醫工結合背景下數據科學能力培養模式探索

魏航　陳沁群　王正飛　洪佳明　羅曉牧

關鍵詞：醫工結合；數據科學能力；本科生進實驗室；畢業設計論文

中圖分類號：G642 文獻標識碼：A

文章編號：1009-3044（2023）08-0068-03

1 引言

新一輪科技革命和產業革命蓄勢待發，學科交叉融合加速，創新驅動成為許多國家謀求競爭優勢的核心戰爭。20世紀70年代，哈佛大學和麻省理工學院等一批世界一流大學通過制定交叉學科政策并建立交叉性研究所，揭開了科研機構著手重視推進醫工結合發展的序幕。20 世紀80 年代，中國通過將綜合性大學或理工科大學與獨立設置的醫科類院校合并，促成了非醫科類院校和醫科類院校的強強聯合，如清華大學、北京大學和中山大學等紛紛建立了以醫工結合為特征的交叉學科研究實體，為醫工交叉研究提供了廣闊的舞臺[1]。當前，我國醫療衛生事業正處于發展和轉型過程中，人們對社會醫療服務水平提出了更高的標準；同時，大數據、人工智能、計算機信息技術發展等新一輪科學技術將醫學發展推動到了新的階段[1-2]。為了盡快適應當前醫療健康衛生事業發展、實現健康中國的需求，傳統的教學模式必須破繭重生，克服單一的教學模式，通過多渠道打開醫工交叉教學和人才培養通道，整合優勢資源，發掘科研潛力，使其在人才培養上做到與科研同步一體化培養，最終促進醫工交叉的深度融合和共贏發展。

在互聯網、物聯網與移動通信的全方位連接背景下，醫療健康數據的類型和規模正以前所未有的速度快速增長，數據爆炸已讓醫療健康行業真正進入大數據人工智能時代。大數據的迅猛發展促使數據科學正成為一門學科。數據科學涵蓋了數學、統計學、計算機科學、人工智能等多學科的知識，是“運用建模、分析、計算和學習雜糅的方法研究從數據到信息、從信息到知識、從知識到決策的轉換， 并實現對現實世界的認知與操控”[3]。可見，掌握數據科學的相關知識和方法將成為醫工融合專業學生的一項核心競爭能力和必備能力。

目前大學本科教育中，理論課學習是本科人才培養的必要環節，實驗課操作是驗證理論知識的有效途徑。本科生能夠得到實踐鍛煉的機會主要是實驗課、見習、畢業設計與實習環節，但部分學生沒有養成主動、積極和獨立思考的學習習慣，有些甚至有著較強的依賴與應付心理，把實驗課、見習和實習當成任務，甚至畢業論文也是簡單完成。這些將嚴重限制了學生數據科學能力與素質的培養，也導致學生畢業后缺乏獨立思考與解決問題的基本能力與素質。與此同時，也有部分低年級學生，他們精力充沛、思維活躍，但對專業較迷茫，特別在我們中醫藥院校里面的醫學信息工程和生物醫學工程等醫工融合專業學生。善加關注和引導，可以明顯增強低年級學生的專業意識和學習興趣。培養本科生進入實驗室進行理論知識實踐和創新能力鍛煉是近年來高校人才培養的關鍵舉措之一[4]，本科畢業論文實踐始終是高校人才培養的重要環節[5-6]。因此，為進一步深化實驗教學改革，將教學與科研有機結合起來，創造良好的育人環境，有效地利用和挖掘實驗室資源條件，充分發揮實驗室在人才素質教育和學生創新能力培養中的作用，倡導本科生尤其低年級學生積極參與到創新科研工作中并堅持到大四的畢業論文實踐，以培養學生良好的實踐能力與科學創新能力是亟待進行的改革舉措。

本著“教以致用、學以致用、研以致用與大膽創新”的教學科研相長理念，廣州中醫藥大學醫學信息工程學院醫學大數據與人工智能本科生創新實驗室將進實驗室與本科畢業論文實踐有機結合，結合實驗室的科研創新定位，對學生的數據科學與醫療健康融合的科研實踐進行較長期連貫指導，以下就如何促進醫工融合專業本科生的數據科學科研實踐能力的培養進行闡述，為探索本科生數據科學能力培養方法提供借鑒。

2“本科生進實驗室”的早期基礎積累

2.1 學生發展方向定位

興趣，是最好的老師。實驗室在大一招新生的時候，會尊重學生的意向分配到“系統開發組”和“數據算法組”兩個大組。其中，“數據算法組”，專注數據科學解決醫學臨床問題，重視學術素養提升。接下來，本文針對以“數據科學”為核心能力的“數據算法組”學生培養為重點介紹。

每位學生都有自己的性格特點、擅長的或感興趣的點。在學生大二階段，根據學生在日常周會匯報和學習報告等師生交流中所體現的特點，結合我們中醫藥大學院校的醫工融合專業背景，“數據算法組”再細分“醫學數據分析”和“醫學智能算法設計”兩個方向。“醫學數據分析”和臨床密切關聯，注重通過分析臨床數據為疾病的特點規律和治療方法評價選擇提供參考信息，這對學生的研究設計和統計分析能力要求較高，學生畢業后可在臨床醫學專業或衛生管理、流行病學等領域專業繼續深造或在醫療機構、企業或公司內部醫療健康相關部門就業；“醫學智能算法設計”，注重通過臨床數據和需求設計算法和建模，為臨床輔助診斷，提高效率，這需要較強代碼能力和數學邏輯思維，學生畢業后可在計算機科學與技術專業、生物信息專業或生物醫學工程等專業繼續深造，或直接在企業任“算法工程師”或“生物信息工程師”。

2.2 基本功積累

工欲善其事，必先利其器。“數據科學”能力與素養的培養，離不開基本功積累。結合醫學大數據與人工智能的趨勢、需求和醫工學院學生的課程培養方案，實驗室把數據科學的基礎知識劃分為五個模塊：基礎、數據可視化、統計分析與數據挖掘、機器學習、優化算法。這五個模塊涵蓋的知識點之間的關系可見圖1。基礎模塊，需要醫工專業學生從大一開始不斷學習鞏固；數據可視化模塊，是入門級，可借助Ex?cel或Python等軟件實現，該模塊可幫助大一醫工專業學生或醫學專業學生直觀了解數據科學、數據分析，激發其興趣；統計分析和數據挖掘，是醫學數據分析的核心內容，想往“醫學數據分析”方向發展的同學，建議在高階多元統計和數據挖掘深入學習；機器學習，是人工智能算法的核心內容，想往“醫學智能算法設計”方向發展的同學，建議在深度學習和學習機制上繼續學習；優化算法，是相對獨立知識點，但優化問題常常出現在算法設計和臨床建模問題中，建議可作為“醫學智能算法設計”的補充知識。

邊做邊學，邊學邊做。數據科學知識，不但需要學習原理，還需要動手操作實踐，不斷復盤和滾動積累。原理：學底層數學原理與算法流程、使用場景和約束條件；實踐：可從公共數據集入手，動手編程跑實驗、跑模型，后期可以比賽、項目為場景做實踐練手。數據科學知識的學習目標，可以分兩步走，首先是學會“用”，即選擇合適的方法，通過編程或軟件實現，最后結果分析和評價；接著就是“創新”，這有應用創新和方法創新，只要前面基礎打得好，在大三大四就水到渠成了，特別是大四的畢業設計。

為了幫助學生有效找到自己的學習節奏和促進師生交流，實驗室日常以“周會”和“每月學習報告”形式，寒暑假不間斷地進行。周會，線上線下結合，學生輪流匯報與分享數據科學知識、文獻閱讀、項目、課題、論文等任務進度，同時，低年級學生進行會議記錄，有助于他們迅速融入學習中；每月學習報告，以郵件形式，學生對自己在當月數據科學方法打卡和文獻閱讀情況進行復盤，同時將自己的學習或生活疑惑與老師溝通。

2.3 以賽、以醫工合作項目促學

實驗室鼓勵每位同學在校期間至少參與一次國家級、省級比賽，與同齡人“同場競技”。要重視全國大學生數學建模競賽、全國數據挖掘挑戰賽、美國數學建模比賽、中國大學生程序設計競賽、藍橋杯全國軟件和信息技術專業人才大賽等數據科學比賽。這些比賽能很好激發學生的斗志，并讓其清晰知道自己在同輩中的水平；同時，大力促進了學生數學建模、數據分析、算法設計、編程能力、寫作能力和團隊合作能力的培養。此外，還有一些綜合性比賽，如全國挑戰杯和全國計算機設計大賽，這些比賽需要實驗室團隊有一定成果積累，考驗的是“展現”和“團隊”能力，有助于凝聚學生團隊和激勵士氣。要保持初心：比賽并不是目的，而是助于自身成長和展現自我的平臺和舞臺。

實際項目經驗是大學生必不可少的實踐活動履歷，這也越來越被用人單位或研究生導師所重視的[7]。為了創造醫工學生的項目實踐平臺，實驗室保持與一些醫療機構、公司合作。通過與學生在周會、學習報告等交流和比賽表現，了解、掌握每位學生的學習狀態和發展方向。據此，根據不同項目需求，讓合適的學生團隊負責。實際項目，是課外練習、公共數據集或指定問題和數據的比賽，不能替代的。醫工合作項目，力求雙贏，既能滿足合作單位的需求，又能讓學生鍛煉獨立思考和解決問題的能力。

2.4 以學生項目促創新

近年來，國家、省政府越來越重視培養大學生創新創業能力，開展了全國大學生創新創業項目、中國“互聯網”+大學生創新創業大賽和賽萊拉杯創新創業大賽等一系列學生項目并給予大力的資金支持。這些已經作為“高等學校本科教學質量與教學改革工程”的重要組成部分，其實質就是將第二課堂進行的科研訓練以及各類科技創新等活動全面納入人才培養體系，努力營造崇尚科學、勇于創新的良好氛圍，其目的是加強大學生科技創新能力培養，促進科技成果的推廣和應用，提升大學生的綜合素質[8]。實驗室鼓勵并組織指導學生積極申報這類學生項目，結合實驗室研究基礎和資源，進行頭腦風暴，尋求創新的方向和創業的落腳點。這大大調動本科生大膽創新的潛力和魄力，也提供了把想法落地的試錯平臺。

2.5 以學術交流提升素養

自己“學”得好、“做”得好，也具備創新性，但若不懂得表達和交流，那僅僅是停留在自己的圈子內，走不出去也無法提升自我。學術交流，主要包括學術論文和學術報告。這對于本科生來說，的確具有一定難度，特別是英文論文和報告。但學術交流，只要跨出這一步，就能讓自身素養具有“質”的提升。無論今后是否從事科研工作，這些對于工作或學習都是受益匪淺的。實驗室重視和鼓勵學生結合自己的科研創新實踐進行學術論文撰寫，并參與國際學術會議匯報。經過多年的實踐，實驗室在培養本科生在醫工融合數據科學領域的學術交流方面也累積了越來越多的成果和經驗。

3“畢業設計論文”——獨立的標志

本科生畢業設計論文，是大學四年的知識結晶。在選題上，建議和畢業后的工作崗位或讀研專業方向相吻合，相輔相成，也能成為簡歷上一項亮眼的項目經驗。實驗室根據每位學生的能力、畢業后工作方向或研究方向，結合實驗室項目、課題的資源和需求，給予學生畢設選題的大方向。

經過早期本科生進實驗室打下扎實的基礎，學生已經能自主查閱最新的中英文文獻、網上找資料、算法設計、編程和調試模型，養成了保持主動與導師溝通的習慣，并具備按照規范撰寫畢業論文和制作講稿并對自己的工作進行匯報、答辯的能力。經過大半年“畢業設計論文”的最后洗禮，學生真正“獨立”了，從實驗室“畢業”了。

4 培養成效

“醫學大數據與人工智能”MBDAI實驗室，經過多年師生的共同努力，歷屆的傳承創新，學生成果豐碩。（1） 4位學生出國留學，其中兩位分別攻讀京都大學醫學博士和慕尼黑工業大學計算機科學博士，18位和13位學生分別獲得推免和通過統考繼續在北京大學、浙江大學、中國科學院、中山大學等高校讀研讀博深造；（2） 本科生以第一或通訊作者發表20篇學術論文，其中3篇SCI論文、8篇國際學術會議EI檢索論文并進行全英匯報（其中1篇獲得BEST PAPER和5篇高水平會議IEEEBIBM） 和7篇中文核心論文；（3） 軟件著作權2項和申請發明專利5項；（4） 廣東省挑戰杯項目一等獎和二等獎各1項；（5） 國家級大學生創新創業項目5項（3項優秀結題）、省級和校級分別4項和1項；（6） 全國數學建模比賽廣東省一等獎1項、二等獎和三等獎分別6項和1項；（7） 校級優秀畢業論文11篇；（8）“泰迪杯”全國數據挖掘挑戰賽國家一等獎3項和國家三等獎4項；（9） 藍橋杯全國軟件和信息技術專業人才大賽國家三等獎1項、廣東省一等獎1項、二等獎和三等獎分別5項和6項；中國大學生程序設計競賽銀獎和銅獎各一項。

5 結論

本文結合醫學大數據與人工智能本科生創新實驗室的建設，引入“本科生進實驗室”與“畢業論文實踐”有機結合的培養模式，探索并實踐如何充分利用大學四年時間培養醫工融合專業學生的數據科學能力。在此過程，我們也遇到一些培養本科生的共通問題：（1） 本科生的課程較多，影響知識體系的系統學習和項目的連貫性；（2） 本科生對自己的方向定位較迷茫和專注力容易被外界帶偏；（3） 畢業設計論文的進度，常常會被實習工作所延誤。這些都需要師生共同解決：多交流溝通、多鼓勵，幫助學生根據自己的情況找到適合自己的方向和節奏；此外，只要學生已盡自己所能，那老師就應該放寬心態，靜待花開。此外，若是學校或學院能從政策保障、資金支持和工作量考核等多方面鼓勵和調動教師的積極性和主動性，特別是對實驗室建設的支持，這將大大促進教學相長、培育人才的良性循環。