基于OBE理念的醫學生“Python語言程序設計”課程的教學案例研究與設計

夏翃 高磊 華琳

摘要：在新醫科建設背景下，本研究基于OBE理念，根據三大醫學智能應用場景進行課程綜合性的教學案例研究與設計，以期培養學生運用Python語言解決實際醫學問題的能力，從而實現對醫學生綜合創新性競爭能力的培養。

關鍵詞：Python；OBE；教學案例設計；醫學人工智能

中圖分類號：G434? 文獻標識碼：A? 論文編號：1674-2117（2024）01-0098-05

教育部2019年啟動“六卓越一拔尖”計劃，提出要發展新工科、新醫科、新農科、新文科，這是新時代全面振興本科教育、打造教育“質量中國”的戰略一招。[1]筆者認為，新醫科建設在注重對現有醫學培養體系升級的同時，還要注重與文、理、工等各學科的交叉融合，因為新醫科需要培養的是能夠適應以人工智能為代表的新一輪科技革命變革時代所需要的醫療人才。[2]

新醫科建設對醫學生的計算機類課程提出了更高的要求，要求該課程不僅要培養醫學生的信息技術素質和能力，能為醫學專業問題求解提供信息技術支撐，還應著力培養學生運用交叉學科知識解決醫學前沿問題的能力，使學生具備運用信息技術解決復雜交叉學科問題的能力。

OBE教學模式

隨著近年來工程教育專業認證的推動，OBE（Outcome-Based Education，人才培養的產出導向）模式在本科教育中得到廣泛認同和普遍接受。OBE模式主張根據學生預期達到的最終學習成果即專業人才培養質量目標，來反向設計課程體系即人才培養過程，形成系統性的教學質量持續改進閉環。[3]OBE模式強調解決如下四個問題：學生的學習成果是什么？學生為什么要這樣的學習成果？如何幫助學生取得這樣的學習成果？如何檢驗學生是否取得這樣的學習成果？[4]OBE模式強調成果導向的價值取向、學生中心的教育理念、持續改進的質量文化，實現教學模式從“以教為中心”到“以學為中心”直至“能力達成”的轉變。

Python是開源、跨平臺的解釋型編程語言，用戶可以利用已有內置標準庫或大量的第三方庫，快速搭建應用，能顯著地縮短開發周期。Python已廣泛用于科學計算、數據挖掘、圖像處理、機器學習、人工智能及WEB開發等眾多領域?；赑ython程序語言的這些特性，“Python語言程序設計”課程非常適合采用OBE模式進行教學設計與實踐。

基于OBE理念的教學案例設計

隨著現代智能技術的迅速發展，人工智能（Artificial Intelligence，AI）技術在醫學領域中的應用越來越廣泛、越來越深入，目前，它已經在疾病預測、醫學影像、健康管理、藥物研發和醫院管理等多個方面得到應用（如下頁圖1）。[5]而Python提供了眾多的科學計算和機器學習工具，可以幫助醫學研究人員加快算法和模型的開發過程，提高醫學數據分析和醫學圖像診斷的準確性等。

計算機科學和編程技能在醫學領域中的廣泛應用，使得醫學生掌握基本的編程技能和計算思維能力變得越來越重要。“Python語言程序設計”課程是面向筆者所在學校低年級學生的基礎性編程語言課程，根據教育部新醫科建設的要求，課程除了要教學生掌握Python基本語法規則和編程思想，更要著重提高學生計算思維能力和應用程序設計方法解決醫學問題的能力。所以，本研究在教學案例設計時遵循了基于“學習成果”導向的OBE理念。

本課程基于OBE理念，以醫學智能應用為目標，在進行課程綜合性的實驗教學案例研究時，采用任務驅動法，進行項目式教學案例設計與應用（如圖2），以期培養兼具醫學專業知識和人工智能應用等信息新技術處理能力的交叉融合型人才。

1.情境選擇

在進行實驗案例選擇時，本課程選擇醫學中常見的三大類與醫學實踐相關的實際情境，如自然語言處理、醫學圖像處理、醫學數據分析與可視化等，以激發學生的認同感，確保情境能夠激發學生的興趣和動力，并與課程目標和學習成果相匹配。

2.問題設定

針對選定的情境，本課程設計具有一定挑戰性的問題，要求學生運用Python編程知識和技能進行問題分析、技術路線設計和程序實現，從而激發學生的思考和探索。

（1）自然語言應用

自然語言處理NLP（Natural Language Processing）是機器學習的重要分支之一，在醫療健康領域主要用于醫學信息抽取、醫學文本分類、醫療決策支持、病人信息管理、醫療信息問答、醫學知識挖掘等諸多方面。

而自然語言處理應用首先要做的預處理就是分詞。英文單詞天然有空格隔開，容易按照空格分詞，而中文由于沒有空格，分詞就是需要專門去解決的一個問題，較常用的中文分詞工具有jieba、SnowNLP、THULAC、NLPIR和PKUSEG等。

在進行教學案例設計時，教師以我國藥物學巨著《本草綱目》的內容實現詞云效果，如圖3所示。希望通過這個綜合案例的分析與實現，在讓學生掌握自然語言處理在醫學中的應用的同時，也激發其對傳統醫學的興趣和關注，發現我國傳統醫學的內在信息。

本案例選擇使用jieba庫對內容先進行中文分詞，jieba庫支持三種分詞模式——精確模式、全模式和搜索引擎模式，并且支持自定義詞典等。[6]分詞后再統計各個詞匯出現的次數，并進行倒序排序。在實現詞云效果之前，進行數據特征觀察，列出排除無關醫藥詞之后再用wordcloud庫實現詞云效果。該案例的實踐過程如下頁圖4所示。

本案例涉及的Python基礎知識包括文件讀寫、列表、字典、集合、循環結構及匿名函數等。在該案例通過詞云展現高頻詞在視覺上的突出呈現方式的同時，學生了解了自然語言處理在醫學中的基本應用，同時也學習了Python標準庫之外的第三方庫的安裝與應用。[7]

（2）圖像處理應用

圖像處理（Image Processing）是指對圖像進行各種操作的過程，主要包括圖像增強、圖像分割、圖像識別、目標檢測、形態學處理等。

①普通圖像。

OpenCV（Open Source Computer Vision Library，開源計算機視覺庫）是一個高度開源發行的計算機視覺庫，可以在Windows、Linux、Mac等多平臺跨平臺操作，實現了眾多圖像識別和計算機視覺的通用算法。[8]OpenCV支持多種語言如C++、Python、Java等進行開發，使用OpenCV可以完成很多常見的計算機視覺領域的任務。

本案例在設計時，選擇OpenCv-Python庫實現圖像二值化處理過程，通過設置不同參數得到不同的效果，從而讓學生了解圖像處理的一般流程和圖像的基本操作，以及常見中文亂碼的處理方法（如圖5）。

②DICOM圖像。

醫學圖像能夠直觀反映人體的內部結構，利用圖像處理技術可以對圖像進行分析和處理，實現對人體器官、軟組織和病變體的位置檢測、分割提取、三維重建和三維顯示，可以對感興趣區域進行定性甚至定量分析，從而大大提高臨床診斷的效率、準確性和可靠性，所以，醫學圖像是現代醫療診斷非常重要的依據之一。此外，醫學圖像具有數據標準統一、易獲得且質量高等特點，利用人工智能技術研究醫學圖像也是目前的熱點之一。因此，對醫學生進行醫學圖像知識的介紹、應用和分析是非常有必要和有意義的。

醫學數字成像和通信DICOM（Digital Imaging and Communications in Medicine）是美國放射協會（American College of Radiology，ACR）和美國國家電子制造商協會（National Electrical Manufacturers Association，NAMA）聯合開發的一個醫學數字成像和通信通用標準，是目前最為廣泛應用的醫學影像格式，如CT、MRI等。在進行DICOM圖像處理（如分割CT圖像中某個病灶組織）之前，一般需要將DICOM圖像進行讀取、脫敏、調窗等操作，以便于后續的編輯與分析。

鑒于學生在現階段并未學到醫學圖像處理相關的專業性課程，本案例在設計時，讓學生對DICOM圖像進行讀取信息后實現數據脫敏和調窗的基本功能（如圖6），使其通過該案例了解相關的第三方庫Pydicom[9]，同時也對醫學圖像DICOM有基礎的認識，并為下一步深入學習醫學圖像專業課學習打下計算機技術基礎。

（3）數據分析與可視化應用

Python提供了眾多且功能強大的數據處理和分析工具，使醫學數據處理、分析和可視化變得更加高效和靈活。例如，numpy是一個高性能的科學計算和數據分析基礎包，具有多維數組對象、線性代數、傅里葉變換和隨機數等強大功能，在數據分析和人工智能領域有廣泛的應用。Pandas提供了豐富的數據處理功能，如數據過濾、排序、分組、聚合等。Matplotlib是常用的數據可視化庫之一，它提供了應用廣泛的繪圖功能，如折線圖、散點圖、柱狀圖、餅圖等。這三個基礎庫的結合使用，可以完成許多數據的分析與可視化工作。

由于學生在現階段并未學到數據統計或數據挖掘相關的專業性課程，故本案例在設計時，選擇醫學生較為常用的BMI（Body Mass Index，身體質量指數）數據進行基礎數據處理和可視化。該案例通過對原始數據（如圖7a）一系列的遞進操作，讓學生掌握基本的醫學數據分析和可視化過程，具體實驗過程如下。

數據分析：數據分析是數據處理最基本的操作，也是數據分析必須掌握的部分。在該過程中，采用numpy和pandas庫，實現BMI數據計算、BMI類別判斷以及基本統計數據（如圖7b）。

數據分類統計：在數據分析的基礎之上，要對數據進行分類統計，以期了解數據的整體面貌。在該過程中采用pandas庫的value_counts等方法，根據“BMI類別”數據進行分類統計（如圖7c）。

數據可視化：在該過程中，采用matplotlib庫，根據“BMI類別”的統計數據生成餅圖，實現數據的可視化。根據所得到的餅圖，可以直觀快速地看到各種數據的占比情況（如圖7d）。

數據保存：在該過程中，分別采用pandas庫的to_csv方法和ExcelWriter對象保存多個Excel工作表的實現方式，來學習并掌握常見保存文件的各種形式。

3.學習支持

除課堂教學外，本課程還提供擴展的學習資源和指導，如常見編程問題及實踐指導、參考資料和在線學習平臺及行業知識延伸等，幫助學生掌握必要的編程知識和技巧。此外，本課程還建立學生微信群，在微信群內或通過校內BB平臺發布課程相關信息，以及最新的行業動態。同時，利用微信群加強與學生的交流與互動，及時解答學生的問題。

4.獨立研究與團隊合作

在設計實驗時，任務實現模式分為兩種方式：一種是學生獨立自主完成，這種任務培養的是學生獨立思考和技能掌握與應用能力。另一種是團隊合作式任務，這種任務設計就要按照團隊模式去設計實驗案例，鼓勵學生在小組中合作完成案例研究。通過團隊合作，學生可以相互學習、交流思想，并培養協作和溝通能力。

5.反饋與評估

課程為學生設計了一些課堂實驗任務、課后知識性任務、章節性項目任務和課程性綜合任務，從而對學生的階段性學習效果、課程綜合性學習效果，以及知識技能和團隊項目能力等有一個多維度、全方面的考核與評價。

課程在開課前通過調查問卷方式，了解當期學生的前期基礎、興趣點及學習目標，這樣便于教師構建教學要點及對相關課程進行必要的補充或簡化等。

分析與討論

本課程基于OBE理念，立足于醫學應用，在具體研究設計教學案例時解答了OBE過程中所關注的問題。

學生的學習成果是什么？通過具體的與醫學相關的實驗案例，分析所需解決的關鍵問題，讓學生在復習鞏固Python基本語法規則的同時，學會查找相關第三方庫，并結合該庫官方網站的示例，學會安裝與應用第三方庫的基本功能，再結合醫學問題來完成復雜問題的綜合技術實現。

學生為什么要這樣的學習成果？Python官方索引網站目前擁有第三方庫已超過46萬個，且每個庫的方法繁多，已不能采用詳細講解每個庫的傳統教學方式了。教師要變“授人以魚不如授人以漁”為“授人以慧”，培養學生的自學能力和解決實際問題的能力。

如何幫助學生取得這樣的學習成果？“用”是學習的重要途徑，所以要通過和學生一起討論分析問題、設計解決問題方案、進行具體程序技術實現等一系列練習過程來實現。因此，做好課程規劃，設計好相關實驗內容和技術路線，就非常有必要了。

如何檢驗學生是否取得這樣的學習成果？可以通過某一個醫學復雜案例的分析和實現過程讓學生掌握醫學應用中這一類常見問題的分析與解決，在該案例完成之后，教師會布置類似的醫學類型問題，讓學生課后自主完成。

結語

本課程基于OBE理念的成果導向，通過“提出問題—探究問題—解決問題”的過程引導學生進行問題分析與思考，促進知識的同化和遷移，最終解決實際醫學問題，從而實現了從“以知識傳授為中心”到“以關鍵能力和核心素養培養為中心”的轉變，讓學生具備運用交叉學科知識解決醫學前沿問題的能力，以適應快速發展的智能時代。

參考文獻：

[1]中華人民共和國教育部.教育部啟動“六卓越一拔尖”計劃2.0[EB/OL].http：//www.moe.gov.cn/jyb_xwfb/xw_zt/moe_357/jyzt_2019n/2019_zt4/tjx/mtjj/201904/t20190430_380243.html.

[2]李鳳林.新時代我國新醫科建設的路徑探析[J].中國高等教育，2021，664（Z1）：6-8.

[3]劉衛東，黃蕾，馮若雯.基于OBE人才培養模式的本科教學質量管理體系重構[J].國家教育行政學院學報，2021，286（10）：19-30.

[4]常建華，張秀再.基于OBE理念的實踐教學體系構建與實踐——以電子信息工程專業為例[J].中國大學教學，2021（01）：87-92+111.

[5]張育涵.一張圖看AI醫療[R].鯨準數據中心，2017.

[6]jieba[EB/OL].https：//pypi.org/project/jieba/.

[7]教育部考試中心.全國計算機等級考試二級教程——Python語言程序設計（2022年版）[M].北京：高等教育出版社，2022.

[8]opencv[EB/OL].https：//docs.opencv.org/4.x/index.html.

[9]pydicom[EB/OL].https：//pydicom.github.io/pydicom/stable/index.html.

作者簡介：夏翃（1974—），女，博士，副教授，研究方向為醫學信息學；華琳（1973—），女，通訊作者，博士，副教授，研究方向為生物統計與生物信息學。

基金項目：2023年首都醫科大學教育教學改革研究課題“智能時代背景下《Python語言程序設計》教學模式研究與實踐”（項目編號：2023JYY057）。