基于新医科建设的医学生数据素养培养模式构建

靳瑞霞 陈继超 徐 强

（新乡医学院三全学院智能医学工程学院，河南 新乡 453003）

0 引言

“数据素养”是大数据时代“信息素养”概念的延伸，在大数据时代，“数据素养”帮助人们有效地获取、解释、评估、管理、分析并合理地利用数据。基于大数据的分析、决策及人工智能支持作用，各行各业依托大数据的人工智能应用，正在成为推动企业、科研工作等数字化、智能化转型的利器。因此，“数据素养”被认为是21世纪个人发展的必备技能。2016年6月国务院印发《关于促进和规范健康医疗大数据应用发展的指导意见》（国办发〔2016〕47号），将健康医疗大数据上升为战略资源；2018年国家卫生健康委颁发的《国家健康医疗大数据标准、安全和服务管理办法（试行）》，引领我国医疗大数据的应用与发展，并对“健康医疗大数据”做出了明确定义：指在人们疾病防治、健康管理等过程中产生的与健康医疗相关的数据。另一方面，在“健康中国2030”发展规划影响下，特别是在人工智能、大数据、云计算等新科技在医疗领域应用的影响下，医疗及医学应用及研究进入到“新医科”时代。在这一大背景下，医学生的数据素养培养被提上日程，成为影响“新医科”人才培养质量和效益的关键因素。

1 健康医疗大数据视域下的医学生数据素养内涵

1.1 健康医疗大数据的特性分析

根据健康医疗大数据的定义，健康医疗大数据涉及的范围非常广泛，涵盖公民健康档案数据、EMR（Electronic Medical Records）数据、LIS（Laboratory Information Management System）数据、PACS（Picture Archiving and Communication Systems）数据、医疗费用及医疗保险数据、医药研发及流通数据、公共卫生健康数据、基因测序数据、远程医疗数据、在线医疗数据、医学科学研究数据、等等。基于这样广泛的范围涵盖面，健康医疗大数据除了具有大数据基本的数据量巨大（Volume）、数据增长速度快（Velocity）、数据结构多样化（Variety）、数据价值大、价值密度低（Value）4V特性以外，还具备一些独特的典型特性，具体如图1所示。

图1 健康医疗大数据的特性

如图1所示，除了大数据的基本4V特性以外，健康医疗大数据还具有微观性（microcosmic）、连续性（continuity）、全面性（comprehensive）、冗余性（Redundancy）等典型特性。其中，微观性是指健康医疗大数据可以从关注特定某项疾病的诊疗数据、生命个体饮食数据、运动数据、睡眠数据等体现某个单一方面的数据等微观性方面入手挖掘数据的价值；连续性包含两个方面的含义，首先体现为涵盖人类个体全生命周期的多点数据方面；其次则指包含诊疗全过程（从患病到痊愈）的数据，都体现了时间序列的连续性；全面性指健康医疗大数据不仅指生命体躯体健康相关数据，还包括生命体心理健康等的各个方面；冗余性则是指健康医疗大数据中存在着大量相同的、类似的诊疗信息，或与当前疾病诊疗无关的检查信息等，数据的冗余性比较高。

1.2 基于大数据生命周期的医学生数据素养内涵分析

健康医疗大数据的复杂特性，给相关的医学生数据素养的内涵界定带来了较大的困难。目前对于医学生数据素养的内涵还未有统一的界定标准。本文在分析健康医疗大数据特性的基础上，引入“生命周期理论”，对医学生数据素养内涵进行分析。“生命周期”一般指一个事物、生物或一项技术等从“摇篮到坟墓”的整个过程。基于此，大数据生命周期则指“大数据从产生、获取、分析、应用到归档、销毁的全过程”。目前，关于大数据生命周期的阶段并未有明确的统一界定，业界有“五阶段（数据收集、数据分析、数据定价、数据交易、数据版权保护）”、“六阶段（数据采集、数据存储、数据处理、数据传输、数据交换、数据销毁）”、“七阶段（数据定义、数据采集、数据存储、数据整合、数据呈现、数据分析和应用、数据归档和销毁）”等分类方法。其中，从应用角度来看，七阶段分类方法对应用流程的分解更为细化。本文基于大数据生命周期七阶段应用流程，对大数据时代医学生数据素养内涵进行分析，具体如表1所示。

表1 基于大数据生命周期的医学生数据素养内涵解析

2 基于新医科建设的医学生数据素养培养模式构建

新医科的知识结构具有多元交叉的复合特征，需要在传统的医学人才培养知识结构体系中融入与数据科学相关的大数据、云计算、机器学习等知识。因此，在“新医科”建设时代，医学生数据素养培养已经迫在眉睫，高等医学院校必须将数据素养培养提上日程。基于此，本文在实践基础上提出以下医学生数据素养培养方案。

2.1 构建梯度递进的医学生数据素养培养课程体系

高等医学院校作为高等教育的重要组成部分，其人才培养模式以课堂教学为主，课程体系设计是高校教学工作开展的关键。基于表1所示的医学生数据素养内涵，设计梯度递进的医学生数据素养培养课程体系。具体如表2所示。

表2 医学生数据素养培养课程体系

2.1.1 基础梯度

高等医学院校担任着为社会培养新医科人才的重任，一方面基于健康医疗大数据的类型及特征，基础梯度课程主要帮助医学生认知健康医疗大数据对医疗行业及医学研究的价值，培养医学生对健康医疗大数据进行范围界定、价值评价等的能力；另一方面还要注重对医学生进行健康医疗大数据应用相关伦理道德等方面的教育，培养其规范、合理使用健康医疗大数据的道德感、责任感及安全意识，从而促进我国新医科建设的发展。

2.1.2 核心梯度

通过医疗数据采集与处理、医疗大数据分析与应用（Python）等大数据技术相关核心课程的学习，帮助医学生在就职后的卫生信息化工作环境中，能够获取有效的健康医疗大数据，并能够对其进行分析、呈现及应用，支撑其做出更为优化的诊疗、健康管理方案等。在智慧医疗突飞猛进的时代背景下，提升医学生的职业能力。

2.1.3 高阶梯度

通过高阶课程，培养医学生的创新思维及高阶能力，推动医学生积极参与到基于健康医疗大数据的医疗服务智能化研发及应用进程中，并在“医教协同、科教协同、科卫协同”的医学教育改革过程中，以各类科研项目、创新大赛、毕业设计等形式为抓手，从做中学，培养医学生应用大数据技术的能力，提升其智能医疗水平，从而推进新医科建设发展。

2.2 医学生数据素养培养的多元化模式构建

在三级梯度的医学生数据素养培养课程体系的基础上，构建多元化的医学生数据素养培养模式。

2.2.1 多元融合的数据素养培养模式

医学院校结合日常教学工作，可采用多元融合的方法，培养医学生数据素养。首先，以讲座、研讨等第二课堂形式，将健康医疗大数据前沿知识融入医学生的学习体系中，拓宽学生视野，激发学生的学习兴趣；其次，在医学生专业课程中设置数据素养培养的知识模块，或以实际案例的形式在专业课课程教学中，融入数据素养培养知识，实现数据素养培养知识体系与医学专业知识体系的深度融合，以应用需求引领学生主动学习；最后，要落实新医科建设，新医科复合型的创造性人才和实践性人才培养至关重要，医学高等院校应拓宽思路，以产教融合为切入点，产学研用一体化发展，提升数据素养知识体系的实践性，将数据素养培养落到实处。

2.2.2 基于教育信息化的多元混合教学模式

2018年教育部发布《教育信息化2.0行动计划》，标志着我国教育信息化进入了2.0时代。在“互联网+教育”理念影响下，教育信息化应用模式不断创新，例如，翻转课堂、移动学习、BYOD（Bring Your Own Device）学习、SPOC学习、MOOC学习、UOOC学习等多元模式的应用，对新时代的教育起到很大的促进作用。医学院校应充分挖掘教育信息化的教学辅助潜力，采用多元混合的教学模式，在保证医学知识体系教育质量的前提下，积极推进数据素养培养。例如，数据素养培养课程体系采用线上线下双线混合的教学模式，可以帮助学生很好地预习、复习课程内容，并能够使教师的翻转课堂教学获得更好的效果；而采用SPOC学习、UOOC学习、MOOC学习等模式，则可以帮助学生利用碎片化的时间随时随地开展学习，特别是可以更加深入地开展自主学习，学生根据自身的学习情况，自主安排学习进程，获得更好的学习体验。

3 结语

2018年4月教育部高等教育司司长吴岩指出“新医科将推进医工理文融通，紧密结合以人工智能为代表的新一轮科技革命和产业革命，全面整合精准医学、转化医学等方兴未艾的医学新领域”，而大数据和算法是人工智能应用的前提。因此，医学生数据素养已成为新医科人才培养的基础及关键因素。健康医疗大数据的特性复杂，导致医学生数据素养内涵界定存在一定难度。本文首先基于数据生命周期理论，从“数据定义、数据采集、数据存储、数据整合、数据呈现、数据分析和应用、数据归档和销毁”等应用层面，分析挖掘医学生数据素养的能力内涵；然后从构建梯度递进的医学生数据素养培养课程体系、多元化数据素养培养模式建设等方面展开研究，以期能更好地开展医学生数据素养教育，培养适应大数据时代发展需求的新医科人才。