夏翃 高磊 華琳

摘要：在新醫(yī)科建設(shè)背景下，本研究基于OBE理念，根據(jù)三大醫(yī)學(xué)智能應(yīng)用場景進行課程綜合性的教學(xué)案例研究與設(shè)計，以期培養(yǎng)學(xué)生運用Python語言解決實際醫(yī)學(xué)問題的能力，從而實現(xiàn)對醫(yī)學(xué)生綜合創(chuàng)新性競爭能力的培養(yǎng)。

關(guān)鍵詞：Python；OBE；教學(xué)案例設(shè)計；醫(yī)學(xué)人工智能

中圖分類號：G434? 文獻標識碼：A? 論文編號：1674-2117（2024）01-0098-05

教育部2019年啟動“六卓越一拔尖”計劃，提出要發(fā)展新工科、新醫(yī)科、新農(nóng)科、新文科，這是新時代全面振興本科教育、打造教育“質(zhì)量中國”的戰(zhàn)略一招。[1]筆者認為，新醫(yī)科建設(shè)在注重對現(xiàn)有醫(yī)學(xué)培養(yǎng)體系升級的同時，還要注重與文、理、工等各學(xué)科的交叉融合，因為新醫(yī)科需要培養(yǎng)的是能夠適應(yīng)以人工智能為代表的新一輪科技革命變革時代所需要的醫(yī)療人才。[2]

新醫(yī)科建設(shè)對醫(yī)學(xué)生的計算機類課程提出了更高的要求，要求該課程不僅要培養(yǎng)醫(yī)學(xué)生的信息技術(shù)素質(zhì)和能力，能為醫(yī)學(xué)專業(yè)問題求解提供信息技術(shù)支撐，還應(yīng)著力培養(yǎng)學(xué)生運用交叉學(xué)科知識解決醫(yī)學(xué)前沿問題的能力，使學(xué)生具備運用信息技術(shù)解決復(fù)雜交叉學(xué)科問題的能力。

OBE教學(xué)模式

隨著近年來工程教育專業(yè)認證的推動，OBE（Outcome-Based Education，人才培養(yǎng)的產(chǎn)出導(dǎo)向）模式在本科教育中得到廣泛認同和普遍接受。OBE模式主張根據(jù)學(xué)生預(yù)期達到的最終學(xué)習(xí)成果即專業(yè)人才培養(yǎng)質(zhì)量目標，來反向設(shè)計課程體系即人才培養(yǎng)過程，形成系統(tǒng)性的教學(xué)質(zhì)量持續(xù)改進閉環(huán)。[3]OBE模式強調(diào)解決如下四個問題：學(xué)生的學(xué)習(xí)成果是什么？學(xué)生為什么要這樣的學(xué)習(xí)成果？如何幫助學(xué)生取得這樣的學(xué)習(xí)成果？如何檢驗學(xué)生是否取得這樣的學(xué)習(xí)成果？[4]OBE模式強調(diào)成果導(dǎo)向的價值取向、學(xué)生中心的教育理念、持續(xù)改進的質(zhì)量文化，實現(xiàn)教學(xué)模式從“以教為中心”到“以學(xué)為中心”直至“能力達成”的轉(zhuǎn)變。

Python是開源、跨平臺的解釋型編程語言，用戶可以利用已有內(nèi)置標準庫或大量的第三方庫，快速搭建應(yīng)用，能顯著地縮短開發(fā)周期。Python已廣泛用于科學(xué)計算、數(shù)據(jù)挖掘、圖像處理、機器學(xué)習(xí)、人工智能及WEB開發(fā)等眾多領(lǐng)域?；赑ython程序語言的這些特性，“Python語言程序設(shè)計”課程非常適合采用OBE模式進行教學(xué)設(shè)計與實踐。

基于OBE理念的教學(xué)案例設(shè)計

隨著現(xiàn)代智能技術(shù)的迅速發(fā)展，人工智能（Artificial Intelligence，AI）技術(shù)在醫(yī)學(xué)領(lǐng)域中的應(yīng)用越來越廣泛、越來越深入，目前，它已經(jīng)在疾病預(yù)測、醫(yī)學(xué)影像、健康管理、藥物研發(fā)和醫(yī)院管理等多個方面得到應(yīng)用（如下頁圖1）。[5]而Python提供了眾多的科學(xué)計算和機器學(xué)習(xí)工具，可以幫助醫(yī)學(xué)研究人員加快算法和模型的開發(fā)過程，提高醫(yī)學(xué)數(shù)據(jù)分析和醫(yī)學(xué)圖像診斷的準確性等。

計算機科學(xué)和編程技能在醫(yī)學(xué)領(lǐng)域中的廣泛應(yīng)用，使得醫(yī)學(xué)生掌握基本的編程技能和計算思維能力變得越來越重要。“Python語言程序設(shè)計”課程是面向筆者所在學(xué)校低年級學(xué)生的基礎(chǔ)性編程語言課程，根據(jù)教育部新醫(yī)科建設(shè)的要求，課程除了要教學(xué)生掌握Python基本語法規(guī)則和編程思想，更要著重提高學(xué)生計算思維能力和應(yīng)用程序設(shè)計方法解決醫(yī)學(xué)問題的能力。所以，本研究在教學(xué)案例設(shè)計時遵循了基于“學(xué)習(xí)成果”導(dǎo)向的OBE理念。

本課程基于OBE理念，以醫(yī)學(xué)智能應(yīng)用為目標，在進行課程綜合性的實驗教學(xué)案例研究時，采用任務(wù)驅(qū)動法，進行項目式教學(xué)案例設(shè)計與應(yīng)用（如圖2），以期培養(yǎng)兼具醫(yī)學(xué)專業(yè)知識和人工智能應(yīng)用等信息新技術(shù)處理能力的交叉融合型人才。

1.情境選擇

在進行實驗案例選擇時，本課程選擇醫(yī)學(xué)中常見的三大類與醫(yī)學(xué)實踐相關(guān)的實際情境，如自然語言處理、醫(yī)學(xué)圖像處理、醫(yī)學(xué)數(shù)據(jù)分析與可視化等，以激發(fā)學(xué)生的認同感，確保情境能夠激發(fā)學(xué)生的興趣和動力，并與課程目標和學(xué)習(xí)成果相匹配。

2.問題設(shè)定

針對選定的情境，本課程設(shè)計具有一定挑戰(zhàn)性的問題，要求學(xué)生運用Python編程知識和技能進行問題分析、技術(shù)路線設(shè)計和程序?qū)崿F(xiàn)，從而激發(fā)學(xué)生的思考和探索。

（1）自然語言應(yīng)用

自然語言處理NLP（Natural Language Processing）是機器學(xué)習(xí)的重要分支之一，在醫(yī)療健康領(lǐng)域主要用于醫(yī)學(xué)信息抽取、醫(yī)學(xué)文本分類、醫(yī)療決策支持、病人信息管理、醫(yī)療信息問答、醫(yī)學(xué)知識挖掘等諸多方面。

而自然語言處理應(yīng)用首先要做的預(yù)處理就是分詞。英文單詞天然有空格隔開，容易按照空格分詞，而中文由于沒有空格，分詞就是需要專門去解決的一個問題，較常用的中文分詞工具有jieba、SnowNLP、THULAC、NLPIR和PKUSEG等。

在進行教學(xué)案例設(shè)計時，教師以我國藥物學(xué)巨著《本草綱目》的內(nèi)容實現(xiàn)詞云效果，如圖3所示。希望通過這個綜合案例的分析與實現(xiàn)，在讓學(xué)生掌握自然語言處理在醫(yī)學(xué)中的應(yīng)用的同時，也激發(fā)其對傳統(tǒng)醫(yī)學(xué)的興趣和關(guān)注，發(fā)現(xiàn)我國傳統(tǒng)醫(yī)學(xué)的內(nèi)在信息。

本案例選擇使用jieba庫對內(nèi)容先進行中文分詞，jieba庫支持三種分詞模式——精確模式、全模式和搜索引擎模式，并且支持自定義詞典等。[6]分詞后再統(tǒng)計各個詞匯出現(xiàn)的次數(shù)，并進行倒序排序。在實現(xiàn)詞云效果之前，進行數(shù)據(jù)特征觀察，列出排除無關(guān)醫(yī)藥詞之后再用wordcloud庫實現(xiàn)詞云效果。該案例的實踐過程如下頁圖4所示。

本案例涉及的Python基礎(chǔ)知識包括文件讀寫、列表、字典、集合、循環(huán)結(jié)構(gòu)及匿名函數(shù)等。在該案例通過詞云展現(xiàn)高頻詞在視覺上的突出呈現(xiàn)方式的同時，學(xué)生了解了自然語言處理在醫(yī)學(xué)中的基本應(yīng)用，同時也學(xué)習(xí)了Python標準庫之外的第三方庫的安裝與應(yīng)用。[7]

（2）圖像處理應(yīng)用

圖像處理（Image Processing）是指對圖像進行各種操作的過程，主要包括圖像增強、圖像分割、圖像識別、目標檢測、形態(tài)學(xué)處理等。

①普通圖像。

OpenCV（Open Source Computer Vision Library，開源計算機視覺庫）是一個高度開源發(fā)行的計算機視覺庫，可以在Windows、Linux、Mac等多平臺跨平臺操作，實現(xiàn)了眾多圖像識別和計算機視覺的通用算法。[8]OpenCV支持多種語言如C++、Python、Java等進行開發(fā)，使用OpenCV可以完成很多常見的計算機視覺領(lǐng)域的任務(wù)。

本案例在設(shè)計時，選擇OpenCv-Python庫實現(xiàn)圖像二值化處理過程，通過設(shè)置不同參數(shù)得到不同的效果，從而讓學(xué)生了解圖像處理的一般流程和圖像的基本操作，以及常見中文亂碼的處理方法（如圖5）。

②DICOM圖像。

醫(yī)學(xué)圖像能夠直觀反映人體的內(nèi)部結(jié)構(gòu)，利用圖像處理技術(shù)可以對圖像進行分析和處理，實現(xiàn)對人體器官、軟組織和病變體的位置檢測、分割提取、三維重建和三維顯示，可以對感興趣區(qū)域進行定性甚至定量分析，從而大大提高臨床診斷的效率、準確性和可靠性，所以，醫(yī)學(xué)圖像是現(xiàn)代醫(yī)療診斷非常重要的依據(jù)之一。此外，醫(yī)學(xué)圖像具有數(shù)據(jù)標準統(tǒng)一、易獲得且質(zhì)量高等特點，利用人工智能技術(shù)研究醫(yī)學(xué)圖像也是目前的熱點之一。因此，對醫(yī)學(xué)生進行醫(yī)學(xué)圖像知識的介紹、應(yīng)用和分析是非常有必要和有意義的。

醫(yī)學(xué)數(shù)字成像和通信DICOM（Digital Imaging and Communications in Medicine）是美國放射協(xié)會（American College of Radiology，ACR）和美國國家電子制造商協(xié)會（National Electrical Manufacturers Association，NAMA）聯(lián)合開發(fā)的一個醫(yī)學(xué)數(shù)字成像和通信通用標準，是目前最為廣泛應(yīng)用的醫(yī)學(xué)影像格式，如CT、MRI等。在進行DICOM圖像處理（如分割CT圖像中某個病灶組織）之前，一般需要將DICOM圖像進行讀取、脫敏、調(diào)窗等操作，以便于后續(xù)的編輯與分析。

鑒于學(xué)生在現(xiàn)階段并未學(xué)到醫(yī)學(xué)圖像處理相關(guān)的專業(yè)性課程，本案例在設(shè)計時，讓學(xué)生對DICOM圖像進行讀取信息后實現(xiàn)數(shù)據(jù)脫敏和調(diào)窗的基本功能（如圖6），使其通過該案例了解相關(guān)的第三方庫Pydicom[9]，同時也對醫(yī)學(xué)圖像DICOM有基礎(chǔ)的認識，并為下一步深入學(xué)習(xí)醫(yī)學(xué)圖像專業(yè)課學(xué)習(xí)打下計算機技術(shù)基礎(chǔ)。

（3）數(shù)據(jù)分析與可視化應(yīng)用

Python提供了眾多且功能強大的數(shù)據(jù)處理和分析工具，使醫(yī)學(xué)數(shù)據(jù)處理、分析和可視化變得更加高效和靈活。例如，numpy是一個高性能的科學(xué)計算和數(shù)據(jù)分析基礎(chǔ)包，具有多維數(shù)組對象、線性代數(shù)、傅里葉變換和隨機數(shù)等強大功能，在數(shù)據(jù)分析和人工智能領(lǐng)域有廣泛的應(yīng)用。Pandas提供了豐富的數(shù)據(jù)處理功能，如數(shù)據(jù)過濾、排序、分組、聚合等。Matplotlib是常用的數(shù)據(jù)可視化庫之一，它提供了應(yīng)用廣泛的繪圖功能，如折線圖、散點圖、柱狀圖、餅圖等。這三個基礎(chǔ)庫的結(jié)合使用，可以完成許多數(shù)據(jù)的分析與可視化工作。

由于學(xué)生在現(xiàn)階段并未學(xué)到數(shù)據(jù)統(tǒng)計或數(shù)據(jù)挖掘相關(guān)的專業(yè)性課程，故本案例在設(shè)計時，選擇醫(yī)學(xué)生較為常用的BMI（Body Mass Index，身體質(zhì)量指數(shù)）數(shù)據(jù)進行基礎(chǔ)數(shù)據(jù)處理和可視化。該案例通過對原始數(shù)據(jù)（如圖7a）一系列的遞進操作，讓學(xué)生掌握基本的醫(yī)學(xué)數(shù)據(jù)分析和可視化過程，具體實驗過程如下。

數(shù)據(jù)分析：數(shù)據(jù)分析是數(shù)據(jù)處理最基本的操作，也是數(shù)據(jù)分析必須掌握的部分。在該過程中，采用numpy和pandas庫，實現(xiàn)BMI數(shù)據(jù)計算、BMI類別判斷以及基本統(tǒng)計數(shù)據(jù)（如圖7b）。

數(shù)據(jù)分類統(tǒng)計：在數(shù)據(jù)分析的基礎(chǔ)之上，要對數(shù)據(jù)進行分類統(tǒng)計，以期了解數(shù)據(jù)的整體面貌。在該過程中采用pandas庫的value_counts等方法，根據(jù)“BMI類別”數(shù)據(jù)進行分類統(tǒng)計（如圖7c）。

數(shù)據(jù)可視化：在該過程中，采用matplotlib庫，根據(jù)“BMI類別”的統(tǒng)計數(shù)據(jù)生成餅圖，實現(xiàn)數(shù)據(jù)的可視化。根據(jù)所得到的餅圖，可以直觀快速地看到各種數(shù)據(jù)的占比情況（如圖7d）。

數(shù)據(jù)保存：在該過程中，分別采用pandas庫的to_csv方法和ExcelWriter對象保存多個Excel工作表的實現(xiàn)方式，來學(xué)習(xí)并掌握常見保存文件的各種形式。

3.學(xué)習(xí)支持

除課堂教學(xué)外，本課程還提供擴展的學(xué)習(xí)資源和指導(dǎo)，如常見編程問題及實踐指導(dǎo)、參考資料和在線學(xué)習(xí)平臺及行業(yè)知識延伸等，幫助學(xué)生掌握必要的編程知識和技巧。此外，本課程還建立學(xué)生微信群，在微信群內(nèi)或通過校內(nèi)BB平臺發(fā)布課程相關(guān)信息，以及最新的行業(yè)動態(tài)。同時，利用微信群加強與學(xué)生的交流與互動，及時解答學(xué)生的問題。

4.獨立研究與團隊合作

在設(shè)計實驗時，任務(wù)實現(xiàn)模式分為兩種方式：一種是學(xué)生獨立自主完成，這種任務(wù)培養(yǎng)的是學(xué)生獨立思考和技能掌握與應(yīng)用能力。另一種是團隊合作式任務(wù)，這種任務(wù)設(shè)計就要按照團隊模式去設(shè)計實驗案例，鼓勵學(xué)生在小組中合作完成案例研究。通過團隊合作，學(xué)生可以相互學(xué)習(xí)、交流思想，并培養(yǎng)協(xié)作和溝通能力。

5.反饋與評估

課程為學(xué)生設(shè)計了一些課堂實驗任務(wù)、課后知識性任務(wù)、章節(jié)性項目任務(wù)和課程性綜合任務(wù)，從而對學(xué)生的階段性學(xué)習(xí)效果、課程綜合性學(xué)習(xí)效果，以及知識技能和團隊項目能力等有一個多維度、全方面的考核與評價。

課程在開課前通過調(diào)查問卷方式，了解當期學(xué)生的前期基礎(chǔ)、興趣點及學(xué)習(xí)目標，這樣便于教師構(gòu)建教學(xué)要點及對相關(guān)課程進行必要的補充或簡化等。

分析與討論

本課程基于OBE理念，立足于醫(yī)學(xué)應(yīng)用，在具體研究設(shè)計教學(xué)案例時解答了OBE過程中所關(guān)注的問題。

學(xué)生的學(xué)習(xí)成果是什么？通過具體的與醫(yī)學(xué)相關(guān)的實驗案例，分析所需解決的關(guān)鍵問題，讓學(xué)生在復(fù)習(xí)鞏固Python基本語法規(guī)則的同時，學(xué)會查找相關(guān)第三方庫，并結(jié)合該庫官方網(wǎng)站的示例，學(xué)會安裝與應(yīng)用第三方庫的基本功能，再結(jié)合醫(yī)學(xué)問題來完成復(fù)雜問題的綜合技術(shù)實現(xiàn)。

學(xué)生為什么要這樣的學(xué)習(xí)成果？Python官方索引網(wǎng)站目前擁有第三方庫已超過46萬個，且每個庫的方法繁多，已不能采用詳細講解每個庫的傳統(tǒng)教學(xué)方式了。教師要變“授人以魚不如授人以漁”為“授人以慧”，培養(yǎng)學(xué)生的自學(xué)能力和解決實際問題的能力。

如何幫助學(xué)生取得這樣的學(xué)習(xí)成果？“用”是學(xué)習(xí)的重要途徑，所以要通過和學(xué)生一起討論分析問題、設(shè)計解決問題方案、進行具體程序技術(shù)實現(xiàn)等一系列練習(xí)過程來實現(xiàn)。因此，做好課程規(guī)劃，設(shè)計好相關(guān)實驗內(nèi)容和技術(shù)路線，就非常有必要了。

如何檢驗學(xué)生是否取得這樣的學(xué)習(xí)成果？可以通過某一個醫(yī)學(xué)復(fù)雜案例的分析和實現(xiàn)過程讓學(xué)生掌握醫(yī)學(xué)應(yīng)用中這一類常見問題的分析與解決，在該案例完成之后，教師會布置類似的醫(yī)學(xué)類型問題，讓學(xué)生課后自主完成。

結(jié)語

本課程基于OBE理念的成果導(dǎo)向，通過“提出問題—探究問題—解決問題”的過程引導(dǎo)學(xué)生進行問題分析與思考，促進知識的同化和遷移，最終解決實際醫(yī)學(xué)問題，從而實現(xiàn)了從“以知識傳授為中心”到“以關(guān)鍵能力和核心素養(yǎng)培養(yǎng)為中心”的轉(zhuǎn)變，讓學(xué)生具備運用交叉學(xué)科知識解決醫(yī)學(xué)前沿問題的能力，以適應(yīng)快速發(fā)展的智能時代。

參考文獻：

[1]中華人民共和國教育部.教育部啟動“六卓越一拔尖”計劃2.0[EB/OL].http：//www.moe.gov.cn/jyb_xwfb/xw_zt/moe_357/jyzt_2019n/2019_zt4/tjx/mtjj/201904/t20190430_380243.html.

[2]李鳳林.新時代我國新醫(yī)科建設(shè)的路徑探析[J].中國高等教育，2021，664（Z1）：6-8.

[3]劉衛(wèi)東，黃蕾，馮若雯.基于OBE人才培養(yǎng)模式的本科教學(xué)質(zhì)量管理體系重構(gòu)[J].國家教育行政學(xué)院學(xué)報，2021，286（10）：19-30.

[4]常建華，張秀再.基于OBE理念的實踐教學(xué)體系構(gòu)建與實踐——以電子信息工程專業(yè)為例[J].中國大學(xué)教學(xué)，2021（01）：87-92+111.

[5]張育涵.一張圖看AI醫(yī)療[R].鯨準數(shù)據(jù)中心，2017.

[6]jieba[EB/OL].https：//pypi.org/project/jieba/.

[7]教育部考試中心.全國計算機等級考試二級教程——Python語言程序設(shè)計（2022年版）[M].北京：高等教育出版社，2022.

[8]opencv[EB/OL].https：//docs.opencv.org/4.x/index.html.

[9]pydicom[EB/OL].https：//pydicom.github.io/pydicom/stable/index.html.

作者簡介：夏翃（1974—），女，博士，副教授，研究方向為醫(yī)學(xué)信息學(xué)；華琳（1973—），女，通訊作者，博士，副教授，研究方向為生物統(tǒng)計與生物信息學(xué)。

基金項目：2023年首都醫(yī)科大學(xué)教育教學(xué)改革研究課題“智能時代背景下《Python語言程序設(shè)計》教學(xué)模式研究與實踐”（項目編號：2023JYY057）。