻辑关联。学生通过点击概念节点即可生成交互式知识图谱，直观掌握概念间的多维关系，显著提升复杂医学概念的认知效率。
3. AI 教学助手在该课程中的具体实施策略与效果如何？
课程依托智谱清言等大模型平台，构建智能驱动的 AI 教学助手体系。通过预置学科引导性问题库搭建结构化交互框架，助力学生掌握工具使用规范与精准提问范式，有效承接课程高频重复咨询；同时整合教材、文献、案例等资源构建垂直领域知识库，定制医学专业智能体人设以适配教学场景。
4. 如何实现专业技术内容与思政教育的有机融合？
课程选取智能手表房颤检测研究顶会论文作为真实产业案例，聚焦阳性预测值（PPV）指标的技术竞争。教学中先解析 PPV 核心定义 —— 算法预测阳性样本中的真阳性占比；再引导学生辨析大人群筛查中 PPV 成为关键指标的原因：假阳性易致焦虑与医疗资源浪费，假阴性可能延误治疗时机，让学生具象理解算法缺陷的社会代价。进而引申至国家药监局 AI 医疗器械审批标准，将技术评价规范与 “健康中国” 战略对数字医疗的部署深度结合，助力学生在掌握技术原理的同时，深化对国家科技战略的认知认同。
5. 新入职教师应如何规划教学与科研的协同发展路径？
辛怡老师建议，新入职教师可分阶段推进教学与科研协同发展：先聚焦夯实教学能力，打磨体现自身研究背景和专业特长的 “根基课程”，并积累录课素材、搭建在线课程等数字化教学资源。
新入职教师首推参与青教赛。青教赛侧重于单个知识点的创新教学设计，新教师往往能将前沿科研知识融入传统知识点讲解，快速积累教学经验。在积累一定教学经验和成果后，可参与西浦全国大学教学创新大赛。西浦赛更注重学生的实际受益和教师的教学反思，有了前期教学积累的支撑，教师能更从容地展现教学理念与实践成效。
当教学成果丰富且形成稳定教学团队后，可申报混合式大赛及教创赛等。此阶段核心是通过团队协作整合资源、凝练成果，将前期课程建设、教学创新等努力系统化，实现教学与科研协同质的飞跃。
6. 在指导学生参与高水平学科竞赛方面，有哪些提升竞争力的关键方法？
课程设计层面，以项目制驱动为核心，采用贯通式项目设计，从课程初始即引导学生分组开展真实医学数据挖掘项目，历经选题、迭代、答辩及报告完善全流程。选题上聚焦重大疾病个性化诊疗、中医药探索、公共卫生问题等国家重点领域，项目经进一步打磨后可直接转化为竞赛作品。
资源支撑层面，课程中整合了包括国家人口健康科学数据仓储等在线医学资源数据平台，联合和鲸 ModelWhale 等平台搭建 AI 创新虚拟实验室，提供代码支持与开源工具；开发基于智能体的 AI 课程助手，内置竞赛相关知识库，助力学生解决代码预处理、文献搜索等难题，课程结束后也可帮助学生在竞赛阶段持续使用该工具。
竞赛对接层面，学生可基于课程项目参与校级大学生创新创业训练计划；优秀项目经选拔培育后，进一步推荐参加人口健康“共享杯”科技资源共享服务创新大赛、全国大学生生物医学工程创新设计竞赛等医工学科相关赛事，以及中国高校计算机大赛等教育部白名单赛事。针对重点赛事建立专门备赛群，精准对接竞赛要求，还组织学生参加如 Datathon 等医学数据创新活动，与企业、医院团队同场竞技。
本次分享覆盖教学设计、技术融合、竞赛培育全链条，为医学与 AI 融合领域的人才培养提供了可借鉴的“北理工方案”。您可联系和鲸工作人员（备注“北理工分享”）或点击此处链接，观看分享整场视频。和鲸也将持续开展更多高校实践分享，为高校教师搭建交流平台，助力医学教育创新发展，敬请关注。
