“人工智能+X”背景下医学信息管理专业研究生培养模式

邓美玲，罗小连，罗海琼，陈庆锋

随着科技的发展和社会的进步，人工智能技术正推动着新一轮科技、产业、社会发生变革，社会市场对人工智能复合型高层次人才的需求急剧增加。立足于人工智能时代的需要，我国高度重视人工智能与教育教学的融合发展。2018 年4 月，教育部印发《高等学校人工智能创新行动计划》的通知，提出引导高等学校重视人工智能与其他学科专业教育的交叉融合，探索“人工智能+X”的人才培养模式［1］。2020 年2 月，教育部、国家发展改革委、财政部印发《关于“双一流”建设高校促进学科融合 加快人工智能领域研究生培养的若干意见》的通知，指出高校在“双一流”建设中，要着力构建基础理论人才与“人工智能+X”复合型人才并重的培养体系，探索深度融合的学科建设和人才培养新模式，着力提升人工智能领域研究生培养水平，为我国抢占世界科技前沿，实现引领性原创成果的重大突破提供更加充分的人才支撑［2］。

以社会市场需求为导向，分析目前专业人才培养现状，从学科定位、课程设置、师资队伍、教育教学资源、社会实践等方面健全医学信息管理专业研究生培养模式，是人工智能时代发展储备“人工智能+医学信息管理”高层次复合型人才队伍的有力举措。

1 “人工智能+X”背景下医学信息管理专业研究生培养需求

医学信息管理专业交叉融合了管理学、计算机科学与技术、医学、信息科学等多学科领域的知识，研究生培养目标随着国家发展战略的调整和新技术革命的出现，呈现出动态发展性［3］，因此在研究生培养阶段有必要以社会市场对人才就业能力的需求为导向，培养出具有良好道德品质和学术修养，掌握本专业基础理论和系统的专门知识，熟悉医院信息管理的基本方法、科研程序及技能，具有担负本学科助教或助研的教学和科研能力，能够在高等院校、科研院所、医疗企业、各级各类医疗卫生机构等［4-5］从事医学信息管理及相关领域的教学、科研、研发和管理工作的复合型专业人才。

1.1 高等院校对“人工智能+医学信息管理”师资人才队伍的需求

人工智能使高等院校人才培养的模式、机制等产生巨大转变，教育教学将会面临人工智能与传统学科交叉融合等，导致高等院校对师资有了更高的要求［6］。中共中央国务院《关于全面深化新时代教师队伍建设改革的意见》中明确指出，教师应主动适应信息化、人工智能等新技术变革，积极有效开展教育教学［7］。基于此，高等院校要求医学信息管理专业教师除了具备传统学科领域教育教学能力外，还须掌握与医学信息应用相关的机器学习、深度学习、计算机视觉、自然语言处理等人工智能信息技术的知识内容，并将其融入课堂教学，提升人才培养的质量。但目前同时具备扎实的医学信息管理知识和掌握人工智能知识的师资队伍比较匮乏，因此研究生教育阶段培养掌握人工智能知识的医学信息管理专业高层次人才，对拓宽高等院校的师资来源具有较强的前瞻性。

1.2 医疗卫生机构对“人工智能+医学信息管理”信息化人才队伍的需求

人才是医疗卫生机构信息化建设的核心力量，对医疗卫生机构信息化系统的布局与实施具有重要作用［8］。有研究显示，当前信息化部门工作人员的专业以信息技术或计算机技术为主［9］，无法满足人工智能时代医疗卫生机构信息化建设中信息管理与分析、系统运维等相关工作的需求，迫切需要具备良好综合素质、职业道德，以及熟悉现代计算机技术和掌握医学信息管理理论知识的复合型、应用型、创新型人才。为了推进人工智能时代医疗卫生机构信息化建设的进程，培养和引进“人工智能+医学信息管理”高层次信息化人才队伍至关重要。

1.3 医疗企业对“人工智能+医学信息管理”技术人才队伍的需求

医疗健康是人工智能垂直渗透最大的领域［10］。人工智能在医疗健康领域中的应用，促进了医疗人工智能产业的高速发展，衍生了一大批以人工智能信息技术为生产方式的医疗企业，给数字经济的蓬勃发展注入了活力。医疗人工智能作为新兴产业，需要综合素质较高，对医疗行业和人工智能技术均有一定的理解，能够胜任医疗人工智能系统设计、研发、应用等工作的复合型人才。然而现有掌握医疗知识和人工智能技术的行业人才培养远远跟不上实际需求，导致人才供不应求［11］。因此，重视对“人工智能+医学信息管理”研究生的培养，可以有效填补人工智能医疗产业的人才缺口，为医疗企业输送高质量的复合型人才。

1.4 科研院所对“人工智能+医学信息管理”研究人才队伍的需求

Element AI 发布的2020 年《全球AI 人才流动报告》数据统计结果显示，全球人工智能研究领域的人才数量达478 000 人，其中，我国该领域的人才数量仅为22 191 人，研究型人才储备量相差悬殊［12］。尽管近年来我国人工智能研究人才总量在逐步增加，但与美国、英国等发达国家相比仍有一定差距，尤其缺乏顶尖的基础研究型人才［13］。综合对比全球人工智能研究人才分布，要想保持国际竞争优势，我国科研院所亟需加强人工智能方向高层次研究人才队伍的建设，为社会的持续发展提供后备力量。高等院校在医学信息管理专业研究生培养期间注重人工智能知识在医学信息管理领域的创新、融合，有利于为我国智能时代的发展储备高质量的“人工智能+医学信息管理”研究人才队伍。

2 “人工智能+X”背景下医学信息管理专业研究生培养现状

人工智能时代的快速发展加剧了社会市场对各类复合型人才的需求。2020 年3 月，工业和信息化部人才交流中心发布《人工智能产业人才发展报告（2019-2020 年版）》，其数据显示，按照我国产业规模发展目标，人工智能产业内有效人才缺口达30 万，特定技术方向和岗位上人才供需失衡比例尤为突出［14］。医学信息管理专业研究生的培养要想在社会发展过程中保持竞争优势，须适应社会市场需要，重视人工智能交叉学科高层次人才的培养，然而目前我国医学信息管理专业研究生的培养仍面临诸多问题与挑战。

2.1 专业优势特色不突出

医学信息管理专业是一门交叉性强的学科，涉及多个研究领域和研究方向。“人工智能+X”背景下，社会市场对人才的知识结构提出了新的要求，需要拥有“专业+通识+智能”知识的复合型人才［15］。这也在一定程度上要求各高等院校在研究生培养阶段，让学生的研究领域和方向能更加契合社会市场发展的需求。但现阶段，由于师资、教材、课程等各方面的局限性，医学信息管理专业研究生培养模式仍处于不断探索阶段，优势特色并不突出。

2.2 课程设置与课程内容不合理

研究生课程设置与课程内容可以反映现阶段我国医学信息管理专业的教育教学现状。在研究生招生信息网［16］查询门类类别为医学、管理学、理学、工学，学科类别为卫生、健康，医学信息管理相关硕士专业的高等院校共32 所，通过这些高等院校官网，收集医学信息管理相关的硕士专业的培养方案及课程设置，统计国内高等院校该专业开设与人工智能相关课程的情况，包括课程名称、学时、学分等［17］，详见表1。“人工智能+X”背景下，大部分高等院校的选修课都开设人工智能相关课程，部分院校医学信息管理相关专业开始将其慢慢纳入该学科专业学位课的教育教学中，但仍存在可选择的课程内容不够合理的现象。

表1 国内部分高等院校医学信息管理相关专业学位课和选修课开设人工智能课程情况

续表1

2.3 研究生师资力量不完备

目前，多数高等院校对三年制研究生的培养采取 “1+5”研究生院和导师分段式教学培养模式，即第1 学期由研究生学院负责对研究生进行统一培养，后面5 个学期由各自导师负责培养［18］。在导师培养阶段，要求导师对研究生全面负责，包括思想道德、专业理论及技能、科研和社会实践能力等。“人工智能+X”背景下，医学信息管理专业研究生导师的综合素质和专业能力有了更高的标准，须同时具备人工智能知识与医学信息管理专业知识，但由于我国人工智能发展起步较晚，多数高等院校对上述标准的师资力量配备不足，尤其缺乏人工智能相关实践经验的导师队伍，导致研究生培养质量受到影响。

2.4 缺乏优质的教育教学资源

研究生教育阶段，学生可能来自不同的学校及不同的学科，其教育背景存在一定的差异性。对于不同学校医学信息管理相关学科的本科生，培养内容和方式与所考取的研究生专业无法保持一致；对于不同学科的学生，因为存在跨专业报考或调剂到医学信息管理专业，培养内容和方式重合性低甚至完全相悖。尤其在“人工智能+X”背景下，医学信息管理专业的研究生更加需要优质的教育教学资源来弥补教育背景产生的知识内容差异，掌握交叉学科前沿的研究方法和技术手段提升自身的科研能力和科研水平，以适应人工智能时代产业发展的需求。

2.5 缺乏实验/实践能力的培养

研究生教育阶段，学生不仅需要掌握本专业的基础理论、专门知识，还要具备科研创新实践的技能。目前已进入智能化高度发展的时代，但高等院校对医学信息管理专业研究生实践能力的培养仍然不够重视。一方面，就大部分高等院校而言，医学信息管理专业实验/实践学时的设置相较理论研究偏少；另一方面，就医科类院校而言，与其他医学专业学生的实践能力培养相比，实验/实践资源配置不足，这些资源更容易向临床专业学生偏倚。医学信息管理专业实验/实践培养平台匮乏，不足以支撑学生进行科研创新实践活动，学生实验/实践能力得不到保障。

3 “人工智能+X”背景下医学信息管理专业研究生培养模式探索

3.1 重塑学科人才培养目标

医学信息管理专业是理、工、医、管相交叉结合的学科。在医科院校，医学信息管理专业相较于其他医学类或管理类的学科，人才培养特色为学生需具备计算机科学与技术学科相关的知识，能更快、更好地理解和掌握计算机前沿技术辅助医学项目的完成。而在综合院校，医学信息管理专业相较于其他计算机类或管理类的学科，人才培养特色在于学生具备医学的基础理论知识，熟悉医院信息化建设流程与布局，能充分利用计算机前沿技术更精准地对医学各个方向展开研究。“人工智能+X”背景下，无论医科院校还是综合院校，医学信息管理专业研究生培养都要立足于社会市场对就业岗位的能力需求，将人工智能知识融入学科人才培养过程，突出学科人才培养特色。

3.2 优化课程设置与课程内容

学科的课程设置与课程内容在研究生培养过程中处于重要地位。可以根据时代发展不断优化课程设置与课程内容，让学生在择业时更快地适应岗位需求，提高竞争优势。“人工智能+X”背景下，医学信息管理专业课程可依据社会市场发展需求进行设置，科学设计学科与人工智能交叉融合课程体系，适当增加人工智能基础研究课程作为主干课程。此外，医学信息管理专业还需注重提升学科课程内容的多样性，如专业选修课可适当增加人工智能在医疗相关领域应用研究的内容，扩大学生的选择面。

3.3 建设“双师型”导师队伍

导师是研究生培养的第一责任人［19］，研究生师资力量是开展研究生教育教学和科研实践活动的保障。“人工智能+X”背景下，医学信息管理专业急需具有较高的综合素养、系统的理论知识及丰富的产业实践经验的导师队伍，保证人工智能时代下多层次、高质量的研究生培养效果，“校内导师+企业导师”双师型导师队伍的建设正好可以满足现阶段医学信息管理专业人才培养的需求。校内导师主要负责管理研究生的日常学习和科研工作，引导学生奠定扎实的科研基础；企业导师作为学生的第二导师，须按照导师遴选的规定和要求，从满足企业导师申请条件的人选中多维度遴选，主要负责学生的校外实践，规划学生的实践课程，培养学生的动手操作能力。通过“双师型”联合培养，更好地为医学信息管理专业研究生提供优质的教学资源和实践平台，进一步提高研究生培养质量。

3.4 搭建多方协同共建共享在线平台

多方协同共建共享在线平台，是指利用多方（包括政府、高等院校、医疗机构、企业、科研院所等多个单位）协同的方式构建优质在线医学信息教育资源共享的平台。“人工智能+X”背景下，针对医学信息管理专业研究生培养教育教学资源不足的情况搭建多方协同共建共享平台，有效整合协同政府、医疗机构、各高等院校、企业及科研院所与人工智能、医学信息管理专业相关的教育教学资源，如讲课视频、课件讲义、经典案例等各类教学视频、图文资源［20］，通过统筹利用各类共享资源，可以在很大程度上弥补学生因教育背景不同而产生的知识内容差异，帮助学生掌握相关学科前沿的研究方法和技术手段，进一步提升学生的科研能力和科研水平，培养符合人工智能时代需求的复合型人才。

3.5 设立“政用产学研”联合培养基地

为了适应我国对高等院校提出的要探索“人工智能+X”人才培养模式背景下社会市场对医学信息管理人才提出的高需求，各高等院校应以需求为导向、应用为驱动，设立研究生“政用产学研”联合培养基地，加强研究生创新意识和创业实践能力的培养，增强专业特色教育。“政用产学研”联合培养基地的建设主要以用户需求为导向，由政府牵头进行基地搭建和出台相关政策，推动高等院校、企业、科研机构“产学研”三方研究成果和应用的转化，解决当前人工智能与医学信息管理交叉融合的高质量复合型人才培养问题，培养模式如图1所示。“人工智能+X”背景下，通过“政用产学研”联合培养基地，培养和提高研究生的综合素养、科研创新和实践能力，可以有效填补实验/实践能力培养的不足，从多层次、多方位、多角度培养医学信息管理专业特色理论与实践能力兼具的高质量复合型人才。

图1 “政用产学研”联合培养模式

4 结语

“人工智能+X”背景下，医学信息管理专业的研究生培养遇到了新的机遇与挑战，高等院校要想在医学信息管理专业研究生培养过程中保持竞争优势，就必须顺应时代发展，针对目前社会市场的用人需求，不断深化人工智能与医学信息管理相关学科的交叉融合，为国家培养出具备学科优势特色的高层次、高水平、高质量的复合型、应用型、创新型人才。