數智時代“醫學+數據科學”復合型創新人才培養路徑探索

摘"要：為適應數智時代醫學人才需求，推動新醫科建設，高校自2018年起開始招收健康數據科學碩士研究生。在開設相應專業的同時，需要不斷優化人才培養模式，提高人才培養質量。因此，論文分析“醫學+數據科學”復合型創新人才培養研究現狀，結合我國面臨的學科優勢發揮不充分、培養需求主體覆蓋度不高、多主體協同培養弱耦合、跨學科課程體系建設不完善等困境，構建了一種以特色優勢學科為主導、不同培養需求主體為對象、“多主體耦合+三維度并舉”協同培養為機制、跨學科融合課程體系為核心、高算力基礎設施為基底的創新人才培養優化路徑，為我國醫學領域數據科學復合型創新人才培養實踐提供參考。

關鍵詞：數據科學；人才培養路徑；新醫科

中圖分類號：G64""文獻標識碼：A

1"概述

在數智時代，數據作為新型生產要素在醫學領域的價值日益凸顯，數據科學與醫學領域的交叉前沿研究也越來越受到學界關注，涉及領域涵蓋臨床藥理學和藥物開發、傳染病、兒童健康、心理健康、重癥監護等。國際醫學領域學者自2013年起紛紛指出加強數據科學人才培養的緊迫性并開始實施人才培養計劃。例如，大數據到知識（BD2K）計劃［1］在解決生物醫學領域海量數據解釋分析困境的同時，面向各階段人員開展培訓；2020年在公共衛生數據科學峰會［2］小組討論中探討公共衛生領域數據科學教育問題。

我國同樣重視數據在醫學領域的價值，以及該領域數據科學人才培養問題。2023年國家數據局發布《“數據要素×”三年行動計劃（2024—2026年）》提出“數據要素×醫療健康”重點行動，要求加強醫療數據融合創新，釋放數據要素價值。在本科生培養上，2019—2022年教育部增設健康數據科學、生物醫藥數據科學等本科專業；2023年教育部辦公廳印發《服務健康事業和健康產業人才培養引導性專業指南》將生物醫藥數據科學作為新醫科人才培養引導性專業之一。在研究生培養上，少數高校自2018年起自主設置健康數據科學二級學科并招生，如北京大學等；為進一步推動創新人才培養，2020年《國務院辦公廳關于加快醫學教育創新發展的指導意見》明確指出，健全以職業需求為導向的人才培養體系，加強“醫學＋X”多學科背景的復合型創新拔尖人才培養。近幾年我國學者開展了醫學領域數據科學人才培養的研究［36］，研究對象以應用型人才為主，很少見到面向創新人才培養的研究。

因此，論文首先分析“醫學+數據科學”創新人才培養研究現狀，通過網絡調查法挖掘我國面臨的創新人才培養困境，并提出復合型創新人才培養優化路徑。

2"“醫學+數據科學”復合型創新人才培養研究現狀

2.1"多樣化與針對性并重

醫學領域數據科學專業和項目建設呈現多樣化趨勢。現有專業包括生物醫學數據科學、醫學數據科學、健康數據科學、護理數據科學、臨床數據科學、數據科學綜合等［712］。

部分學者針對不同培養需求主體培養展開研究，并提出了適應需求主體的培養類型。需求主體包括高校碩士研究生、博士研究生、博士后、醫院在職人員、學術醫療機構數據科學實踐工作者等，培養類型可以是學位、研究生文憑、輔修課程、核心課程、專題培訓和研討等。例如，參考文獻［9］面向健康數據科學碩士學位項目學生提出培養路徑，參考文獻［13］面向公共衛生領域數據科學開設了適用于醫院在職人員的研究生文憑課程；參考文獻［14］指出在非數據科學專業護理博士學位中需將數據科學原理作為核心課程，旨在提升數據技能助力科研；參考文獻［15］指出學術醫療機構數據科學工作人員應該作為合作伙伴參與項目，并提出開展專題研討、論壇和期刊俱樂部等短期培訓方案；參考文獻［2］面向不同教育階段和不同背景學生提出培養路徑。

2.2"課程體系差異化

專業課程體系建設研究中，學者基于不同教學理論、面向不同培養需求主體，其課程體系建設思路存在差異。現有的課程體系研究主要主張基于結構主義理論和基于建構主義理論的課程體系。在結構主義理論的課程體系［8］中，課程設置以結構化課程為主，課程結構主要有必修核心課程、選修課程、基礎理論課程等，涵蓋領域理論知識、法律和倫理、技術等三類課程，其中技術類課程涉及數據科學與人工智能，例如算法編程、數據庫、機器學習、大數據等；在基于建構主義理論的課程體系［9］中，以滿足用人機構實際需求為導向設置和調整課程，以學生為中心開展學習活動，包括領域知識、軟技能、硬技能、競爭技能等四個層次的學習。面向不同培養需求主體，其課程內容、課程要求和課程形式存在差異。例如，對攻讀護理博士學位的學生和在職人員，數據科學原理作為核心課程，大數據分析課程作為輔修課程，使其掌握理論學習、應用和研究方法，以拓寬領域廣度，開展數據密集型研究計劃；對攻讀“醫學+數據科學”專業學生和在職人員，則建立專業課程體系；對醫療學術機構數據科學實踐人員，開設短期專題培訓課程；對醫院在職人員的課程學習，采用靈活的混合式課程。

3"我國“醫學+數據科學”復合型創新人才培養面臨的困境

3.1"學科優勢發揮不充分

論文選取60所高校開展“醫學+數據科學”交叉學科建設現狀調研，結果顯示我國設置該學科的高校比例較低，部分高校雖未設置學科但培養相關研究方向人才，且研究方向各具學科特色。例如，一些高校發揮中醫藥、信息資源管理學科優勢，設置中西醫結合基礎博士學位的中醫藥大數據等研究方向、情報學圖書情報碩士學位的健康數據科學研究方向等。我國高校亟待充分發揮各類高校學科資源優勢，新增“醫學+數據科學”特色交叉學科、制定培養目標和培養模式。

3.2"培養需求主體覆蓋度不高

在數據驅動的醫學創新研究背景下，科研人員需具備處理數據密集型研究任務的技能。高校學生以及高校、學術研究機構、醫院、企業等各機構在職人員，即科研主體，也是培養需求主體。當前我國高校對數據密集型研究技能人才培養以研究生培養為主，培養需求主體覆蓋度不高。高校作為主要培養機構，有待優化建立面向不同培養需求主體的可持續培養路徑。

3.3"多主體協同培養弱耦合

“醫學+數據科學”作為交叉學科，建立多主體強耦合協同培養機制［16］，可以實現多個學科和培養主體的資源優勢互補。論文從培養機構耦合、培養過程耦合、課程體系耦合等三個維度調研高校多主體協同培養現狀。結果表明，在培養機構耦合方面，已設立聯合培養機構的高校不足1/4，多采用高校間多機構聯合培養、高校內多院系聯合培養和國際間高校聯合培養等方式，培養院系設置較為松散、呈弱耦合關系，國際間高校合作培養有待強化。在培養過程耦合方面，采用用人機構的評價反饋機制優化培養方案可以有效增強培養主體與用人機構間的耦合關系，學科相關研究報道不多。從課程體系看，培養機構和培養過程中的弱耦合關系影響課程體系耦合狀態，主要表現為多個培養機構共建共享跨學科實踐課程協同性不高、培養機構根據用人機構評價與反饋動態調整與優化課程設計進程較慢等。

3.4"跨學科課程體系建設不完善

“醫學+數據科學”需要培養學生利用大規模數據集解決實際問題的能力和創新能力。我國高校研究生課程體系中跨學科融合實踐課程，以及多學科課程和跨學科融合實踐課程在模塊化課程體系中的占比研究較少，有待研究建設“醫學+數據科學”的跨學科課程體系。

4"“醫學+數據科學”復合型創新人才培養優化路徑

針對我國“醫學+數據科學”復合型創新人才培養面臨的困境，論文構建了一種以特色優勢學科為主導、不同培養需求主體為對象、多主體耦合協同培養為機制、跨學科融合課程體系為核心、以基礎設施為底座的人才培養優化路徑，如圖1所示。

4.1"加快特色優勢交叉學科建設

我國醫學高校已建立各自特色優勢學科，要不斷發掘學科發展潛力，加快優勢特色學科與數據科學的交叉融合，建立“醫學+數據科學”特色優勢學科，構建特色學科培養目標與培養模式，以促進我國交叉學科多樣化發展，激發交叉學科創新活力。例如，新增中醫藥數據科學，在數智時代健康中國戰略下推進民族醫藥創新發展。

4.2"擴大培養需求主體覆蓋面

面向不同培養需求主體建立培養路徑，包括面向高校和學術研究機構存在數據科學培訓需求的研究人員、面向醫院具有數據科學培訓需求的在職人員、面向醫院和高校數據科學研究方向的研究生等。對于醫院、學術研究機構等在職人員，在內容上基于建構主義教學理論，以學生為主，設置數據科學素養類課程，以及以實際需求為導向的數據科學專題技能培訓，在形式上以線上課程、線上專題講座等為主，線下短期專題課程和交流研討會為輔，培訓人員可依據個人時間完成線上課程，并利用線下短期課程與研究人員和同行交流，獲得指導，課程完成后授予對應的培訓證書。對于高校非數據科學專業研究生群體或在職攻讀非數據科學專業研究生，以研修通識基礎課程為主，輔修數據科學專業核心課程，通過研修結構化課程、專題講座和項目實踐課程，獲得數據密集型操作技能，具備數據素養、領域數據分析和可視化能力，完成后授予輔修課程證書；對于高校數據科學專業研究生，采用基于學科融合的專業課程體系，完成學位培養要求授予學位證書。

4.3"構建“多主體耦合+三維度并舉”協同培養機制

從培養機構耦合、培養過程耦合和課程體系耦合等三個維度，構建“多主體耦合+三維度并舉”協同培養機制。

（1）培養機構耦合。“醫學+數據科學”復合型創新人才培養由多機構聯合培養。高校作為培養主陣地，主要培養機構應在各主體協同基礎上成立培養辦公室，總體協調各主體職責和功能，其他各主體內部根據職責與功能，發揮各自學科資源優勢，成立專門培養機構，以協調培養具體事宜。同時，培養辦公室總體協調加強國際間高校聯合培養，建立暢通的協調渠道。此外，為提高協同培養效率，建立信息交流與資源共享平臺，在用人機構與培養機構之間建立評價反饋平臺。

（2）培養過程耦合。“醫學+數據科學”復合型創新人才培養需要各參與主體發揮學科資源優勢，按照定位與職責在培養全流程中履行協同關系，各階段有機銜接。培養全流程包括招生、培養計劃實施、用人機構與培養需求主體之間的評價與反饋互動以及基于反饋平臺動態調整培養過程。

（3）課程體系耦合。從以高校教師為主導的課程，轉變為多機構主體參與協同培養。加強高校與其他機構主體合作，在課程體系上深度貫通融合，即多主體在資源知識共享和協調融合的基礎上，在課程目標、交叉融合實踐課程設計、研究項目等方面，加強多主體深度合作。

4.4"推進跨學科課程交叉融合

（1）建立學科交叉融合課程體系。該課程體系采用結構化教學理論，以模塊化課程結構為主，由基礎課程、專業核心、專業必修課程、專業選修課程等4個模塊構成。其中，專業必修課包括學科交叉實踐課程和項目研究，學生通過實訓平臺訓練大規模數據集，培養實際操作能力；以研究項目驅動提高解決實際問題的能力和科研創新能力。在實施學科交叉融合的實踐課程時，培養院系與醫院、學術研究機構、企業等校外機構緊密合作，開展沉浸式體驗活動或者講座、研討會，由領域專家介紹項目工作，幫助學生了解現實實際問題和領域研究前沿方向，為后期研究課題做準備。學生進行研究項目過程中，高校與學術研究機構、醫院、企業深度合作，要求學生參與其他機構的研究項目，完成個人研究課題。此外，核心課程設計、交叉學科融合的實踐課程設計，高校授課教師與其他機構深度合作，多機構參與課程設計，面向醫學領域實際前沿問題建設專題課程。

（2）根據用人機構評價和反饋，不斷優化設置各類課程數占比。首次建立各類課程，依據國內外高校已開設課程，分類統計各類課程數量后，設置課程數占比。根據國內外課程調研，各類課程數占比如圖2所示。其中，數據科學類課程（32%）、醫學類課程（22%）和醫學領域數據科學實踐課程（16%）等三類課程數占比排在前三位。其中，數據科學類課程主要包括數據素養課程、數據技能課程，數據素養課程以數據科學導論課程形式開設，講授數據隱私與保護、數據倫理以及數據分析基礎；數據技能課程要求學生掌握數據全生命周期各階段的方法與技術，內容一般包括數據采集與預處理、數據處理與分析、數據存儲、數據挖掘、數據可視化等課程，對于“醫學+數據科學”專業，則主要以數據分析與處理、數據可視化等課程為主。

4.5"加強基礎設施平臺建設

高校應加強中國大學慕課等線上精品課程建設，實現課程共享，課程由具有優勢學科的高校引領建設，彌補普通醫學類高校師資和課程建設上的不足，并滿足來自不同機構的培養需求主體的靈活學習需要，在培養過程中不受時間、空間限制。研發在線互動課程［17］，以高效使用數據科學生命周期和預測建模等與實踐密切相關的在線課程。建立基于大規模數據集的實訓平臺，為學生提供操作技能訓練平臺與工具，數據集來源應由學術研究機構、公共衛生機構、醫院等各醫學領域研究實踐產生，包括例行收集的原始數據、可開放獲取的科研數據等。同時，加強建設支持大規模數據集實訓操作的高算力基礎設施。

結語

本文針對我國“醫學+數據科學”創新人才培養面臨的困境，提出復合型創新人才培養優化路徑，滿足醫院、學術研究機構、高校等不同學科不同職業背景人群的持續學習和科研需求，為“醫學+數據科學”創新人才培養提供思路。

參考文獻：

［1］ATTWOOD"T"K，BLACKFORD"S，BRAZAS"MD，et"al.A"global"perspective"on"evolving"bioinformatics"and"data"science"training"needs［J］.Briefings"in"Bioinformatics，2019，20（2）：398404.

［2］GOLDSMITH"J，SUN"Y，FRIED"L，et"al.The"Emergence"and"Future"of"Public"Health"Data"Science［J］.Public"Health"Reviews，2021，42：1604023.

［3］王曹，蔡煜鋒，虢毅，等.新醫科背景下醫學院校大數據專業人才培養實踐與啟示［J］.醫學信息學雜志，2023，44（4）：9398.

［4］索智楊.中、英、美三國部分著名高校健康數據科學專業對比分析［J］.中國現代醫生，2023，61（3）：104106+119.

［5］柯巧，陸夢依，陳峰，等.生物醫學大數據專業課程設置現狀與思考［J］.中國衛生統計，2023，40（6）：946949.

［6］王曉東，王超，左風云，等.健康醫療大數據視角下面向應用型人才培養的大數據導論課程教學改革實踐［J］.醫學信息，2021，34（4）：2527+31.

［7］DUNN"M"C，BOURNE"P"E.Building"the"biomedical"data"science"workforce［J］.Plos"Biology，2017，15：e2003082.

［8］CUSSATBLANC"S，CASTETSRENARD"C，MONSARRAT"P.Doctors"in"Medical"Data"Sciences：A"New"Curriculum［J］.International"Journal"of"Environmental"Research"and"Public"Health，2022，20（1）：675.

［9］ISOLA"M，KRIVE"J.Innovation"of"health"data"science"curricula［J］.Jamia"Open，2022，5（3）：ooac073.

［10］BRENNAN"P"F，BAKKEN"S.Nursing"needs"big"data"and"big"data"needs"nursing［J］.J"Nurs"Scholarsh，2015，47（5）：477484.

［11］ITTENBACH"R"F.From"clinical"data"management"to"clinical"data"science：Time"for"a"new"educational"model［J］.CtsClinical"and"Translational"Science，2023，16：13401351.

［12］SHEA"K"D，BREWER"B"B，CARRINGTON"J"M，et"al.A"model"to"evaluate"data"science"in"nursing"doctoral"curricula［J］.Nursing"Outlook，2019，67：3948.

［13］GUTIRREZaGUADO"A，CURIOSO"W"H，Machicao"J"C，et"al.Strengthening"capacities"of"multidisciplinary"professionals"to"apply"data"science"in"public"health：Experience"of"an"international"graduate"diploma"program"in"Peru［J］.International"Journal"of"Medical"Informatics，2023，169：104913.

［14］BRENNAN"P"F，BAKKEN"S.Nursing"needs"big"data"and"big"data"needs"nursing［J］.J"Nurs"Scholarsh，2015，47（5）：477484.

［15］DESAI"M，BOULOS"M，POMANN"G"M，et"al.Establishing"a"Data"Science"Unit"in"an"Academic"Medical"Center：An"Illustrative"Model［J］.Academic"Medicine，2022，97：6975.

［16］劉和東，陳文瀟.資源互補與行為協同提升合作績效的黑箱解構：以高新技術企業為對象的實證分析［J］.科學學研究，2020，38（10）：18471857.

［17］BURCKHARDT"P，GRAFF"L"K，VENKAT"D，et"al.In"8th"IEEE"International"Conference"on"Healthcare"Informatics（ICHI）［J］.Ieee"Computer"Soc，Electr"Network，2020：560566.

基金名稱：納米金猝滅劑合成及背景熒光免疫層析檢測hscTnI（編號：2020D01C160）

作者簡介：關慶娟（1985—"），女，錫伯族，新疆伊犁人，碩士研究生，館員，研究方向：數據科學領域應用研究、數智教育研究。

*通信作者：王磊（1983—"），男，漢族，新疆昌吉人，博士研究生，高級實驗師，研究方向：藥物分析與藥學教育研究。