【编者按】

在人工智能与人形机器人的一骑绝尘中，中国大学迎来2025。

2025年，注定要成为变革的年份。是以战略敏捷赢得战略主动，还是在延误中错失转型机遇，中国大学踏上征途。

人工智能技术如何赋能学科建设？人工智能技术给创新人才培养带来哪些启示？特推出“大学2025”专题，以深入探讨人工智能时代的大学之变。

近日，天津医科大学党委书记颜华接受采访表示，AI技术就像是一个“超级导师”，不仅提供强大的知识检索工具，还使学习过程更加个性化和高效。这意味着我们未来将更强调培养具备驾驭AI能力、解决复杂临床问题、拥有深厚人文素养和持续学习动力的创新型医学人才。谈及未来医生的核心竞争力，颜华认为，AI无法替代的恰恰是医生的“人性化特质”——包括复杂病例决策力、患者共情力、跨学科协作力等。

天津医科大学党委书记颜华

当AI技术以惊人的速度渗透进医疗领域，医学教育正站在历史性的转型路口。2025年，这个被业界普遍视为人工智能与教育深度融合的关键年份，将见证医学人才培养模式的深刻变革。近日，天津医科大学党委书记颜华在接受（www.thepaper.cn）专访时，全面阐述了AI时代医学教育的创新路径与发展方向。

“AI不是替代医生，而是重塑医生培养方式。”颜华直言。在医学影像诊断领域，AI算法已能精准识别病灶特征；在新药研发环节，生成式AI大幅提升了蛋白质结构预测效率；通过智能穿戴设备，患者的生理指标得以实时监测……这些突破性进展正在改写医学研究的范式——从传统的“实验驱动”转向更高效的“数据驱动”。天津医科大学正借助AI平台构建多组学数据库，通过整合基因组、转录组等多元数据，深入探索疾病发生的内在规律。

这场技术革命正在重新定义医学教育的使命。颜华强调，未来的医学教育将超越单纯的知识传授，转向培养“智能时代的复合型医学人才”。AI技术的引入解放了教师的生产力，使他们能够将更多精力投入到学生核心素养的培养上：包括临床思维能力、复杂病例决策能力，以及最珍贵的人文关怀精神。在AI这个“超级导师”的辅助下，个性化学习成为可能，但同时也对医学生提出了更高要求——不仅要掌握AI技术，更要具备驾驭AI解决实际临床问题的能力。

谈及未来医生的核心竞争力，颜华认为，AI无法替代的恰恰是医生的“人性化特质”——包括复杂病例决策力、患者共情力、跨学科协作力等。为此，天津医科大学开设了《人工智能与心血管医学》等特色课程，同时通过案例研讨、创新项目、叙事医学等多种形式，全方位培养学生的批判性思维和创新能力。

为推动医学AI教育的健康发展，颜华呼吁国家层面给予系统性支持：制定统一的教育标准、设立专项基金、建设国家级协作平台、加大基础设施投入等。

在颜华看来，这场由AI驱动的医学教育变革，最终目标是培养出既精通智能技术，又坚守医者初心的新时代良医。当技术日新月异之际，医学教育更需要守护好“生命至上”的永恒价值。

以下为对话实录：

：2025年被视为人工智能与教育深度融合的关键节点。作为医学院校的领导者，您认为AI技术将如何重新定义医学教育的核心使命？

颜华：确实，2025年是一个重要的转折点。AI正在以一种前所未有的方式重塑医学教育与科研格局。人工智能为医学研究提供了全新的数据分析与挖掘能力。例如，在医学影像领域，AI算法可以通过深度学习快速识别病灶特征，辅助医生进行早期诊断。在药物研发环节，生成式AI已成功预测蛋白质三维结构，极大缩短药物靶点发现周期。在生物医学工程领域，AI驱动的可穿戴设备正实现对人体生理信号的实时监测，如血糖、血压等指标的无创检测……这些进步让我们看到了AI的巨大潜力。

作为医学院校，我们还可以借助AI平台构建多组学数据库，将基因组、转录组、蛋白质组数据融合分析，挖掘疾病发生机制的潜在规律。这种从“实验驱动”到“数据驱动”的科研范式转变，正在催生跨学科研究新生态。

基于这样的背景，医学教育的核心使命也发生了变化。它不再是单纯的“传统的知识传递者”，而是拓展为“智能时代医学人才的塑造者”。这不仅是技术的叠加，更是理念的升华。通过AI的帮助，教师们可以从标准化流程教学中解放出来，把更多的精力放在培养学生的医学思维、复杂病例决策力和人文关怀上。AI技术就像是一个“超级导师”，不仅提供强大的知识检索工具，还使学习过程更加个性化和高效。这意味着我们未来将更强调培养具备驾驭AI能力、解决复杂临床问题、拥有深厚人文素养和持续学习动力的创新型医学人才。

：如何应对AI对传统医学知识体系的冲击？例如，医学影像、病理诊断等课程是否会重构？

颜华：AI对影像学、病理学等易被算法高效处理的领域冲击较大，重构课程势在必行。这些课程依然是医学教育中必不可少的，它们不会消失，只是其内涵将发生深刻变革，我们需要把教学重心转向“如何训练和质控AI工具”“解读AI输出结果的临床意义”“识别AI的局限性和潜在错误”等。

例如，“AI辅助医学影像判读”将替代部分纯读片训练，更着重算法原理、误差分析及临床关联判断的教学；在病理教学中引入AI作为数字助手，引导学生聚焦于AI难以企及的形态学复杂性解读和组织学演变分析。

另外，随着AI技术的不断发展，新的发现和诊疗路径也在不断涌现。这就要求我们必须保持知识体系的持续更新，将这些新进展迅速融入我们的教学内容中，确保学生能够接触到最前沿的知识和技术。

：天津医科大学是否会引入AI模拟诊疗、虚拟解剖等新技术替代部分传统教学？如何平衡技术工具与人文关怀的培养？

颜华：在教学方式上，拥抱创新技术是必然。天津医科大学正积极规划引入AI模拟诊疗、虚拟解剖等高沉浸式教学手段。虚拟病人、智能模拟人构成的“AI诊疗训练模式”将提供安全、可重复训练的复杂病例演练环境；虚拟解剖则突破尸体来源限制和时间约束，成为实体解剖的强大补充和延伸。当然，这绝不意味着AI能替代核心的人本体验。

AI技术是催化剂，而非替代品。所以我们希望的是构建“虚实结合”的教学范式，也就是说，通过实体解剖来锻炼学生实践能力以及对生命结构复杂性的敬畏，模拟诊疗则锻炼学生临床思维和应急反应。其关键在于精心设计混合式教学流程，确保技术服务于核心能力的提升。此外，我们要强化教师在实践环节中引导学生反思医患沟通、共情能力和伦理考量的独特作用，使人文关怀在技术环境中得以强化而非削弱。

：医学伦理课程是否增加了AI相关内容？

颜华：在AI时代，医学伦理教育显得尤为重要且急迫，医学伦理课程势必要深度融入AI相关议题。

今年，我们对研究生课程教学大纲进行了全面修订，其中，在研究生公共选修课《生命伦理学》课程中，把“医学高新科技伦理”作为一个独立章节，设计3个学时，围绕科技伦理治理的基本原则、生物医学新技术的伦理挑战与应对以及医疗大数据、医疗人工智能的伦理挑战与应对等进行讲授。让学生了解医学高新科技伦理的特殊性、熟悉科技伦理治理的基本原则、掌握医学高新科技伦理治理的策略，进而培养医学研究生的人文素质、科研诚信与批判性思维。

在本科生教学中，我们会将算法偏见（如何避免诊疗决策中的不公平性）、数据隐私（大规模健康数据的收集、使用与保护边界）、人机责任划分（当AI辅助诊疗出现错误，责任如何界定）、过度依赖技术的风险以及患者对AI的知情权与心理接受度等内容，作为医学生必备的伦理素养进行系统传授。这不仅关乎技术安全，更关乎医疗公正和患者信任。我们的伦理课程将从理论走向实践，结合临床案例和模拟场景，使学生能在真实医疗环境中辨识和应对AI带来的新型伦理困境。

：未来，医生需要具备哪些“AI不可替代”的核心能力？天津医科大学如何强化学生的批判性思维与创新实践能力？

颜华：就目前的AI技术趋势来看，AI更多的是辅助临床医生，承担着数据分析、快速筛查、预测分析和标准化等工作。主要是基于已有的知识、经验和单一模态的数据进行学习和判断，缺乏对病人个体化情况的综合考量。同时，对于AI给出的辅助诊断，仍需要医生结合病人个体差异进行评估、监控以及后续的学习提升等等。由于人体个体差异的复杂性、医学本身的人文属性，未来医生的核心价值在于复杂病例决策、人文关怀和伦理把控等方面。

当然，AI技术日新月异，我们也在思考，我们培养的未来的医生，需要在“人机协作”中找到不可替代的价值，我认为，这些核心能力包括：深刻理解疾病本质和人体复杂性的科学洞察力；在模糊信息下做出临床决策的判断力；有效沟通、共情抚慰患者的心灵照护力；跨学科协作、领导团队的整合力以及终身学习和适应快速变化的进化力；能够主动学习并应用人工智能等新技术的终身学习力；融会贯通多学科领域、解决综合问题的能力以及伦理规范与价值判断力等等。

短期来看，为强化学生的批判性思维与创新实践能力，我们已经建设多门AI相关课程，例如《ICU 2.0·智疗与仁心》《人工智能与心血管医学》《人工智能与护理》《环境暴露与健康效应-数据驱动的研究范式》及《数智赋能胃肠微生态与健康》，将AI的知识与应用融入专业课程教学。

技术终将是工具，而医生的批判性思维和创新能力是驾驭工具的关键。从长远的角度讲，我们必须要深化以案例为基础、问题为导向的教学模式，鼓励学生探讨开放性难题；拓展科研训练和实践创新项目，提供真实的科研环境去锤炼医学生的创新思维；构建医学人文大讲堂和叙事医学平台，滋养同理心与人文精神；建设智能化临床技能中心，强化学生在压力环境下的实操能力与即时决策等。​

：您希望国家在医学AI教育领域提供哪些支持？

颜华：作为医学院校，我们深刻理解单靠高校力量难以全面应对这场变革。我们期望国家能在医学AI教育领域提供系统性支持：例如，牵头制定医学AI素养教育标准和教学大纲，明确各阶段医学生应掌握的核心知识能力；设立“新医科+人工智能”专项教育与研究基金，重点支持跨学科课程开发、师资培训和技术平台建设，特别是高水平医学数据集和国产化教学平台的构建；设立专项项目，加大对医学 AI 教育相关科研项目的支持力度，鼓励教师开展教学改革和创新研究；搭建国家级医学AI教育协作网络，促进院校间优质资源和前沿实践经验的共享；尽快建立和完善适应AI时代的医学教育质量评估新体系；鼓励医工交叉复合型师资的培养与流动；加大对医学院校算力设施的投入，建设高性能计算中心和云计算平台，支持医学院校建设医学 AI 实验室，配备先进的实验设备和工具，如GPU服务器、数据采集设备等，为学生提供良好的实践教学环境，为医学AI 教育和科研提供强大的计算支持；这些都将为全国各医学院校培养未来所需的新型医学人才，提供坚实的支撑。