医学院校大数据医学人才培养指南（试行）

医学院校大数据医学人才培养指南（试行）一、指导思想以立德树人为根本任务，全面对接健康中国2030规划纲要、新医科建设要求与数字经济发展战略，锚定健康医疗领域对复合型交叉人才的核心需求，坚持“医学为体、大数据为用、交叉融合”的培养理念，以解决医学实际问题为导向，深化医工交叉培养模式改革，构建适配我国医疗健康行业发展需求的大数据医学人才培养体系，为智慧医疗、精准医学、公共卫生、生物医药等领域输送高素质复合型人才。当前我国兼具医学背景与大数据分析能力的交叉复合型人才缺口超过50万人，据《2023中国数字医疗人才发展报告》统计，该缺口仍以每年15%的速度增长，难以满足健康中国建设与数字医疗产业发展需求，各医学院校需将大数据医学人才培养作为新医科建设的核心抓手，细化培养标准，落实培养要求，保障培养质量。二、培养目标与分层要求（一）总体培养目标培养拥护中国共产党的领导，德智体美劳全面发展，恪守医德医风与学术规范，掌握基础医学、临床医学核心理论体系，熟练掌握大数据采集、清洗、建模、分析、可视化全流程核心技能，熟悉医学领域数据规范与伦理要求，能够在医疗健康、公共卫生、生物医药等领域独立开展大数据驱动的医学研究、临床决策支持、产品研发、健康管理等工作的复合型高素质专门人才。（二）分层培养要求1.本科层次面向五年制临床医学（大数据医学方向）、四年制医学信息工程（医学大数据方向）两类培养项目，要求学生建立完整的医学核心知识框架，具备常见病、多发病的基本认知，熟练掌握Python、R等主流大数据分析工具，能够独立完成医疗数据预处理、统计分析、可视化输出等任务，可胜任基层医疗健康机构数据管理、互联网医疗企业数据分析、生物科技公司初级建模与数据标注等工作，为研究生阶段深造打下坚实的交叉学科基础。2.学术型研究生层次要求学生聚焦重大医学科学问题，系统掌握高级机器学习、组学大数据分析等前沿技术，能够独立设计并完成大数据驱动的原创性医学研究，产出具有学术价值的研究成果，胜任高等院校、科研院所的大数据医学教学与科研工作。3.专业型研究生层次要求学生紧扣临床与产业实际需求，熟练掌握临床数据标准、真实世界研究方法、医学人工智能开发全流程，能够独立解决临床场景中的大数据应用实际问题，可完成临床决策支持系统开发、真实世界证据生成、智慧医院建设运营等任务，胜任三甲医院信息中心、生物医药企业研发部门、数字医疗企业产品研发等核心岗位工作。三、知识、能力与素质要求（一）知识结构要求1.医学核心知识：系统掌握医学基础理论与临床核心知识，熟悉流行病学与医学统计学研究方法。本科层次要求完成不少于30学分的医学核心课程学习，研究生层次要求完成不少于15学分的前沿医学进展课程学习。2.大数据与计算机核心知识：掌握数学基础、编程基础、大数据核心技术理论与方法，本科层次要求完成不少于28学分的大数据核心课程学习，研究生层次要求完成不少于12学分的高级大数据技术课程学习。3.交叉融合知识：掌握医学数据规范、健康医疗大数据隐私保护、医学大数据研究伦理、真实世界研究方法等交叉领域知识，本科层次要求完成不少于10学分的交叉课程学习，研究生层次要求完成不少于8学分的交叉课程学习。（二）能力要求1.基础能力：同时具备规范的临床思维与数据思维，能够读懂临床病历、影像报告、组学检测报告等各类医学数据，能够运用编程工具处理结构化、非结构化、半结构化等多类型医疗数据。2.核心能力：能够针对具体医学问题选择适配的大数据分析方法，构建符合医学逻辑的分析模型，能够准确解读分析结果并转化为可落地的医学决策依据，具备跨领域沟通协作能力，可与临床医生、生物医药研发人员、产品经理协同开展项目。3.创新能力：本科层次要求独立完成1项大数据医学应用创新设计，研究生层次要求能够提出原创性的大数据医学研究问题或行业解决方案。（三）素质要求恪守医德医风与医学研究伦理，树立数据安全与隐私保护意识，具备家国情怀与服务健康中国的使命感，适应数字医疗领域快速技术迭代，具备终身学习与持续创新的素养。四、模块化课程体系构建按照“公共基础打底、核心知识分立、交叉融合提升、实践能力落地”的原则构建五大模块化课程体系，总学分要求本科层次135-145学分，研究生层次学术型28-32学分、专业型30-35学分：（一）公共基础与通识模块总学分28-32学分，涵盖思想政治理论、大学英语、体育、高等数学等公共基础课程，增设数字素养与科技伦理、医学人文、知识产权基础等特色课程，本科层次要求必修《健康中国战略概论》（2学分），强化学生对国家战略需求的认知。（二）医学核心课程模块根据培养层次与学制差异化设置：五年制临床医学（大数据医学方向）完整开设基础医学与临床医学核心课程，其中基础医学模块包括人体解剖学（3学分）、组织胚胎学（2学分）、生理学（3学分）、生物化学（3学分）、病理学（3学分）、病理生理学（2学分）、药理学（3学分），共19学分；临床医学模块包括诊断学（4学分）、内科学（5学分）、外科学（3学分）、妇产科学（2学分）、儿科学（2学分）、流行病学（3学分）、卫生统计学（3学分），共24学分。四年制交叉本科专业整合核心内容，开设《基础医学概论》（6学分）、《临床医学概论》（8学分）、《临床流行病学与卫生统计学》（4学分），共18学分，满足交叉培养的核心需求。研究生层次开设《转化医学前沿》（2学分）、《精准医学进展》（2学分）、《临床真实世界研究导论》（2学分），共6学分必修课。（三）大数据核心技术模块本科层次分为基础与技能两个部分：工科基础模块包括线性代数（3学分）、概率论与数理统计（4学分）、计算机编程基础（Python）（4学分）、数据结构与算法（3学分）、数据库原理与应用（3学分），共17学分；核心技能模块包括大数据采集与预处理（3学分）、机器学习（3学分）、深度学习与医学应用（2学分）、医疗数据可视化（2学分），共10学分，合计27学分。研究生层次开设《高级统计学习》（3学分）、《组学大数据分析》（3学分）、《大语言模型与医学应用》（2学分），共8学分必修课。（四）交叉融合特色模块本科层次要求必修《健康医疗大数据导论》（2学分）、《医学数据隐私保护与合规》（2学分），选修《医学影像大数据分析》《电子病历自然语言处理》《肿瘤组学大数据》《公共卫生大数据应用》《药物研发大数据》（每门2学分），要求选修不少于6学分，合计10学分。研究生层次要求必修《医学大数据研究方法》（3学分）、《数字医学伦理与法规》（2学分），选修《临床决策支持系统设计》《智慧医院建设与运营分析》《生物信息学大数据分析》《罕见病大数据研究》（每门2学分），要求选修不少于4学分，合计9学分。（五）实践实训与毕业设计模块本科层次：认知实习（1学分，第2学期，累计不少于32学时，安排到三甲医院信息中心、数字医疗企业参观学习）、核心课程配套课程设计（每门核心技术课程配套1学分课程设计，累计不少于6学分，要求所有课程设计均采用医疗真实场景案例，如Python课程设计要求完成1000份电子病历的数据清洗，机器学习课程设计要求完成二型糖尿病患病风险预测模型构建）、毕业实习（12学分，第7-8学期，累计不少于48周，全流程安排在实践基地完成）、毕业设计（8学分），要求毕业设计选题来自临床实际问题或产业需求的比例不低于70%。研究生层次：要求参与不少于1项国家级或省部级大数据医学相关科研项目，专业型研究生要求累计不少于6个月的校外单位实践，学术型研究生要求以第一作者完成至少1篇大数据医学相关研究论文。五、实践教学体系建设（一）校内实践平台建设要求各医学院校必须建设大数据医学综合实训中心，配置不低于4张24G显存GPU的算力服务器，存储容量不低于10TB，接入MIMIC-IV、TCGA、ChestX-ray14等公开标准医疗大数据数据集，预装Python、R、TensorFlow、PyTorch等主流开发环境，面向本硕学生全天候开放，支持学生自主开展项目训练。有条件的院校可依托国家级医学重点实验室、计算机重点实验室建设大数据医学交叉创新实验室，承接学生创新创业项目。（二）校外实践基地建设按照“产学研用”深度融合的原则，每100名学生至少建设1个稳定的校外实践基地，基地结构要求：三甲医院临床数据中心/信息中心占比不低于40%，对接临床需求培养；生物医药企业研发部门占比不低于25%，对接药物研发需求；数字医疗科技企业占比不低于25%，对接产品开发需求；疾病预防控制中心占比不低于10%，对接公共卫生需求。每个基地配备至少1名专职导师，要求具有副高及以上职称或5年以上相关领域工作经验，负责学生实践指导与考核。（三）创新创业训练体系要求本科大一大二学生全覆盖参与校级大学生创新创业训练计划，省级以上立项项目比例不低于10%，定期举办校级及以上大数据医学创新竞赛，对获奖项目给予学分认定与创新创业资金扶持，支持学生转化创新成果。六、师资队伍建设要求（一）师资结构要求按照1:10的师生比配置专职教师，其中具有医学与大数据交叉教育背景或工作经历的专职教师比例不低于40%，外聘来自临床一线、产业界的兼职教师比例不低于20%，每个培养班级配备至少1名具有交叉学科背景的专职班主任。全面推行双导师制，每个学生配备1名医学背景导师与1名大数据技术背景导师，共同负责培养全过程指导。（二）师资能力提升要求建立“双师双能”培养机制，每年安排不少于20%的专职教师到三甲医院信息中心、数字医疗企业参与实践锻炼，累计不少于3个月，提升教师解决实际问题的能力；支持青年教师申请国家级大数据医学相关科研项目，支持教师参与国内外高水平交叉学科学术交流，每年每人不少于1次高水平学术会议参会机会。（三）考核激励机制对交叉学科教师考核，将交叉领域研究成果、人才培养成果等同于传统单一学科成果，在职称评审、项目申报、岗位评聘中给予政策倾斜；对承担交叉课程建设、实践指导的教师，按照1.5倍系数核算教学工作量，给予额外补贴；鼓励跨学院跨学科教师合作授课、联合指导学生，对合作项目给予团队经费支持。七、质量保障与评价体系（一）培养过程监控建立校、院、专业三级教学监控体系，每学期开展交叉课程教学评价，学生评教优秀率低于80%的课程要求限期整改；每2年开展一次培养方案全面修订，根据技术发展、国家需求、用人单位反馈调整课程设置与培养要求。（二）多元综合评价改革传统终结性评价方式，实践类课程过程性评价占比不低于60%，评价主体包括任课教师、实践导师、团队成员，评价内容覆盖项目完成质量、问题解决能力、团队协作能力等多个维度；毕业设计实行双盲评审制度，选题非大数据医学交叉方向或评审不合格的不得毕业。（三）用人单位反馈机制每年开展毕业生用人单位跟踪调研，调研覆盖率不低于60%，收集用人单位对学生知识、能力、素质的评价与改进建议，将反馈结果作为培养方案调整与质量改进的核心依据。八、就业与职业发展引导（一）核心就业方向明确大数据医学人才核心就业领域：一是医疗机构，主要就业岗位为三级医院临床数据中心、信息中心、智慧医疗建设部门，从事临床数据管理、真实世界研究、智慧医疗应用运营；二是公共卫生机构，主要就业岗位为疾病预防控制中心、卫生健康行政部门信息中心，从事公共卫生大数据监测、传染病预警、健康政策评估；三是生物医药领域，主要就业岗位为制药企业、CRO公司研发部门，从事真实世界证据生成、药物靶点预测、临床试验数据管理；四是数字医疗产业，主要就业岗位为互联网医疗、医学人工智能企业，从事算法研发、产品设计、数据分析、临床验证；五是科教机构，主要从事大数据医学的教学与科研工作。（二）职业发展支持建立用人单位精准对接机制，每年举办不少于2次大数据医学专场招聘会，对接数字医疗、生物医药领域核心企业；开设大数据医学职业规划选修课，邀请行业资深专家开展职业分享，指导学生规划职业路径；支持学生继续深造，对推免、报考国内外大数据医学方向研究生的学生给予政策倾斜，允许医学专业学生修读大数据双学位，修满学分授予双学士学位。九、组织实施保障（一）组织保障成立校级大数据医学人才培养领导小组，由分管教学的校领导任组长，成员包括医学院、公共卫生学院、计算机学院、研究生院、教务处、财务处等相关部门负责人