四、“人工智能+”医学教学科研 （十二）“人工智能+”医学教学 75.医学教学智能辅助 基本概念：开展医学教学薄弱环节的虚实融合内容研发，研发可交互的教学工具，解决医学实操训练的教学难题，拓展教学模式，提升医学教学质量。 应用场景：基于虚拟现实、增强现实、混合现实、机器视觉、语言大模型等人工智能技术，构建院前急救、手术操作、医患沟通等虚实结合仿真课程，提供姿态识别、语音交互、知识推荐等工具，全面监测教学过程、教学内容、学生专注度等，建立教师教学画像和学生学习画像，精准推荐教学内容与课后作业，加强智能医学教学的针对性和实用性，了解学生学习成效，规范教师教学行为，提升教师教学能力。 76.医学智能仿真实验 基本概念：运用仿真模拟等人工智能技术，构建多层级多维度生物过程仿真模型，支持多类科研及临床试验应用。 应用场景：智能化医学仿真实验环境通过仿真建模复杂生物过程，可优化设计、降低成本、提高安全性，加速医疗科研创新。建立从分子、细胞、组织到器官和整个人体的多尺度基础生物模型，以模拟不同层级的生物过程。集成多源数据，可基于实际观测样本数据进行导入及综合模拟分析，并提供参数调节、规则设置，以支持对于不同目标人群的实验。应用人工智能算法，提升对于生物模型演化的学习预测能力，降低计算复杂性，提升对于复杂生物过程的智能模拟。提供交互仿真平台，面向生物标志物发现、药物研发仿真、疫苗研发支持、临床试验设计等不同应用场景，提供典型工作流编排、标准研发工具及开放对接能力。 77.医学教育患者虚拟人 基本概念：结合数字人、语言大模型等技术，基于患者诊疗案例建立患者虚拟人，提升医学教育的多样性、灵活性。 应用场景：基于对患者案例的脱敏、抓取、整合、筛选、摘要等步骤，形成高价值的医学教育案例储备和教学知识库。基于标准化患者数字虚拟人，结合案例数据及相关配置，模拟其病情的生理和病理表征。基于影像、病理等数据，通过三维重建技术形成患者的脏器孪生模型。通过语言大模型加载案例数据、医学知识，模拟患者的沟通表述方式，支持学员与模拟患者进行仿真沉浸式互动。 78.医学教学资源智能生成 基本概念：基于大模型定制学习资料、真实病例展示和复杂过程演示等个性化医学教学资源，提高学习效率和质量。 应用场景：基于个性化教学资源平台建立多模态医学教育垂直类大模型，处理和学习文书、影像等多模态医学数据，提升教学资源生成效果。基于医学教育垂直类大模型进行具体生成应用的探索，为学员定制各类教学资源。通过对真实病例的学习进行合理化生成病例研究，自动收集整理相关论文、临床指南和多媒体内容，创建 3D 动画模拟演示复杂的医学过程等，生成的教学资源提供基于学员画像的主动式生成推送、智能交互式定制生成等两种方式。 79.医学科普智能生成 基本概念：自动生成和配置医学知识内容，以多媒体和人机互动形式向公众普及医学信息和健康知识。 应用场景：基于医学科普教育平台和医学基础垂直类大模型构建科普知识体系，生成科学准确的医学教育内容，通过文字、图像、视频等多模态语料的语义对齐，打造跨模态融合的生成能力，自动生成医学科普文章、视频脚本和真实案例解说等科普素材，使医学知识更加生动、易于理解。基于对患者诊疗记录、兴趣、需求和知识水平的画像分析，定制个性化的健康科普内容，智能推送其最相关和最感兴趣的信息。补充研发在线问答、模拟诊断游戏等互动模块，设计针对性的教育活动和挑战，提高用户的参与度和学习兴趣。 （十三）“人工智能+”医学科研 80.智能患者招募 基本概念：基于患者的诊疗数据，自动识别筛选符合临床研究条件的患者，加速患者招募。 应用场景：基于大数据技术，高效汇聚患者的入院信息、医生文书记录、检验检查、影像、病理、生物标志物等多源多模态诊疗信息。基于语言大模型的语义理解和信息抽取能力，对患者进行关键信息识别和综合评估，自动匹配临床试验入排标准，实时监测并通过医生工作站向医生自动推荐潜在受试者，从而有效降低人力耗时，提前储备受试者，有效加速临床试验进程。通过智能监测患者的反应和副作用，为临床决策提供支持。强化患者隐私保护，在技术层面通过患者信息脱敏处理、设置权限隔离、过程监管等方法提升信息安全能力，促进和规范对医疗健康数据的合理利用途径，提升相关人员的信息安全意识和法律意识。 81.智能研究型病房 基本概念：基于人工智能和物联网技术提供实时监测、智能辅助诊疗、试验灵活配置等能力，打造数智化研究型病房。 应用场景：利用物联网设备将人工智能算法嵌入边缘端，实时、按需管理配置和收集患者生命体征、病房环境参数等数据，协助保障试验过程的可靠性和可溯源。基于人工智能算法深度分析采集的数据，辅助医生的诊断与治疗方案评估，支持医护人员远程监控患者状态，及时响应医疗需求，减少不良反应、不良事件的发生。协助进行病房自动化管理，自动调节温度、湿度、照明等病房环境以适应患者需求，提示预测性设备维护以保障研究型病房稳定运行等。 82.医学科研智能辅助 基本概念：建立涵盖文献资料检索、数据制备、智能分析、结果解读的科研辅助工具库，提高科研效率。 应用场景：基于多模态大模型、计算机视觉、知识图谱、大数据分析等技术，辅助医生从海量文献资料中快速、精准地检索信息，按照医生个性化需求自动提炼、整合生成结构清晰、逻辑连贯的文献综述，提高医生查阅资料和信息汇总整理效率。辅助医生高效处理和整合多模态研究数据，提供数据标注、数据特征提取、深度学习建模和结果可视化等科研流程一体化智能分析工具，加速科研成果形成与转化。 83.智能文献挖掘分析 基本概念：应用语言大模型整合文献数据库公开数据，对文献进行领域归纳，挖掘归纳领域前沿热点。 应用场景：利用语言大模型的语义理解能力，挖掘分析国内外文献数据库公开数据，对文献要点进行分析、归纳和总结，实现文献按领域分类，结合对于文献文本的理解，总结归纳行业领域前沿研究热点并向医生智能推荐，为医生提供诊断治疗的最新方案和研究证据，为医生开展科研提供前沿热点文献和知识推荐，提升医生文献检索和阅读效率。 84.智能医学科研数据分析 基本概念：利用人工智能技术，整合医学文书、影像、基因组、转录组、蛋白质组、时序传感等多模态数据，建立全面分析辅助临床科研的智能平台。 应用场景：整合多模态医学数据，包括图像、文本、声音、传感器数据和基因组、转录组、蛋白质组等多组学数据，完成不同时间点、条件下的数据对齐，构建医学科研数据资源库。利用数据融合模型与方法，提供跨模态标注算法和标注工具，揭示跨模态数据之间的语义关联性，帮助分析其相互作用和整合效果，提高诊断和分析的准确性。面向不同类型的数据，提供计算机视觉、自然语言处理、图学习等多类算法，对多模态数据进行特征提取、模型训练、统计分析等，以识别疾病标志物和模式。提供科研合作平台，促进跨学科研究团队的协作，支持将分析结果转化为临床辅助决策支持工具，辅助医生进行更准确的诊断和治疗规划。 |
