AI与不同学科从合作走向融合，交叉学科建构出新的知识结构，培养出复合型拔尖创新人才。PG电子麻将胡了2怎样才能赢在2024-2025学年推出百门AI领域课程，加快科学智能创新生态构建，让更多年轻人边习得、边运用、边创新，增强对未来的把控力。
为医学生量身打造AI课
在人工智能全面走入大众视野之前，就有相当一批教师敏锐地感知到科技的风向，未雨绸缪。
“医学生需要相关课程来补充交叉学科的知识。”早在2021年，“医学影像深度学习”课程就已正式开设，并在今年入选“AI-BEST”体系中的AI-S（AI学科进阶课程）类跨学科融合课程。
通过理论讲授和实践指导，“医学影像深度学习”课程培养医学生掌握深度学习的基本概念、关键算法，赋能模型设计与实现，架起医学影像处理与AI的桥梁。
“医学影像深度学习”授课团队合影
“人工智能是一个专业性较强的领域，如果不经过系统学习，自己摸索对医学生来说非常困难。” 授课团队教师均是生物医学工程专业出身，他们深知学科交叉的重要性。不同于其他医学类专业课，AI课程对算力实操提出了更高的要求。“我们不希望为这门课的学习设置过高的门槛。”课程负责人，基础医学院教授宋志坚如是说。
授课团队精心建立起一套完善的教学逻辑。整门课程的设置由浅入深，配套的案例亦是从简单到复杂。从最基本的机器学习和深度学习原理开始，延展至医学影像处理领域的常用算法，学习调用包括但不限于卷积神经网络、循环神经网络等网络构架，进行医学图像特征提取、分类、识别。环环相扣的课程设计，放缓了学习的坡度。
“比如在讲到梯度下降法时，老师用地形高度作比，将抽象的概念形象化，便于我们理解。”课程分板块由不同教师讲授，基础医学院2023级本科生孙中宜在课程的学习中并不觉得困难。“又比如不同老师在授课时，会对前一次课程的关键内容进行总结回顾，帮助我们复习和加深理解，并引入了新课内容，解决了两次课程之间的衔接问题。”
在多年的课程打磨中，团队把医学生的培养方案熟记于心，连每年培养方案的更新，都会在备课讨论中研究透彻。今年，团队惊喜地发现，随着PG电子AI课程的建设，已有“人工智能导论”等基础课程，还有其他旁支课程相互支撑，能共同塑造知识体系。
“以后的学生对于学科交叉的认识会更加深入，程序设计和人工智能理论的基础会越来越好。”基础医学院副教授章琛曦在授课的过程中明显地感受到了学生基础和兴趣的提高，“有些本身对这方面感兴趣的同学，在课程之前就自发地选修了其他相关课程，读过很多前沿文章，还会使用大模型生成代码处理数据。”
“手把手“教医学生写程序
越来越多的医学生正使用人工智能相关工具完成实际学业或科研任务，比如提取文献关键信息，或是根据提纲生成文本。章琛曦认为，编程是驾驭AI技术的关键：“虽然掌握起来会有些艰难，但在未来的科研学习和工作中，它能帮助我们发现灵感、检验猜想、总结问题，而这将成为科研中重要的优势。”
为了提升医学生程序编写和应用的能力，在课堂中进行实际的编程操作教学成为一大重点。授课教师在课堂中尽其所能，用简明的数学理论来演绎算法的底层逻辑，逐行讲解对应的具体代码，并对代码的每个函数和符号进行详细解释；在确保每位学生都独立敲好并成功运行代码后，才继续讲授新内容。
“在教学中选择Matlab授课，我们考虑了很长时间”，课程团队希望学生能够通过MATLAB掌握计算机语言的基本逻辑，并将课程所学的初步模型调用到各种不同场景中。“MATLAB的语法相对简单，学生可以快速上手”，授课教师、基础医学院副教授史勇红介绍道，“MATLAB与其他程序语言如Python、C++等，都是相通的。只要有了这个思路，就能理解各种语言的底层逻辑。”
每周四个课时，授课团队几乎是“手把手”教学生编写程序。如此细致的教学风格，费心费力不言而喻，但授课团队乐此不疲。“只要有学生提问，我们都是积极响应。”
基础医学院教授王满宁正在给医学生们讲解代码
“每讲完一个部分，老师们都会反复确认我们有没有听懂，还会走到我们身边，为我们一对一解决困难”，授课团队的细致讲解深深打动了基础医学院2023级本科生宋佳豪，“老师们的耐心让我印象深刻。”
宋佳豪正在研究血管造影相关课题，需要使用到一些图像处理软件，并挑选合适的图片用于训练AI模型。在课程中，他深入学习了图像处理和图像识别的方法，收获满满。“我对课题组研究的内容有了更宽广的认识，也进一步激发了我对血管造影的兴趣。”
推开近距离接触AI的窗户
“如果能够给学生创造机会，那就要创造。”课程团队整合资源，希望通过课程的窗户，使学生接触到更广阔的AI前沿景象。课程以医学影像为实例，使用不同路径进行处理并对比优劣，既具体又直观；以前沿应用为引领，探索人工智能在医学领域的万千可能。
为了进一步满足学生对于AI在医学领域前沿应用的好奇心，课上内容并不仅限于医学图像领域，还会拓展至医学信号序列领域。例如，根据人的语音序列，判断人的情绪；或是通过传感器，检测人体生理指标序列，判断人的健康状态。
2023年，课程团队将所有上课的同学都带到了中国计算机学会（CCF）数字医学分会第一届学术年会现场。在大会上，学生近距离地聆听行业大牛在“医学智能图像分析”、“计算机辅助手术”、“医学大模型的应用”等板块的分享，更多地了解到医工结合的技术理念和现实价值。
学生参加2023CFF数字医学年会合影
教育是一项长线工程。授课团队坦言，这门课程的最终目标并非将医学生培养为编程熟手，而是给予医学生一把通向AI世界的万能钥匙。
团队希望，学生在这门课程之后，能够在实际的医学图像应用场景中通过人工智能辅助工具生产代码，只需要能够识别出其中的错误，并且用自己的知识对代码进行更新与维护，这样便可以将课程所学直接解决实际的医学问题。
至于未来医学+AI将走向何处，宋志坚认为，医学中人文关怀不会因技术的变革而黯淡：“或许人工智能对生产力的改变不亚于前几次工业革命，但对于医学而言，它只能更其术，不能易其道。计算机能处理的信息量不是人脑可匹敌的，但就算喂给它再多的病例，也不能培养出一颗独属于医者的赤子之心。”医学将与人工智能同行，先进的技术将助力满足人类的健康需求，善良的心灵则永远给养社会的健康发展。
AI课程面向未来，代表的是一种开放的、发展的、不断生长、不断进化的态度。青年学生虽身在象牙塔，但视野应在无尽的远方，面对变革，课程团队向同学们寄语如下：
要对学科交叉抱有相当的襟怀，学科应是开放的而非封闭于一隅；要对科研转化抱有足够的敏感，有时与商业的合作能够促进科研生产的变革；要对新技术的禀赋和自生的创造力抱有一定的信心，并勇于尝试、探索新鲜事物，将其化为己用。
前途远大，来日方长AI与复旦医学生们共勉
