【編者按】
在人工智慧與人形機器人的一騎絕塵中，中國大學迎來2025。
2025年，註定要成為變革的年份。是以戰略敏捷贏得戰略主動，還是在延誤中錯失轉型機遇，中國大學踏上征途。
人工智慧技術如何賦能學科建設？人工智慧技術給創新人才培養帶來哪些啟示？澎湃新聞特推出「大學2025」專題，以深入探討人工智慧時代的大學之變。
近日，天津醫科大學黨委書記顏華接受澎湃新聞採訪表示，ai技術就像是一個「超級導師」，不僅提供強大的知識檢索工具，還使學習過程更加個性化和高效。這意味著我們未來將更強調培養具備駕馭ai能力、解決複雜臨床問題、擁有深厚人文素養和持續學習動力的創新型醫學人才。談及未來醫生的核心競爭力，顏華認為，ai無法替代的恰恰是醫生的「人性化特質」——包括複雜病例決策力、患者共情力、跨學科協作力等。
天津醫科大學黨委書記顏華
當ai技術以驚人的速度滲透進醫療領域，醫學教育正站在歷史性的轉型路口。2025年，這個被業界普遍視為人工智慧與教育深度融合的關鍵年份，將見證醫學人才培養模式的深刻變革。近日，天津醫科大學黨委書記顏華在接受澎湃新聞（www.thepaper.cn）專訪時，全面闡述了ai時代醫學教育的創新路徑與發展方向。
「ai不是替代醫生，而是重塑醫生培養方式。」顏華直言。在醫學影像診斷領域，ai演算法已能精準識別病灶特徵；在新葯研發環節，生成式ai大幅提升了蛋白質結構預測效率；通過智能穿戴設備，患者的生理指標得以實時監測……這些突破性進展正在改寫醫學研究的範式——從傳統的「實驗驅動」轉向更高效的「數據驅動」。天津醫科大學正藉助ai平台構建多組學資料庫，通過整合基因組、轉錄組等多元數據，深入探索疾病發生的內在規律。
這場技術革命正在重新定義醫學教育的使命。顏華強調，未來的醫學教育將超越單純的知識傳授，轉向培養「智能時代的複合型醫學人才」。ai技術的引入解放了教師的生產力，使他們能夠將更多精力投入到學生核心素養的培養上：包括臨床思維能力、複雜病例決策能力，以及最珍貴的人文關懷精神。在ai這個「超級導師」的輔助下，個性化學習成為可能，但同時也對醫學生提出了更高要求——不僅要掌握ai技術，更要具備駕馭ai解決實際臨床問題的能力。
談及未來醫生的核心競爭力，顏華認為，ai無法替代的恰恰是醫生的「人性化特質」——包括複雜病例決策力、患者共情力、跨學科協作力等。為此，天津醫科大學開設了《人工智慧與心血管醫學》等特色課程，同時通過案例研討、創新項目、敘事醫學等多種形式，全方位培養學生的批判性思維和創新能力。
為推動醫學ai教育的健康發展，顏華呼籲國家層面給予系統性支持：制定統一的教育標準、設立專項基金、建設國家級協作平台、加大基礎設施投入等。
在顏華看來，這場由ai驅動的醫學教育變革，最終目標是培養出既精通智能技術，又堅守醫者初心的新時代良醫。當技術日新月異之際，醫學教育更需要守護好「生命至上」的永恆價值。
以下為對話實錄：
澎湃新聞：2025年被視為人工智慧與教育深度融合的關鍵節點。作為醫學院校的領導者，您認為ai技術將如何重新定義醫學教育的核心使命？
顏華：確實，2025年是一個重要的轉折點。ai正在以一種前所未有的方式重塑醫學教育與科研格局。人工智慧為醫學研究提供了全新的數據分析與挖掘能力。例如，在醫學影像領域，ai演算法可以通過深度學習快速識別病灶特徵，輔助醫生進行早期診斷。在藥物研發環節，生成式ai已成功預測蛋白質三維結構，極大縮短藥物靶點發現周期。在生物醫學工程領域，ai驅動的可穿戴設備正實現對人體生理信號的實時監測，如血糖、血壓等指標的無創檢測……這些進步讓我們看到了ai的巨大潛力。
作為醫學院校，我們還可以藉助ai平台構建多組學資料庫，將基因組、轉錄組、蛋白質組數據融合分析，挖掘疾病發生機制的潛在規律。這種從「實驗驅動」到「數據驅動」的科研範式轉變，正在催生跨學科研究新生態。
基於這樣的背景，醫學教育的核心使命也發生了變化。它不再是單純的「傳統的知識傳遞者」，而是拓展為「智能時代醫學人才的塑造者」。這不僅是技術的疊加，更是理念的升華。通過ai的幫助，教師們可以從標準化流程教學中解放出來，把更多的精力放在培養學生的醫學思維、複雜病例決策力和人文關懷上。ai技術就像是一個「超級導師」，不僅提供強大的知識檢索工具，還使學習過程更加個性化和高效。這意味著我們未來將更強調培養具備駕馭ai能力、解決複雜臨床問題、擁有深厚人文素養和持續學習動力的創新型醫學人才。
澎湃新聞：如何應對ai對傳統醫學知識體系的衝擊？例如，醫學影像、病理診斷等課程是否會重構？
顏華：ai對影像學、病理學等易被演算法高效處理的領域衝擊較大，重構課程勢在必行。這些課程依然是醫學教育中必不可少的，它們不會消失，只是其內涵將發生深刻變革，我們需要把教學重心轉向「如何訓練和質控ai工具」「解讀ai輸出結果的臨床意義」「識別ai的局限性和潛在錯誤」等。
例如，「ai輔助醫學影像判讀」將替代部分純讀片訓練，更著重演算法原理、誤差分析及臨床關聯判斷的教學；在病理教學中引入ai作為數字助手，引導學生聚焦於ai難以企及的形態學複雜性解讀和組織學演變分析。
另外，隨著ai技術的不斷發展，新的發現和診療路徑也在不斷湧現。這就要求我們必須保持知識體系的持續更新，將這些新進展迅速融入我們的教學內容中，確保學生能夠接觸到最前沿的知識和技術。
澎湃新聞：天津醫科大學是否會引入ai模擬診療、虛擬解剖等新技術替代部分傳統教學？如何平衡技術工具與人文關懷的培養？
顏華：在教學方式上，擁抱創新技術是必然。天津醫科大學正積極規劃引入ai模擬診療、虛擬解剖等高沉浸式教學手段。虛擬病人、智能模擬人構成的「ai診療訓練模式」將提供安全、可重複訓練的複雜病例演練環境；虛擬解剖則突破屍體來源限制和時間約束，成為實體解剖的強大補充和延伸。當然，這絕不意味著ai能替代核心的人本體驗。
ai技術是催化劑，而非替代品。所以我們希望的是構建「虛實結合」的教學範式，也就是說，通過實體解剖來鍛煉學生實踐能力以及對生命結構複雜性的敬畏，模擬診療則鍛煉學生臨床思維和應急反應。其關鍵在於精心設計混合式教學流程，確保技術服務於核心能力的提升。此外，我們要強化教師在實踐環節中引導學生反思醫患溝通、共情能力和倫理考量的獨特作用，使人文關懷在技術環境中得以強化而非削弱。
澎湃新聞：醫學倫理課程是否增加了ai相關內容？
顏華：在ai時代，醫學倫理教育顯得尤為重要且急迫，醫學倫理課程勢必要深度融入ai相關議題。
今年，我們對研究生課程教學大綱進行了全面修訂，其中，在研究生公共選修課《生命倫理學》課程中，把「醫學高新科技倫理」作為一個獨立章節，設計3個學時，圍繞科技倫理治理的基本原則、生物醫學新技術的倫理挑戰與應對以及醫療大數據、醫療人工智慧的倫理挑戰與應對等進行講授。讓學生了解醫學高新科技倫理的特殊性、熟悉科技倫理治理的基本原則、掌握醫學高新科技倫理治理的策略，進而培養醫學研究生的人文素質、科研誠信與批判性思維。
在本科生教學中，我們會將演算法偏見（如何避免診療決策中的不公平性）、數據隱私（大規模健康數據的收集、使用與保護邊界）、人機責任劃分（當ai輔助診療出現錯誤，責任如何界定）、過度依賴技術的風險以及患者對ai的知情權與心理接受度等內容，作為醫學生必備的倫理素養進行系統傳授。這不僅關乎技術安全，更關乎醫療公正和患者信任。我們的倫理課程將從理論走向實踐，結合臨床案例和模擬場景，使學生能在真實醫療環境中辨識和應對ai帶來的新型倫理困境。
澎湃新聞：未來，醫生需要具備哪些「ai不可替代」的核心能力？天津醫科大學如何強化學生的批判性思維與創新實踐能力？
顏華：就目前的ai技術趨勢來看，ai更多的是輔助臨床醫生，承擔著數據分析、快速篩查、預測分析和標準化等工作。主要是基於已有的知識、經驗和單一模態的數據進行學習和判斷，缺乏對病人個體化情況的綜合考量。同時，對於ai給出的輔助診斷，仍需要醫生結合病人個體差異進行評估、監控以及後續的學習提升等等。由於人體個體差異的複雜性、醫學本身的人文屬性，未來醫生的核心價值在於複雜病例決策、人文關懷和倫理把控等方面。
當然，ai技術日新月異，我們也在思考，我們培養的未來的醫生，需要在「人機協作」中找到不可替代的價值，我認為，這些核心能力包括：深刻理解疾病本質和人體複雜性的科學洞察力；在模糊信息下做出臨床決策的判斷力；有效溝通、共情撫慰患者的心靈照護力；跨學科協作、領導團隊的整合力以及終身學習和適應快速變化的進化力；能夠主動學習並應用人工智慧等新技術的終身學習力；融會貫通多學科領域、解決綜合問題的能力以及倫理規範與價值判斷力等等。
短期來看，為強化學生的批判性思維與創新實踐能力，我們已經建設多門ai相關課程，例如《icu 2.0·智療與仁心》《人工智慧與心血管醫學》《人工智慧與護理》《環境暴露與健康效應-數據驅動的研究範式》及《數智賦能胃腸微生態與健康》，將ai的知識與應用融入專業課程教學。
技術終將是工具，而醫生的批判性思維和創新能力是駕馭工具的關鍵。從長遠的角度講，我們必須要深化以案例為基礎、問題為導向的教學模式，鼓勵學生探討開放性難題；拓展科研訓練和實踐創新項目，提供真實的科研環境去錘鍊醫學生的創新思維；構建醫學人文大講堂和敘事醫學平台，滋養同理心與人文精神；建設智能化臨床技能中心，強化學生在壓力環境下的實操能力與即時決策等。
澎湃新聞：您希望國家在醫學ai教育領域提供哪些支持？
顏華：作為醫學院校，我們深刻理解單靠高校力量難以全面應對這場變革。我們期望國家能在醫學ai教育領域提供系統性支持：例如，牽頭制定醫學ai素養教育標準和教學大綱，明確各階段醫學生應掌握的核心知識能力；設立「新醫科+人工智慧」專項教育與研究基金，重點支持跨學科課程開發、師資培訓和技術平台建設，特別是高水平醫學數據集和國產化教學平台的構建；設立專項項目，加大對醫學 ai 教育相關科研項目的支持力度，鼓勵教師開展教學改革和創新研究；搭建國家級醫學ai教育協作網路，促進院校間優質資源和前沿實踐經驗的共享；儘快建立和完善適應ai時代的醫學教育質量評估新體系；鼓勵醫工交叉複合型師資的培養與流動；加大對醫學院校算力設施的投入，建設高性能計算中心和雲計算平台，支持醫學院校建設醫學 ai 實驗室，配備先進的實驗設備和工具，如gpu伺服器、數據採集設備等，為學生提供良好的實踐教學環境，為醫學ai 教育和科研提供強大的計算支持；這些都將為全國各醫學院校培養未來所需的新型醫學人才，提供堅實的支撐。
-
-
-
-
-
-
-
-
-
-