如何搭建 AI 教学助手，并将其融入教学，赋能教改课改？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，有参会教师表示对辛老师在分享中提到的为《数据挖掘在生物医学中的应用》课程搭建的 AI 教学助手很感兴趣，希望了解更多其在课程中的具体实施策略与效果等相关信息。

对此，辛老师指出，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。

以复合型创新型人才培养为中心，和鲸联合智谱打造的人工智能教育解决方案以课程落地、课题落地、实践成果落地为目标，让人才培养成效看得见。方案支持下，课程可基于大模型和医学学科知识共创共建智能体。

• 基建层面，课程依托和鲸 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。AI 创新虚拟实验室整合 AI 课程助手、BIOS医学知识图谱、数据挖掘线上课程等核心教学资源，方便学生查看和调用，有效提高学生的学习效率，为医学数据挖掘课程开发提供体系化资源支撑。
• 工具层面，方案基于 24小时智能学伴，为学生规划个性化学习路径、推荐学习资源、监测学习表现提供坚实支持，并通过智能讲义生成、智能批改、智能出题等 AI 助教功能解放教师生产力。

• 资源层面，ModelWhale 支持无缝接入和鲸社区海量医学数据实战资产和多类型场景化案例，配合 AI 课程助手的灵活讲解，为“医科+AI”课程构建开箱即用、易于理解的教学资源库，解决医学教育中资源离散、实践脱节的核心痛点。

https://ai.heywhale.com/AIED.html?flag=scppbit

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。

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”。您可联系工作人员（备注“北理工分享”）获取分享会整场视频。