大數據算法引論課程建設方案研究

何璇 畢鑫 蔡巍

摘?要：隨著新一代信息技術的發展，海量數據資源以超乎人們想象的速度進行積累和匯聚，人類進入“大數據時代”。大數據算法引論課程以培養學生分析與挖掘大數據的實際應用能力為目標進行建設。健康醫療大數據，作為國家重要基礎性戰略資源，將帶動我國醫療服務模式的深刻變革并提升醫療健康服務的質量。因此，本文著重闡述對于生物醫學工程專業學生，如何培養學生的大數據思維以及處理和分析醫療健康大數據的能力。本文介紹了課程建設基礎，著重闡述了課程建設的具體方案，以智慧醫療、精準醫療、個性化健康管理為目標，引導學生對于大數據基本理論和前沿性熱點問題的學習，并指導學生對于臨床大數據、精細化運營大數據、健康管理大數據以及精準醫學大數據等應用方向的學習與實踐。

關鍵詞：大數據算法;課程建設;方案研究

近年來，隨著云計算、大數據、物聯網等新興技術的發展，醫療數據的研究與應用發生了重大的變革。健康醫療大數據涵蓋了醫療服務、健康管理、公共衛生、藥品使用、營養保健等多方面數據[1]。如何挖掘健康醫療大數據的潛在價值，從而為智慧醫療、精準醫療、個性化健康管理等領域提供支持，具有非常重要的現實意義。從2015年起，國家出臺了一系列的相關文件，如《關于促進和規范健康醫療大數據應用發展的指導意見》[2]《“健康中國2030”規劃綱要》[3]《“十三五”衛生與健康規劃》[4]《“十三五”全國人口健康信息化發展規劃》[5]等。文件指出，全面深化健康醫療大數據應用，推進醫療行業的臨床、科研、公共衛生大數據應用，發展智慧醫療等便民惠民服務。IT技術的進步使健康醫療大數據的應用成為可能，對于計算機等相關專業的人才需求也十分巨大。

生物醫學工程專業，以解決醫學中的有關問題為目標，運用工程技術手段保障人類健康，為疾病的預防、診斷、治療和康復提供支持。隨著臨床診療數據、健康監測數據、影像數據、基因組數據等數據規模的飛速增長，如何培養生物醫學工程專業學生的大數據思維以及如何培養學生處理和分析醫療健康大數據的能力，在大數據時代顯得至關重要[6]。如在臨床科研方面，學生可以利用計算機基于海量數據的學習與分析輔助醫生進行臨床決策，如用藥分析、藥品不良反應、疾病并發癥、治療效果相關性等。在公共衛生方面，可以通過大數據檢測和分析傳染病的傳播模式、傳播途徑及暴發時間，有效進行疾病的預防和干預。這些相關的醫療健康大數據應用，為提高人民的健康質量以及提高醫生的臨床科研水平提供了非常重要的幫助[7]。

本文以生物醫學工程專業開設的《大數據算法引論》專業選修課為例，闡述該課程的具體建設方案。通過本門課程的學習，學生能夠掌握與傳統算法課程不同的算法設計與分析思路，了解IT業界中大數據技術的應用與市場前景。以高水平學術會議最新研究成果為導向，了解大數據算法前沿知識。本文將首先介紹該課程的建設基礎，然后介紹課程建設詳細方案，最后闡述課程的特色并總結。

一、課程建設基礎

由于本門課程的講授對象為生物醫學工程專業學生，因此課程團隊成員是均具有計算機、生物醫學工程等相關專業背景的教師。團隊成員結構穩定，其專業領域與課程內容具有緊密的相關性。團隊成員的研究方向涵蓋了醫學知識圖譜、數據挖掘、醫療健康大數據等領域，并著有著作《醫療健康大數據：理論與實踐》1部（共著）。

課程擁有豐富全面的學習參考資料，具體包括國內外參考書、中國大學慕課、實戰項目平臺及學術論文等。學生可以在完成既有基礎知識和框架的學習后，在教師的指導下，結合豐富的線上教學資源，進一步理解以云計算技術為平臺的分布式大數據處理相關技術。目前課程的主要參考資料為《大數據算法》（王宏志）、《醫療健康大數據：理論與實踐》《算法導論（第三版）》（Thomas?H.Cormen，Charles?E.Leiserson，Ronald?L.Rivest，Clifford?Stein）以及《Big?data：algorithms，analytics，and?applications》（Kuan?Ching?Li，Hai?Jiang，et?al.）等。

本門課程已在學校的Blackboard（BB）平臺初步搭建了教學過程管理模塊。在課前，學生可以通過BB平臺獲取課件，提前了解學習內容，做好預習工作。在授課階段，學生可以有針對性地學習重點難點。課后，教師通過BB平臺發布作業，并在學生提交后對每一份作業進行在線點評，讓學生及時了解自己對知識的掌握情況，以便調整后續的學習方法和學習重點。另外，通過BB平臺上的交流和討論板塊，學生可以提出在學習過程中遇到的困難和疑惑，并在平臺與老師進行溝通、探討和交流。

二、課程建設思路及方案

（一）建設目標

大數據不論是在研究還是工程領域都是熱點之一，算法是大數據管理與計算的核心主題。本課程介紹大數據分析中涉及的基本算法設計思路與方法，并結合前沿學術研究成果及生物醫學工程專業背景，著重以智慧醫療、精準醫療、個性化健康管理為目標，培養學生分析與挖掘大數據的實際應用能力。通過對不同實際大數據需求的分析，設計合理的解決方案，進而培養學生的創新意識。

（二）建設思路

圍繞以上建設目標，課程的總體建設思路如下：

課程建設思路圖

課程建設以學生為中心，讓學生可以了解和掌握大數據、云計算及物聯網的相關背景知識，了解產業背景和行業版圖。從大數據存儲與管理、大數據處理、大數據分析等大數據相關架構及算法出發，結合大數據實際應用問題，為學生講解大數據挖掘相關算法，并結合前沿學術研究成果，為學生講解推薦系統、區塊鏈、眾包算法等知識。此外，結合生物醫學專業背景，充分利用校企合作資源，使學生可以著重了解在智慧醫療、精準醫療、個性化健康管理等領域的大數據應用前景。以課程思政和混合式教學等教學理念及手段，進一步完善課程的建設，培養學生“全樣而非抽樣、效率而非精確、相關而非因果”的大數據思維體系。具體建設內容及方案闡述如下。

（三）建設內容及具體方案

與傳統大數據課程相比，本課程除了涵蓋大數據存儲與管理（分布式文件系統HDFS、分布式數據庫HBase、NoSQL數據庫）、大數據處理與分析（MapReduce、Hadoop、流計算、圖計算）等傳統內容之外，還將熱點問題和前沿問題引入課程，如推薦系統、區塊鏈、眾包算法等內容。并不斷根據SIGMOD、VLDB、ICDE和KDD等國際會議新發表論文，更新教學內容。并針對專業選修課的課程特點，從醫療、汽車、餐飲、金融、電信等多個領域的角度，闡述大數據技術的應用背景和應用價值。通過列舉網購、云盤、短視頻推薦等多個生活場景實例，使學生了解生活中無處不在的大數據技術，激發學生進一步學習大數據相關理論知識的興趣，使課程在富有前沿性的同時兼顧普適性。

另一方面，課程團隊成員的專業領域圍繞著醫療健康大數據、大數據算法優化等積極展開。本課程已將樹數據計算、圖數據計算、圖數據搜索等大數據領域熱點問題，結合團隊成員的研究背景，融入教學內容中，促進科研成果向教學內容轉化。具體來說，查閱大量的權威文獻，不斷跟蹤科研和理論發展前沿，向學生介紹目前國內外大數據的創新思路和發展動態。使學生不僅可以了解基本理論知識，還能夠了解基本理論知識和創新方法如何應用到大數據計算和分析中。

特別地，團隊成員著重圍繞著醫療健康大數據，結合精準醫療等背景講解前沿性問題。分別針對臨床大數據應用、精細化運營大數據應用、健康管理大數據應用以及精準醫學大數據應用等方面展開。

1.臨床大數據應用

隨著醫院信息化水平的不斷提高，臨床大數據的規模逐漸增大。越來越多的腫瘤及基因數據、藥物應用數據、診療路徑數據等臨床大數據為科研人員提供了大數據分析的基礎。課程團隊成員從臨床大數據的標準化采集、平臺建設及疾病預測、藥物預測等相關大數據應用模型展開介紹，使學生能夠深入理解大數據算法在臨床上的具體應用及實踐價值。

2.精細化運營大數據應用

醫療成本數據是醫療服務價值的真實體現，也反映了醫療資源運營狀況的精準指標，具有重大的應用價值。課程團隊成員從醫院成本核算的路徑與方法及成本大數據的應用效果等方面為學生介紹醫院精細化運營大數據所涉及的數據的采集與集成、基于Hadoop的數據存儲與計算以及衛生行政部門、醫院、支付機構等多方的運營管理應用。

3.健康管理大數據應用

中國慢性病發病率快速提升，亞健康問題日益凸顯，越來越多的人定期接受健康體檢，健康體檢數據的快速增長為大數據的分析與挖掘帶來了機遇和挑戰。課程團隊成員為學生深入剖析該領域存在的主要問題，并以體檢大數據、慢病管理大數據、睡眠大數據等多個案例入手，為學生講解數據采集與清晰、數據關聯分析、數據建模與算法優化、用戶畫像與個性化推送等理論方法的實際應用。

4.精準醫學大數據應用實踐

精準醫學是一種以“個體為中心”，基于患者“定制”的醫療模式。它的目標是通過綜合考慮基因、環境、生活方式等多方面的個體差異，為每一位患者尋求最有效的疾病預防與治療方案。課程團隊成員為學生著重講解精準醫學涉及的多模態數據類型，包括電子病歷等非結構化數據、醫學影像類數據、基因檢測生物信息數據等類型數據的融合以及臨床決策支持系統的構建等實際應用問題及場景。

此外，本課程結合課程思政建設方案，建立課程相關素材庫。如介紹國內云計算公司所取得的成果，增強學生的民族自豪感和使命感，同時引導學生樹立遠大志向。在介紹前沿性領域知識推薦系統時，提醒學生要警惕沉迷“投你所好式”網絡，引導學生樹立正確的人生觀、價值觀，培養學生的批判性思維等。

在混合式教學模式探索方面，大數據技術涵蓋了數據結構、數據庫、文件系統、編程語言等多個計算機專業相關基礎課程的部分知識，學生如果不具備這部分基礎知識，對于分布式的文件系統、數據庫和分布式計算的理解很難達到預期效果。生物醫學工程專業的學生對于以上知識的掌握程度不夠。因此，本課程構建線上線下混合式教學模式，讓學生課前在線學習相關的基礎知識和理論。

在校企合作方面，本課程團隊與沈陽東軟智能醫療科技研究院有限公司等企業建立了深遠的合作關系，通過校企合作方式，設置“校企合作專家進校園”的教學環節，讓學生可以了解大數據在行業內的實際應用需求。并結合臨床大數據、精細化運營大數據、健康管理大數據、基因檢測大數據等應用場景，加強理論聯系實際和實踐環節教學，著重培養學生分析問題和解決問題的能力。

三、課程特色

本課程的特色主要體現在以下幾個方面：

（1）以高水平學術會議的最新研究成果為導向，以大數據熱點問題和前沿問題為支撐，構建兼具前沿性和普適性的專業選修課教學內容，激發學生的學習興趣和創新思維。

（2）結合課程團隊生物醫學工程專業背景，著重介紹智慧醫療、精準醫療、個性化健康管理領域的大數據技術及應用場景，培養學生的設計思維和工程思維。

（3）通過校企合作，將企業的實際大數據問題帶到課堂，以問題驅動為基本模式，為學生從淺層學習向深層學習提供環境、資源、方法和策略。

結語

通過本門課程的學習，使學生可以了解創新性的大數據算法設計與分析思路，了解IT業界大數據技術的應用市場前景。并且以高水平學術會議的最新研究成果為導向，讓參與這門課程學習的學生了解大數據算法的前沿知識。學生可以掌握大數據算法設計的基本思想，并通過課程作業，實現以云計算技術為平臺的分布式大數據處理技術，掌握大數據算法設計與分析技術。預期通過基于混合式的問題驅動閉環教學體系，激發學生對于大數據的學習興趣，培養大數據的科研思維和創新思維，培養學生理論結合實際的能力。結合生物醫學工程專業背景，以智慧醫療、精準醫療、個性化健康管理為目標，為醫療健康大數據分析與挖掘等應用與產業培養深入大數據研究與開發的高端人才。

參考文獻：

[1]李蘊，李文斌.淺析精準醫學與健康醫療大數據[J].繼續醫學教育，2021，35（06）：5759.

[2]國務院辦公廳關于促進和規范健康醫療大數據應用發展的指導意見[J].中華人民共和國國務院公報，2016（19）：2428.

[3]“健康中國2030”規劃綱要[J].中國腫瘤，2019，28（10）：724.

[4]國務院關于印發“十三五”衛生與健康規劃的通知[J].中華人民共和國國務院公報，2017（03）：4966.

[5]國家衛生計生委關于印發“十三五”全國人口健康信息化發展規劃的通知[J].中華人民共和國國家衛生和計劃生育委員會公報，2017（02）：3643.

[6]劉有軍，南群.論中國高等院校生物醫學工程本科專業的核心競爭力[J].北京生物醫學工程，2021，40（03）：314317.

[7]李海云，景斌，于紅玉.生物醫學工程學科發展的思考[J].北京生物醫學工程，2015，34（06）：626629.

基金項目：國家自然科學基金青年項目“時空關聯數據的網絡化建模分析、因果推理及其應用研究”（61806048）;國家重點研發計劃“智能醫生助理關鍵技術及應用研究”（2020AAA0109400）;沈陽市科學技術計劃基金“東軟智能醫療研究院建設項目”（20201410）

*通訊作者：何璇（1986—?），女，漢族，遼寧沈陽人，博士，講師，研究方向：健康醫療大數據。