医疗大数据课程在医学院校创新创业教育中的应用

李 鑫，刘 东，哈丽娜，杨亚雯，张 娟，李 瑞，张雨萌

（宁夏医科大学，宁夏 银川 750004）

随着社会的发展，大数据呈爆炸式增长，各类信息数据的管理、分类、挖掘、处理精细度不断提升，要求高校向社会输送更高层次的专业化人才。海量医疗信息数据的出现同样需要利用更高端的信息处理技术对其进行管理，更好地挖掘其价值，这是信息化时代医疗行业发展的必然趋势[1]。“十四五”规划明确指出要培育壮大大数据等新兴数字产业，经济社会数字化转型成为大势所趋。2022 年9 月，国家卫健委规划司司长毛群安表示，面对当代数字化变革带来的机遇与挑战，卫生健康行业将进一步推动数字健康“新基建”，积极构建数字健康战略发展新格局。发展医疗大数据对改善患者就医体验、提高医疗服务质量和效率具有重要意义，医学院校应搭乘大数据时代的列车，加快教育改革，同时联合社会各界培养优秀的医疗大数据人才，全方位全周期建设中国特色医疗卫生服务体系。

1 医疗大数据的应用场景

大数据在医疗行业用途广泛，相关的健康监测评估、数据分析、远程诊疗等技术已取得重大进步，应用于公共卫生、健康管理及诊疗等诸多领域。医疗大数据的广泛应用打破了信息孤立的状态，实现了信息共享，为患者、医护人员带来极大便利。

1.1 辅助临床诊疗，提升医务人员工作效率

医疗大数据分析技术在临床医学中的应用范围甚广，包括新药研发、个性化医疗、临床诊疗方案制订、患者远程管理等[2]。面对医院类型繁多、关系复杂、信息量庞大的数据库，可利用医疗大数据进行可视化分析，提升数据质量，厘清数据之间的关系，为医疗决策提供支持，提升医院诊疗效率[3]。同时，医疗信息数据挖掘可以为医学诊断提供一定的参考[4]。医疗大数据可以通过人工神经网络、决策树、回归算法等分析技术处理各类医疗信息，从而筛查并发现疾病，帮助医生做出科学准确的决策，提高医疗服务效率和质量。

1.2 优化诊病流程，改善患者就医体验

近年来，随着互联网技术与医疗领域的不断融合，医疗大数据技术也得到进一步发展，为患者诊病带来极大便利，能改善就医体验，提高满意度。改善患者体验是提高服务质量、实现以患者为中心的诊疗的重要手段[5]，大数据可以通过自我参与、信息共享和精准医学这3 方面来改善医患关系[6]。医疗大数据的有效收集与分析有利于一对一把控患者的病情，基于此开发的远程医疗、互联网医院等以App、网站、公众号的形式服务于患者，方便患者就诊，很大程度上避免了医院排队挂号浪费时间，优化了诊病流程。

1.3 夯实科研基础，提供可靠数据支撑

云计算、云存储、分布式处理等大数据应用技术不断发展并日趋成熟，在临床科研中的应用越来越广泛——探索疾病关联、进行临床预测、监测评估医疗质量、助力专科疾病研究[7]。随着制药工业的发展，大数据技术被认为是未来临床试验的必经之路，临床试验电子化趋势也不可避免[8]。数据的不断增加使得科研人员对各类数据的分析也越来越准确、科学、合理，这为科研提供了可靠的数据支撑，有利于提升研究水平。

1.4 实现精准决策，提高医院管理效率

通过挖掘、分析医疗行为和业务处理过程中产生的海量数据，可以更加全面、客观地呈现医疗机构在不同层级的医疗服务行为、运营情况、管理效果，准确分析医院管理特点和发展趋势[9]，推进数字化转型，突破医疗大数据的应用范围。

2 医学院校创新创业教育中医疗大数据课程应用现状

医疗大数据的4V（volume、value、variety、velocity，大量、价值、多样、高速）特性决定了信息的复杂性，同时也对医疗大数据技术人才培养带来了新的挑战。随着医疗大数据逐渐发展成为研究热点，围绕该课程的研究也取得了重大突破。学者构建了不同的理论和实践教学体系，从复合型、创新型、创业型3 个维度培养多元化人才，满足社会的需求[10]。在教学方法上，通过跟踪调查式案例分析法、Seminar 研讨等来加强学生创新创业实践能力培训[11]。此外，还通过理实一体化教学模式[12]、金字塔式课程体系[13]等对医疗大数据课程教学进行了优化设计。虽然这些研究为医疗大数据课程教学提供了参考，但仅仅停留在理论层面，实证分析较少，导致医疗大数据人才培养仍存在以下问题。

2.1 相关人才数量短缺

当前医疗大数据的应用仍存在数据质量不高、利用不足、伦理道德等方面问题[14]，需要加大相关人才培养来填补空洞、突破藩篱。我国医疗大数据发展现状与预想的差距主要在于缺乏人才[15]，但由于课程内容设计问题，学生学习兴趣低，学校无法培养社会发展所需的人才[16]，难以满足社会需求。

2.2 “双师型”教师匮乏

“双师型”教师培养是当前高等院校教师队伍建设的重要方向，是现代高等教育专业化发展的必然要求[17]，有助于解决教师水平低的问题。针对医学院校创新创业教育缺乏系统性、师资力量匮乏、专业特色不强等问题[18]，可以通过提升教师教学水平予以解决。

2.3 医疗大数据与医学课程融合力度不够

近年来，新工科和新医科领域发展显著，医学院校开设的大数据相关课程与工科类课程整合，这要求学生既学好医学专业知识，也会用工科思维解决医学实际问题，将专业核心知识与具体医疗环境有机结合。对于这种时代背景极强的交叉型课程，多学科融合培养社会所需人才是首要目的，但大多数医学院校的大数据相关课程体系并不能满足医工融合型人才培养需求[19]。由于各课程教师前期沟通不足，导致讲授的内容无法实现各个方向的拓展延伸，而学生把考试当作学习目的，学习兴趣低下，无法构建完整的医疗大数据知识网络[20]，难以达到人才培养目的。

3 医疗大数据课程建设探索

为达到复合型人才培养目标，高校应摆脱传统教学的桎梏，依据时代发展需要制订前瞻性教学计划。当前各学科之间的界限不明显，学科交叉融合成为必然趋势，能为培养掌握医疗大数据技术的高层次创新创业人才提供参考。

3.1 师资队伍建设

师资队伍建设是高校的重点工作，其质量直接决定了高校各项工作能否顺利开展、人才培养能否达到预期目标。为提高师资队伍质量，政府应逐步加大教育经费投入力度，把教育作为财政支出的重点领域予以保障，不断提升教师的薪金待遇和社会福利，保障高校教育经费充足[21]。高校应招聘医疗大数据领域的高水平专职、兼职教师，扩大“双师型”教师的规模，不断优化师资队伍的学科、学历、职称等结构。一名优秀的教师不仅要充分掌握理论知识，还要具备一定的知识应用能力，否则授课时只会照本宣科，达不到人才培养要求。因此，高校在招聘时应着重考察教师理论知识掌握程度和实践能力，保证其具备岗位胜任力，选拔优秀中青年学科带头人和骨干教师进行师资队伍建设。同时，教师应到医疗机构实地调研，了解医疗机构对人才能力、素质的需求，并联合开展相关课题研究。

3.2 课程建设

医疗大数据涉及的领域非常广泛，仅依靠理论讲授学生难以形成清晰的定位，因此理论与实践要无缝对接。在教学方式上，以案例分析为主、理论讲授为辅，侧重学生实践能力培养[22]。教师不再局限于书本知识的传授，而是通过创设实际情境，引导学生主动探究各种现实问题，获得实实在在的解决问题的经验，锻炼动手能力。教师在讲解理论知识后，可引用简单的案例和数据，让学生以小组讨论形式分享数据处理的基本办法，教师予以点评。这样不但能加深学生对理论知识的理解，而且能提高其实践能力。教师积极采用启发式教学与实践相结合的教学方法，有效调动学生自主学习的积极性，激发学生潜能[23]。课前，学生通过教学平台获取课件，提前进行预习，教师根据学生学习时长进行初步打分。课上，学生有针对性地对知识薄弱点进行学习，教师通过随堂练习、小组讨论形式评价学习效果。课后，学生在平台的交流讨论板块与教师进行深入探讨。这种模式对学生创新思维能力和团队合作精神培养大有裨益。此外，教师还可以借助SPOC（小规模限制性在线课程）、MOOC（大规模开放式网络课程）等引导学生进行拓展学习（见图1）。

图1 医疗大数据课程教学流程Figure 1 Teaching process of medical big data course

课上课下对理论知识的学习及数据处理能力的锻炼，可以让学生初步具备实践能力。具体教学中，高校可与医疗机构联合培养医疗大数据人才。在医疗信息化发生过程中产生了大量数据，在课程教学中若医疗机构能为学生提供真实数据，可以极好地锻炼学生的数据分析能力，助力学生实践能力培养。

教学的实质是师生相互交流、良性互动、共同发展的过程。如果课堂教学缺乏交流互动、缺乏师生间的相互反馈，即使教师教学设计再精彩，也会使教学效果大打折扣。真正意义上的师生互动可以打造充满生命活力的课堂，即学生能够及时准确领会教师的教学意图，乐于接受教师传递的知识，感受教师富有感染力的语言；教师能敏锐感知学生的学习情绪是否积极向上、对知识的接受是否存有困难、理解是否到位等，并能根据具体情况对教学节奏、表达方式、教学策略、反馈评价等进行适当调整。

教师、学生、医疗机构三者在联合培养医疗大数据人才时具有极强的耦联关系（见图2）。教师为学生讲授理论知识，学生以小组作业、课后讨论等形式对教师授课情况予以及时反馈。教师可以与医疗机构对接开发相关项目，带领学生共同完成；而医疗机构在教师实地调研时可以充分表达对人才的需求，并提供优秀企业师资，壮大教师队伍。医疗机构可以为学生提供实践基地及真实医疗数据，便于学生分析，充分发掘数据利用潜力；而培养出的学生可以适应不同医疗机构的岗位需求，便于医疗机构引进人才。

图2 教师、学生、医疗机构之间的耦联关系Figure 2 Coupling relationship among teachers，students，and medical institutions

3.3 考核评价体系建设

从理论研究角度来看，泰勒的课程开发理论是我国乃至世界课程开发的主导范式，在他看来，课程评价是为了完成课程开发4 个基本问题中的最后一个“如何确定课程目标得以实现”[24]。笔者认为课程目标是否实现应通过评价主体与评价频次两方面进行评价（见图3）。

图3 医疗大数据课程考核评价方式Figure 3 Assessment and evaluation method of medical big data course

3.3.1 教学考核（1）提高平时分比重，注重学习过程。对学生的学习效果进行考核是课程评价的重要手段，但目前多数医学院校考核为“一次性闭卷考试”形式，学生考前短时记忆概念、题目的现象较为普遍，这不利于医学生能力、素质培养。因此，应注重平时学习表现，提高平时分比重，通过考勤、作业、发言、自测等综合评价学生的学习效果，并根据即时反馈调整教学模式和方法。

（2）注重学生实践，重视效果反馈。医疗大数据课程旨在培养能够分析医学数据、整合医疗信息的复合型人才，这不仅需要学生有扎实的理论基础，还有能够发现、解决问题的能力。医疗卫生机构要为学生组织形式多样的实践活动，鼓励学生积极参与实践，从实践过程及结果反馈中提升自我。教师要对学生实践情况有整体把握，并及时解决存在的问题。

3.3.2 教师体验 教师作为施教者，应通过查看平时测试报告及感知课堂氛围等把握整体教学效果，及时发现存在的问题并予以解决。在考试命题时，不仅注重对理论知识的考查，还要注重对解决问题能力与思维的考查。通过考试结果分析，对课程建设提出意见，形成良性循环，促进课程高质量发展。

3.3.3 学生发展 学生是教育的主体，课程建设的最终目的是促进学生发展，“以学生为中心”的教学评价要落脚于学生发展。而学生对自身学习最有发言权，因此学生在评价中的主体地位毋庸置疑[25]。在教学过程中，教学模式与学生学习兴趣的契合度、教学方法与学习习惯的契合度很大程度上决定了教学效果，学生在课程评价过程中反馈的信息则为教师调整教学理念、教学行为提供了重要依据。但要强调的是，学生与教师不是对立面，对于学生对课程的建议，教师要选择中肯的、确实能提高教学质量的加以听从。

3.3.4 医疗机构评价 医疗机构对学生实践表现及从业后的状况有一定了解，因为不同医疗机构对人才的能力、素质有不同要求，因此评价标准也不一致。对于医疗机构对学生及课程的评价，医学院校应注意包容性吸纳。

3.3.5 评价多频次化（1）阶段性评价。阶段性评价能够真实反映学生的兴趣与阶段性进步，便于教师及时掌握学生阶段学习情况并做出调整，促进授课水平的持续提升。（2）总结性评价。在课程结束后，学生会对课程形成整体认知。如在某一阶段对教学内容无法理解，但随着后续学习逐渐理解了之前所学内容，此时通过总结性评价就可以对其学习效果进行较为全面的评价。（3）学生自评。组织学生定期进行自评，从多角度评估自己的学习效果，对教学提出个体化建议，便于教师对教学的整体把握。

学习大数据相关理论知识、掌握医疗大数据的基本用法是医学类高校创新创业人才培养的重要任务之一。针对现阶段医学院校医疗大数据课程存在的问题，为满足人才培养和工作岗位需求，我们进行了改革，明确了课程目的、性质、内容，采用讲授、学习、实践一体化教学模式。课程改革提高了学生学习积极性、培养了医疗大数据分析应用能力、拓宽了视野，但目前仍存在师资力量不足、医学课程与大数据课程融合度不够等问题。医学院校应坚持以学生为主，在探究医学与大数据相结合的基础上，不断完善教学模式，培养复合型医学人才。