新醫(yī)科背景下人工智能在醫(yī)學(xué)生物化學(xué)教學(xué)中的應(yīng)用

隨著生活水平的提高，人民群眾對(duì)衛(wèi)生健康的高質(zhì)量需求日益增長(zhǎng)。在《“健康中國(guó)2030”規(guī)劃綱要》中，明確提出了2030年人民健康水平持續(xù)提升的具體目標(biāo)，這一宏偉目標(biāo)的實(shí)現(xiàn)，離不開大量高素質(zhì)復(fù)合型的衛(wèi)生健康人才。因此，醫(yī)學(xué)院校的教師們面臨著如何培養(yǎng)符合時(shí)代發(fā)展趨勢(shì)的醫(yī)學(xué)人才的重大課題。

新醫(yī)科理念的提出，正是對(duì)這一挑戰(zhàn)的積極回應(yīng)，它打破了傳統(tǒng)醫(yī)學(xué)教育中各學(xué)科間的壁壘，致力于培養(yǎng)預(yù)防、治療、康復(fù)等多領(lǐng)域全覆蓋的復(fù)合型醫(yī)學(xué)人才[]。這就要求醫(yī)學(xué)生不僅需要具備扎實(shí)的基礎(chǔ)知識(shí)，還需要擁有跨學(xué)科的知識(shí)背景和卓越的創(chuàng)新能力。新醫(yī)科人才培養(yǎng)將成為影響智慧醫(yī)療產(chǎn)業(yè)發(fā)展的關(guān)鍵[2]。以人工智能（artificial intelligence，AI）、大數(shù)據(jù)、新材料、智能制造、生物技術(shù)等為代表的新一輪科技革命和產(chǎn)業(yè)變革，正深刻改變著醫(yī)學(xué)教育的生態(tài)。這些新技術(shù)不僅推動(dòng)了衛(wèi)生健康行業(yè)新業(yè)態(tài)的形成，如臨床診療、醫(yī)療裝備、新藥研發(fā)、臨床技術(shù)與決策等方面的數(shù)據(jù)化、精準(zhǔn)化、智能化特征愈發(fā)顯著，還為醫(yī)學(xué)教育提供了更便捷、高效的教學(xué)手段和學(xué)習(xí)資源，極大地拓展了醫(yī)學(xué)教育的邊界和可能性[3-4] O

1醫(yī)學(xué)生物化學(xué)教學(xué)現(xiàn)狀

醫(yī)學(xué)生物化學(xué)是醫(yī)學(xué)教育中一門重要的專業(yè)基礎(chǔ)課程，能為后續(xù)深入學(xué)習(xí)其他專業(yè)課程奠定基礎(chǔ)。它主要揭示人體正常生命活動(dòng)以及疾病發(fā)生發(fā)展的分子機(jī)制，教學(xué)內(nèi)容涵蓋結(jié)構(gòu)生物化學(xué)、代謝生物化學(xué)、遺傳信息的傳遞以及醫(yī)學(xué)分子生物學(xué)等多個(gè)方面，內(nèi)容艱深抽象，學(xué)生學(xué)習(xí)難度大。然而，傳統(tǒng)的教學(xué)理念滯后、目標(biāo)單一，教學(xué)方法陳舊，缺乏學(xué)習(xí)支持服務(wù)意識(shí)。往往以知識(shí)講授為主，學(xué)生被動(dòng)聽課、思考和做題，參與度低，課堂交流單調(diào)，學(xué)生主動(dòng)性差、思想受束縛，主體地位得不到體現(xiàn)[5]

醫(yī)學(xué)生物化學(xué)教學(xué)對(duì)新技術(shù)應(yīng)用的需求十分迫切。如何提高教學(xué)效率與質(zhì)量、促進(jìn)教學(xué)內(nèi)容更新、進(jìn)一步提升學(xué)生學(xué)習(xí)興趣、持續(xù)培養(yǎng)創(chuàng)新與實(shí)踐能力以適應(yīng)個(gè)體化醫(yī)療發(fā)展趨勢(shì)等，一直是老師們需要思考的問(wèn)題。近幾年，線上線下混合式教學(xué)得到重視，各省通過(guò)項(xiàng)目的方式，建設(shè)了一大批在線開放精品課程，用信息技術(shù)手段將顆粒化的課程知識(shí)以MOOC（大規(guī)模開放在線課程）、微課等形式展示，推動(dòng)實(shí)現(xiàn)課程知識(shí)和資源的共享，加強(qiáng)了助學(xué)、導(dǎo)學(xué)、促學(xué)、督學(xué)等支持服務(wù)，教學(xué)效率與質(zhì)量得到了提高，但離真正的智慧教學(xué)還有一定的距離。

2AI在醫(yī)學(xué)生物化學(xué)教學(xué)中的應(yīng)用探索

2.1AI輔助課前備課備課是教學(xué)活動(dòng)中一個(gè)重要的環(huán)節(jié)，教師授課前要花大量的時(shí)間進(jìn)行備課，設(shè)計(jì)教學(xué)方案。以糖代謝章節(jié)為例，教師可以利用AI的智能備課助手功能，輸入糖分解代謝、糖原代謝、糖異生、血糖等關(guān)鍵詞，AI能依據(jù)學(xué)生水平，自動(dòng)生成涵蓋教學(xué)自標(biāo)、重點(diǎn)難點(diǎn)、教學(xué)方法、教學(xué)活動(dòng)、評(píng)價(jià)方式等的備課材料。不僅節(jié)省了教師查找資料和構(gòu)思框架的時(shí)間，還能確保備課內(nèi)容的專業(yè)性和實(shí)用性。

AI還能為教師提供多樣化的教學(xué)活動(dòng)創(chuàng)意。教師可以向AI提出具體需求，如“為糖的無(wú)氧氧化設(shè)計(jì)一場(chǎng)互動(dòng)性強(qiáng)的教學(xué)活動(dòng)”，AI可能會(huì)建議角色扮演、小組辯論、歷史場(chǎng)景重現(xiàn)等活動(dòng)形式，以豐富課堂教學(xué)形式，激發(fā)學(xué)生的學(xué)習(xí)興趣。AI還能根據(jù)學(xué)生的學(xué)習(xí)進(jìn)度和掌握程度，為教師提供個(gè)性化教學(xué)建議。同時(shí)，AI還能結(jié)合學(xué)科熱點(diǎn)問(wèn)題進(jìn)行教學(xué)，拓寬學(xué)生的視野。比如將應(yīng)用ALphaFold（阿爾法折疊）預(yù)測(cè)蛋白質(zhì)的三維結(jié)構(gòu)作為教學(xué)案例引入生物化學(xué)課堂，就是一個(gè)將學(xué)科前沿?zé)狳c(diǎn)問(wèn)題融入教學(xué)的極好案例[。可以在課程教學(xué)中引人AI元素的內(nèi)容的還有：用iLearnPlus分析DNA、RNA或蛋白質(zhì)的序列；用AgentBind分析并識(shí)別轉(zhuǎn)錄因子；用LiP-Quant識(shí)別蛋白質(zhì)與靶向藥物的特征；用Clin-Var、Genecard或AlphaFold查詢基因的結(jié)構(gòu)和功能，并進(jìn)一步預(yù)測(cè)蛋白質(zhì)的結(jié)構(gòu)等等[7]

2.2AI輔助實(shí)驗(yàn)教學(xué)生物化學(xué)實(shí)驗(yàn)教學(xué)是連接抽象理論與實(shí)際操作的關(guān)鍵橋梁，它不僅深化了醫(yī)學(xué)生對(duì)基礎(chǔ)知識(shí)和基本技能的理解，還有效激發(fā)了他們探索生物化學(xué)領(lǐng)域的熱情[8]。AI在醫(yī)學(xué)生物化學(xué)實(shí)驗(yàn)?zāi)M與操作指導(dǎo)方面的應(yīng)用，為實(shí)驗(yàn)教學(xué)帶來(lái)了顛覆性的變革。例如秦磊等[9應(yīng)用人工智能生成內(nèi)容（artificial intelligencegenerated content，AIGC）大模型編寫了酸堿中和滴定動(dòng)態(tài)圖像的代碼，基于這套代碼，創(chuàng)新性地構(gòu)建了“實(shí)驗(yàn)圖像代碼生成 + 調(diào)優(yōu)”的范式，成功地將復(fù)雜的化學(xué)實(shí)驗(yàn)圖像問(wèn)題轉(zhuǎn)化為可通過(guò)程序操控、直觀可視且富有動(dòng)態(tài)效果的解決方案。

在明確實(shí)驗(yàn)?zāi)繕?biāo)與需求的基礎(chǔ)上，可以利用歷年學(xué)生實(shí)驗(yàn)報(bào)告，收集大量的實(shí)驗(yàn)數(shù)據(jù)，包括實(shí)驗(yàn)步驟、試劑用量、反應(yīng)條件、實(shí)驗(yàn)結(jié)果等，根據(jù)實(shí)驗(yàn)的特點(diǎn)和需求，選擇合適的AI模型，如深度學(xué)習(xí)模型、機(jī)器學(xué)習(xí)算法等。使用處理后的數(shù)據(jù)對(duì)模型進(jìn)行訓(xùn)練，使其能夠?qū)W習(xí)和理解實(shí)驗(yàn)的規(guī)律和特點(diǎn)。

利用AI技術(shù)模擬實(shí)驗(yàn)中的試劑和設(shè)備，包括試劑的種類、用量、反應(yīng)條件等。同時(shí)，可利用AI技術(shù)模擬實(shí)驗(yàn)的操作過(guò)程，包括試劑的添加、設(shè)備的操作、反應(yīng)條件的控制等，確保模擬的操作步驟與真實(shí)實(shí)驗(yàn)中的操作步驟一致。還能通過(guò)AI技術(shù)篩選最優(yōu)的實(shí)驗(yàn)條件、試劑用量等，以減少實(shí)驗(yàn)次數(shù)和成本。此外，可利用AI模型對(duì)實(shí)驗(yàn)結(jié)果進(jìn)行預(yù)測(cè)和分析，包括反應(yīng)產(chǎn)物的種類、數(shù)量、性質(zhì)等，將預(yù)測(cè)結(jié)果與真實(shí)實(shí)驗(yàn)結(jié)果進(jìn)行對(duì)比，以評(píng)估AI模擬實(shí)驗(yàn)的準(zhǔn)確性和可靠性。

AI還能構(gòu)建虛擬實(shí)驗(yàn)室。將AI模擬實(shí)驗(yàn)應(yīng)用于虛擬實(shí)驗(yàn)室中，學(xué)生在虛擬環(huán)境中進(jìn)行生物化學(xué)實(shí)驗(yàn)的操作和學(xué)習(xí)，利用AI為學(xué)生提供實(shí)驗(yàn)操作指導(dǎo)，幫助學(xué)生掌握實(shí)驗(yàn)技能，與傳統(tǒng)的實(shí)驗(yàn)室相比，更安全、便捷，大大降低了實(shí)驗(yàn)風(fēng)險(xiǎn)和成本，為生物化學(xué)實(shí)驗(yàn)教學(xué)開辟了新的天地。

2.3AI構(gòu)建知識(shí)圖譜 醫(yī)學(xué)生物化學(xué)是一門龐大且復(fù)雜的學(xué)科，它涵蓋了眾多生物大分子的結(jié)構(gòu)與功能、代謝途徑與能量轉(zhuǎn)換，以及遺傳信息的調(diào)控與表達(dá)等核心內(nèi)容。構(gòu)建知識(shí)圖譜能夠?qū)⑦@些分散的知識(shí)點(diǎn)整合，形成一個(gè)系統(tǒng)化、結(jié)構(gòu)化的知識(shí)體系。已知的通用知識(shí)圖譜數(shù)據(jù)庫(kù)涵蓋了諸如Google的知識(shí)圖譜（knowledgegraph）、Microsoft 的概念圖（con-ceptgraph）DBpedia、Freebase，以及國(guó)內(nèi)的知立方和知心等多個(gè)平臺(tái)[10]。對(duì)于教師而言，知識(shí)圖譜可作為教學(xué)的重要輔助工具，幫助他們規(guī)劃教學(xué)計(jì)劃和活動(dòng)，引導(dǎo)學(xué)生自主學(xué)習(xí)。對(duì)學(xué)生來(lái)說(shuō)，知識(shí)圖譜提供了一個(gè)直觀、清晰的學(xué)習(xí)路徑，有助于他們系統(tǒng)地掌握醫(yī)學(xué)生物化學(xué)知識(shí)。學(xué)生可以通過(guò)瀏覽知識(shí)圖譜，掌握各個(gè)知識(shí)點(diǎn)之間的關(guān)聯(lián)和層次關(guān)系，從而更深入地理解課程內(nèi)容。

以糖代謝章節(jié)為例，AI可以選取權(quán)威的生物化學(xué)教材（如楊榮武主編的《生物化學(xué)原理》）、研究論文、數(shù)據(jù)庫(kù)，如PubMed、GeneOntology、KEGG（Kyotoencyclopedia of genesand genomes，京都基因與基因組百科全書）等，以及相關(guān)的教科書和科研文獻(xiàn)作為數(shù)據(jù)源。命名實(shí)體識(shí)別技術(shù)（named entityrecogni-tion，NER）是一項(xiàng)自然語(yǔ)言處理技術(shù)，能從文本中自動(dòng)檢測(cè)并分類出具有特定意義的實(shí)體，利用NER可以從教材中精確地識(shí)別出該章節(jié)的重要詞語(yǔ)，如糖酵解、糖有氧氧化、磷酸戊糖途徑、三羧酸循環(huán)、乳酸循環(huán)、糖異生等，這些實(shí)體將成為知識(shí)圖譜中的關(guān)鍵節(jié)點(diǎn)。通過(guò)關(guān)系抽取技術(shù)（relationextraction），進(jìn)一步厘清這些實(shí)體之間的復(fù)雜關(guān)系，如糖酵解-糖異生的關(guān)系、糖原代謝與血糖相互作用等，為圖譜的構(gòu)建增加更多的細(xì)節(jié)和深度。選擇合適的知識(shí)表示模型，如資源描述框架（resourcedescription framework，RDF）、網(wǎng)絡(luò)本體語(yǔ)言（Web ontology language，OWL）等，來(lái)描述糖代謝各代謝途徑以及相互聯(lián)系。將識(shí)別出的這些實(shí)體和關(guān)系整合到知識(shí)圖譜中，形成層次化、結(jié)構(gòu)化的知識(shí)體系。可以使用圖算法和機(jī)器學(xué)習(xí)技術(shù)對(duì)圖譜進(jìn)行進(jìn)一步的處理優(yōu)化和分析。最后使用圖數(shù)據(jù)庫(kù)（如Neo4j，一種圖形數(shù)據(jù)庫(kù)軟件）來(lái)存儲(chǔ)和管理知識(shí)圖譜。

2.4AI評(píng)估教學(xué)效果傳統(tǒng)的學(xué)習(xí)效果通常以學(xué)生成績(jī)來(lái)體現(xiàn)，學(xué)生學(xué)期總評(píng)成績(jī)一般由平時(shí)成績(jī)和期末考核成績(jī)兩部分構(gòu)成，組成要素較為單一，不能很好地體現(xiàn)出學(xué)生真實(shí)的學(xué)習(xí)狀態(tài)，也不能體現(xiàn)出學(xué)生素質(zhì)技能的提升和情感態(tài)度價(jià)值觀的收獲。AI可以通過(guò)各種傳感器、日志文件及用戶交互情況，精準(zhǔn)捕捉學(xué)生的學(xué)習(xí)行為數(shù)據(jù)，包括復(fù)習(xí)頻次、答題速度、正確率等；還能通過(guò)課堂互動(dòng)系統(tǒng)捕捉到聽課專注時(shí)間、眼神交流、對(duì)老師提問(wèn)的反應(yīng)速度、回答問(wèn)題的主動(dòng)性等微觀表現(xiàn)；此外，通過(guò)調(diào)查問(wèn)卷、討論區(qū)發(fā)言等，能收集到學(xué)生的學(xué)習(xí)感受、學(xué)習(xí)效果等主觀反饋，深人洞察學(xué)生的情緒狀態(tài)。通過(guò)算法模型，評(píng)估學(xué)生對(duì)各章節(jié)知識(shí)點(diǎn)掌握的程度，進(jìn)而識(shí)別出學(xué)生的知識(shí)盲區(qū)和可提升的潛力區(qū)。比如超星學(xué)習(xí)通的AI工作平臺(tái)，可以幫助整理班級(jí)學(xué)情分析，并提供班級(jí)學(xué)生分層畫像（如圖1），還能根據(jù)每個(gè)學(xué)生的學(xué)習(xí)數(shù)據(jù)做出個(gè)人學(xué)習(xí)畫像（如圖2），有利于教師迅速了解學(xué)生的學(xué)習(xí)狀況和行為模式并根據(jù)學(xué)情及時(shí)調(diào)整教學(xué)。

圖1學(xué)習(xí)通AI平臺(tái)呈現(xiàn)學(xué)生分層畫像

圖2學(xué)習(xí)通AI平臺(tái)呈現(xiàn)學(xué)生畫像

2.5AI助力智慧學(xué)習(xí)在充分分析學(xué)情的基礎(chǔ)上，AI可以根據(jù)學(xué)生的學(xué)習(xí)進(jìn)度和學(xué)習(xí)能力，精心設(shè)計(jì)個(gè)性化的學(xué)習(xí)方案，推薦相應(yīng)的學(xué)習(xí)資源包，以糖代謝章節(jié)為例，對(duì)于學(xué)習(xí)較為困難的學(xué)生，可以推送糖代謝途徑的可視化視頻或動(dòng)畫，方便學(xué)生掌握糖代謝過(guò)程和關(guān)鍵酶等基本的知識(shí)內(nèi)容;對(duì)于程度好一些的學(xué)生，可以推送糖代謝與疾病發(fā)生的關(guān)系，糖尿病的發(fā)病機(jī)制、治療的原則及生化原理等較為綜合的內(nèi)容；對(duì)于學(xué)有余力的學(xué)生，可以推送糖代謝最新的研究進(jìn)展，如一種新型肌肉分泌蛋白“Feimin（肌泌降糖素）”的發(fā)現(xiàn)及其在調(diào)節(jié)機(jī)體葡萄糖穩(wěn)態(tài)中的重要作用機(jī)制等。利用智能問(wèn)答系統(tǒng)、智能輔導(dǎo)系統(tǒng)，如 Carnegie Learning、Squirrel AI、DeepSeek等，及時(shí)解決學(xué)生學(xué)習(xí)上的難點(diǎn)。同時(shí)，AI能為每個(gè)學(xué)生提供量身定制的學(xué)習(xí)建議，包括學(xué)習(xí)方法改善、時(shí)間管理、難點(diǎn)攻克路徑等，幫助學(xué)生提高學(xué)習(xí)效果。

將最新科研成果融人課程教學(xué)是促進(jìn)醫(yī)學(xué)生物化學(xué)內(nèi)容更新的關(guān)鍵環(huán)節(jié)。例如，在糖、脂類、氨基酸等物質(zhì)代謝章節(jié)中，通過(guò)虛擬現(xiàn)實(shí)技術(shù)模擬復(fù)雜的物質(zhì)代謝變化，使學(xué)生更直觀地理解相應(yīng)化學(xué)反應(yīng)的機(jī)制。可以將基因編輯（如CRISPR-Cas9）、蛋白質(zhì)結(jié)構(gòu)研究、代謝組學(xué)等最新科研成果融入教學(xué)內(nèi)容，使學(xué)生了解生物化學(xué)領(lǐng)域的最新進(jìn)展，拓寬視野，促進(jìn)教學(xué)內(nèi)容更新，幫助學(xué)生自主學(xué)習(xí)、深度學(xué)習(xí)。比如在糖代謝章節(jié)給學(xué)生布置分組任務(wù)“在查閱文獻(xiàn)基礎(chǔ)上，提出新型血糖調(diào)控策略”。學(xué)生利用AI查找文獻(xiàn)、閱讀文獻(xiàn)、制作PPT，形成小組的成果方案并進(jìn)行交流匯報(bào)，采用Rubric評(píng)分法量化。在這個(gè)過(guò)程中學(xué)生的團(tuán)隊(duì)合作、溝通協(xié)調(diào)能力得到鍛煉，批判性思維能力、創(chuàng)新能力得到提升。

3 AI應(yīng)用效果比較

選取本校2023級(jí)臨床專業(yè)兩個(gè)平行班級(jí)（A班50人，B班50人）作為研究對(duì)象，兩個(gè)班級(jí)在生源、授課教師、教材、課時(shí)均保持一致，A班采用傳統(tǒng)教學(xué)模式，B班引入AI輔助教學(xué)，教學(xué)周期為一學(xué)期。收集兩個(gè)班級(jí)學(xué)業(yè)成績(jī)進(jìn)行對(duì)比（圖3），結(jié)果顯示：兩個(gè)班級(jí)在反映過(guò)程性學(xué)習(xí)狀態(tài)的簽到、音視頻學(xué)習(xí)、隨堂作業(yè)的平均得分較為接近，表明學(xué)生在基礎(chǔ)學(xué)習(xí)行為（如出勤、資源學(xué)習(xí)）上無(wú)明顯差異。而課程積分（包含參與投票、問(wèn)卷、搶答、選人、隨堂練習(xí)等課程活動(dòng)）、分組任務(wù)、討論的平均成績(jī)，引入AI輔助教學(xué)的B班分別比A班高15. 4%（B班成績(jī)-A班成績(jī)）（204號(hào) ?×100% ，下文的百分比按此A班成績(jī)公式計(jì)算]（ Plt;0.05） ） 14.38% （ Plt;0.05？ 和 11.89%（ Plt;0.01 ）。期末成績(jī)的差距也十分明顯，B班比A班期末成績(jī)高 20.22%（Plt;0.05） 。說(shuō)明AI通過(guò)即時(shí)反饋（如搶答積分激勵(lì)）、個(gè)性化任務(wù)推送（如適配學(xué)生水平的練習(xí)題），有效提升了課堂參與度和學(xué)生學(xué)習(xí)的主動(dòng)性，提升了學(xué)生的課堂互動(dòng)質(zhì)量；同時(shí)AI優(yōu)化了團(tuán)隊(duì)分工效率，促進(jìn)學(xué)生通過(guò)協(xié)作解決問(wèn)題；此外，AI優(yōu)化了討論活動(dòng)，激發(fā)了學(xué)生深度思考與表達(dá)意愿，鍛煉了學(xué)生批判性思維與溝通能力，推動(dòng)學(xué)生從“被動(dòng)接受\"轉(zhuǎn)向“主動(dòng)探索”，顯著提升學(xué)習(xí)效率，為學(xué)生綜合素質(zhì)培養(yǎng)提供了有效路徑。

注：與A班相比， ^**Plt;0.01 ， ^*Plt;0.05

圖3兩個(gè)平行班學(xué)業(yè)成績(jī)比較

4AI技術(shù)潛在局限性

步入智能時(shí)代，學(xué)生獲取知識(shí)及認(rèn)知世界的模式正經(jīng)歷著深刻變革，AI在提升教學(xué)效果方面發(fā)揮了積極作用，然而，其背后也潛藏著不容忽視的局限性。首先是數(shù)據(jù)隱私與安全問(wèn)題。引人AI輔助教學(xué)后，系統(tǒng)會(huì)收集大量學(xué)生的學(xué)習(xí)行為數(shù)據(jù)，如學(xué)習(xí)進(jìn)度、分組任務(wù)完成情況、課堂互動(dòng)記錄等。這些數(shù)據(jù)涉及學(xué)生的個(gè)人隱私，一旦泄露，可能會(huì)對(duì)學(xué)生的個(gè)人生活和學(xué)習(xí)造成不良影響。其次是技術(shù)依賴性問(wèn)題，當(dāng)AI能夠快速提供答案和解決方案時(shí)，學(xué)生可能忽視主動(dòng)思考的過(guò)程，客觀上形成認(rèn)知外包，會(huì)導(dǎo)致思維懶惰與幼稚化、認(rèn)知地位邊緣化、發(fā)展主體性喪失、認(rèn)知膚淺與碎片化、認(rèn)知偏見與極端化等嚴(yán)重問(wèn)題[1]。因此要求教師持續(xù)推進(jìn)核心素養(yǎng)導(dǎo)向的深度教學(xué)，讓AI技術(shù)作為一種工具來(lái)實(shí)現(xiàn)學(xué)生認(rèn)知能力的提升。另外，一些AI模型的訓(xùn)練數(shù)據(jù)來(lái)源于外網(wǎng)資料，會(huì)帶來(lái)文化和意識(shí)形態(tài)的問(wèn)題[12-13]，教學(xué)中應(yīng)注意培養(yǎng)學(xué)生批判性思維能力，同時(shí)注意融人課程思政教育，加強(qiáng)對(duì)學(xué)生的社會(huì)主義核心價(jià)值觀的引導(dǎo)。

5結(jié)語(yǔ)

在新醫(yī)科背景下，人工智能在生物醫(yī)學(xué)教學(xué)領(lǐng)域的應(yīng)用會(huì)更加廣泛。從近幾年教師將AI應(yīng)用于生物化學(xué)教學(xué)初步探索結(jié)果來(lái)看，均取得了不錯(cuò)的反饋[14-18]，繼DeepSeek 火爆之后，Manus等人工智能體相繼發(fā)布，必將對(duì)人們的工作生活帶來(lái)巨大影響。隨著人工智能及相關(guān)技術(shù)的進(jìn)一步發(fā)展，相信人工智能一定能助力醫(yī)學(xué)生物化學(xué)教學(xué)質(zhì)量的飛躍提升，為培養(yǎng)學(xué)生的創(chuàng)新與實(shí)踐能力，為生物醫(yī)學(xué)領(lǐng)域的發(fā)展輸送更多高素質(zhì)的專業(yè)人才提供條件。

參考文獻(xiàn)

[1] 孫淑彩，李磊.新醫(yī)科視角下中醫(yī)人才培養(yǎng)現(xiàn)狀、困境與實(shí)踐路徑研究[J].長(zhǎng)春理工大學(xué)學(xué)報(bào)（社會(huì)科學(xué)版），2022，35（6）：118-122，141.

[2] 黃智若，沈曉沛，陳湖星，等.“醫(yī)學(xué) + 人工智能”復(fù)合型創(chuàng)新人才培養(yǎng)模式探析[J].中國(guó)醫(yī)學(xué)教育技術(shù)，2024，38（3）：271-275.

[3] 牛寶榮.為思維而教：數(shù)智時(shí)代知識(shí)教學(xué)的機(jī)遇、挑戰(zhàn)與應(yīng)對(duì)[J].電化教育研究，2024，45（10）：86-91.

[4] 李永梅，孟志遠(yuǎn).數(shù)智技術(shù)賦能高質(zhì)量教學(xué)的時(shí)間之維審思[J].教學(xué)與管理，2024（30）：25-29.

[5] 郭鵬威，馬燕飛，李雪斌，等.“新醫(yī)科”背景下BOP-PPS教學(xué)模式在內(nèi)科學(xué)泌尿系統(tǒng)疾病臨床見習(xí)中的教學(xué)設(shè)計(jì)—以腎病綜合征為例［J].右江醫(yī)學(xué)，2023，51（7） ：669-672.

[6] 劉洪艷，劉良森.生物化學(xué)教學(xué)案例的構(gòu)建一人工智能預(yù)測(cè)蛋白質(zhì)結(jié)構(gòu)［J].化學(xué)教育（中英文）2024，45（2） ：92-97.

[7] 連超群，黃樺，張強(qiáng)，等.人工智能在生物化學(xué)與分子生物學(xué)教學(xué)中的運(yùn)用及探討[J].河北北方學(xué)院學(xué)報(bào)（自然科學(xué)版），2024，40（6）：51-54.

[8] 李俐娟，唐旻，王五洲，等.智能移動(dòng)設(shè)備在生物化學(xué)實(shí)驗(yàn)教學(xué)中的應(yīng)用探索［J].基礎(chǔ)醫(yī)學(xué)教育，2017，19（6）：462-466.

[9] 秦磊，郭凱.生成式人工智能在酸堿中和滴定圖像模擬中的應(yīng)用[J].大學(xué)化學(xué)，2025，40（1）：1-8.

[10] 李振，周東岱.教育知識(shí)圖譜的概念模型與構(gòu)建方法研究[J].電化教育研究，2019，40（8）：78-86，113.

[11] 余勝泉，汪凡淙.人工智能教育應(yīng)用的認(rèn)知外包陷阱及其跨越[J].電化教育研究，2023，44（12）：5-13.

[12] MASTERS K.Ethical use of artificial intelligence inhealth professions education： AMEE Guide No.158[J].MedTeach，2023，45（6）：574-584.

[13] QiX，Zhu Z，WuB.The promiseand peril ofChatGPTingeriatric nursing education：What We know and donotknow[J].AgingHealthRes，2023，3（2）：100136.

[14] 張曉金，高艷鋒，曹思思，等.AIGC應(yīng)用于生物化學(xué)與分子生物學(xué)實(shí)驗(yàn)教學(xué)探索［J].基礎(chǔ)醫(yī)學(xué)教育，2024，26（5） ：406-411.

[15] 楊子巖，張翔，趙晶.AI教材在生物化學(xué)教學(xué)中的應(yīng)用[J].生命的化學(xué)，2025，45（1）：179-190.

[16] 張靜，孔璐，王雅梅.ChatGPT時(shí)代生物化學(xué)課堂教學(xué)融入科研訓(xùn)練的探索［J].基礎(chǔ)醫(yī)學(xué)教育，2023，25（12）：1042-1045.

[17] 王延蛟.ChatYY應(yīng)用于生物化學(xué)教學(xué)中的思考［J].基礎(chǔ)醫(yī)學(xué)教育，2024，26（8）：693-696.

[18] 張靜，王雅梅，孔璐.人工智能背景下代謝生物化學(xué)知識(shí)樹問(wèn)題鏈構(gòu)建[J].醫(yī)學(xué)教育研究與實(shí)踐，2024，32（6） ：751-756.

（收稿日期：2025-03-10修回日期：2025-05-03）（編輯：潘明志）

編者·讀者·作者

本刊關(guān)于“表和圖”的要求

用中文表述，應(yīng)少而精，文字能說(shuō)明的不用表和圖。表和圖不要重復(fù)同一數(shù)據(jù)，其設(shè)計(jì)應(yīng)正確、易懂，有自明性。一般采用三線表，表序和表題置于表上方;圖序、圖題和圖注置于圖下方。組織病理照片應(yīng)有良好的清晰度，特別是免疫組化染色的照片等最好采用彩圖（單欄大小為 8.0cm×5.0cm） ，圖的左下角注明圖序（如：A，B），右下角加標(biāo)尺，圖的下方標(biāo)出圖題（包括染色方法）和標(biāo)尺代表的長(zhǎng)度（如： Bar=250μm ）。在表、圖中用特定單位表示量的數(shù)值時(shí)，也可采用量和單位相比的形式，如 t/min ， p/kPa ， c/（mol/L） ）。線條圖應(yīng)清晰、數(shù)值準(zhǔn)確，涉及統(tǒng)計(jì)結(jié)果時(shí)應(yīng)在圖題中標(biāo)出 P 值大小。

·本刊編輯部·