课程创新改革的过程中，应该如何利用知识图谱等工具开展教学？近日，北京理工大学医学技术学院辛怡副教授在和鲸组织的分享会上，系统介绍了其团队在《数据挖掘在生物医学中的应用》课程中的创新实践，为解决普遍教学痛点提供了可借鉴的“平台化”路径。

辛老师在会上系统阐述了《数据挖掘在生物医学中的应用》课程建设的完整线路图和创新实践，从课程建设的背景、痛点和培养目标出发，重点介绍了“两线三域”学习链路、“立体拼图”教学活动、“四重支持”导学模式三大课程设计创新举措及课程成果。辛老师还强调，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。

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。

在交流环节，有参会教师表示，传统教学模式面临学生基础知识掌握程度较低、知识获取渠道繁杂、教学资源难以整合、学生获取知识困难等种种问题，致使课程改革推进受阻，教学效果不佳。如何系统性地针对学生薄弱知识点收集和整合有效教学资源，并使成果方便学生查看和调用，成为许多教师在教改课改中格外关心的议题。

对此，辛老师表示，《数据挖掘在生物医学中的应用》课程的建设同样面临类似问题。由于学生在专业分流之后才进入生物医学工程专业，很多学生在这门课程的学习上存在一定问题和不足，尤其是缺乏医学知识背景及对医学场景的深入理解，导致所学难以有效转化为实际分析与应用能力。

在此背景下，引入专业知识库和数据库、 AI 工具及整合式教学平台成为教学支持的重要手段。辛老师指出，结合混合式教学的实践，课程针对学生的痛点、课程现状和学情特点，进行了一系列教学设计上的调整和优化。

• 课程选用清华大学统计学研究中心与粤港澳大湾区数字经济研究院联合开发的大型开放医学知识图谱 BIOS ，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。与此同时，课程引入数据科学和卫生统计学领域的国家级精品视频课程及多个开放数据集，并且补充了大量医学数据挖掘算法原理及案例视频。

• 课程选用和鲸 ModelWhale 平台搭建线上学习域，打造 AI 创新虚拟实验室，构建师生一站式交流学习入口，成功构建多元化的教学实践场景。平台课程页面不仅支持整合上述核心教学资源，方便学生查看和调用，有效提高学生的学习效率；并且为医学数据挖掘课程开发提供体系化资源支撑。通过无缝接入和鲸社区海量医学数据实战资产，覆盖从编程基础、数据可视化、统计分析、机器学习/深度学习以及临床预测模型等场景化案例，为“医科+AI”课程构建开箱即用的教学资源库，直接赋能知识图谱驱动的数字化课程开发，解决医学教育中资源离散、实践脱节的核心痛点。点此了解：https://www.heywhale.com/home/learn/medical-datascience

和鲸科技旗下和鲸社区汇聚超百万数据科学爱好者与AI应用者，内置10万+ 专业优质领域内容知识、5万+ 可复现开源项目案例、1万+ 精选行业数据集。和鲸社区“医学大数据与临床研究”频道为医学数据挖掘爱好者和相关专业学生提供丰富案例资源和实践指导。和鲸社区医学编程训练营正在免费长期开放中，欢迎前往和鲸社区官网开启在线学习之旅。

北京理工大学《数据挖掘在生物医学中的应用》课程创新实践，生动展示了如何通过目标明确的教学设计，结合功能强大的一站式实践平台，系统性解决医工交叉数据挖掘教学中的深层痛点。辛怡副教授的分享为同行提供了宝贵的经验，其“平台赋能实践”的思路，为深化医工融合人才培养改革提供了重要参考。

2025年8月26日，《国务院关于深入实施“人工智能+”行动的意见》（以下简称“《意见》”）正式发布，标志着“人工智能+”从技术理念全面升格为国家战略。《意见》明确提出两大育人方向：推动育人从知识传授为重向能力提升为本转变，推动开展方式更灵活、资源更丰富的自主学习。