科技创新年 | 未来已来 · 北大医学的AI实践

在数字浪潮席卷各行各业的当下，医学教育也迎来了深刻变革的契机。北医官微、视频号持续关注AI赋能医学教育的变革之路，推出系列深度报道和专题片。本期聚焦北大医学-超星数智教育联合实验室的探索。

北大医学-超星数智教育联合实验室，国内首个面向医学教育的联合实验室，在这里，AI正与医学深度融合。2025年，中国首款面向医教场景的学科大模型——MedSeekAI®在此诞生。通过双轨部署（北大校内先试先行，校外服务联动全国），MedSeekAI®免费向全国医学院校师生开放。目前，已有温州医科大学、海南医科大学等50余所知名学府与医疗单位接入，预计到2025年底接入单位将超过100家。

9月，“厚道（MedSeekAI®）医学教育大模型”研发及教育应用入选教育部科技司首批生成式人工智能教育专用大模型建设项目和教育部高教司第三批“人工智能+高等教育”应用场景典型案例。

本期我们邀请了联合实验室主任王维民、副主任江哲涵来介绍他们的理念和实践故事，并有学生反馈她的使用感受。

王维民

北京大学医学教育研究所所长全国医学教育发展中心常务副主任北大医学-超星数智教育联合实验室主任

Q1:2024年12月成立的北大医学-超星数智教育联合实验室，是国内首个面向医学教育的联合实验室。请您为我们简要讲解一下这个实验室的成立背景和意义？

王维民：医学教育，经历了三代，进入了第四代，人工智能赋能医学教育成为发展的趋势和必然。

在这种背景下，北大医学进行AI赋能医学教育的实践，在技术与资源层面，需要外部支持。超星集团作为一个国内知名的品牌、知名的学习平台，在中国有一定的影响力。在疫情期间，北大医学在超星平台的支持下，推出了全国医学教育的共享学习平台。超星的史超董事长非常有教育情怀，也愿意做这件事，所以我们再次进行合作，建立联合实验室，旨在为未来北大医学生的学习奠定一个空间和资源的基础，来推进我们北大医学，进而引领全国的医学教育的发展。我想这很有意义、很有价值。

Q2:联合实验室提出要推动‘第四代医学教育模式’变革，请您谈谈第四代医学教育模式的内涵，以及它对医学人才培养方式会带来怎样的改变？

王维民：过去的120多年间，医学教育经历了三代——第一代的以教师为中心，第二代是以学生为中心，第三代又特别强调的胜任力导向——到了第四代，当今这个时代，医学和医学教育已经从原来服务于病人，转化成服务于健康的需求，是全社会人群的事情。在这种背景下，我们也会看到现在学科之间的交叉跨界融合越来越强，同时人工智能赋能医学教育成为发展的趋势和必然。

第四代医学教育，可能要改变教师的角色，学生的地位。从原来“教师为中心”转变成“学生为中心”，教师的主导地位逐渐的在淡化，转而成为学生的辅导者和引导者。学生的学习从原来的“相对被动”转变成越来越“主动学习”。主动学习将为学生成长为拔尖、创新、引领型人才打下良好基础。

Q3:实验室在推动第四代教育改革过程中，主要做了哪些工作？

王维民：实验室建设和第四代医学教育是相辅相成的。一方面提供理念上的变化，另一方面提供技术支持。我们希望通过实验室把人工智能和交叉学科的探索落地到现实医学教育中。比如通过大模型提供深层次学习资源，帮助学生在问题和提示的引导下获取案例、试题等，让主动学习成为可能，也为“未来学习中心”的建设奠定基础。

目前已有的工作包括：医学知识库，目前已挂载包含教材、专业书籍、文献、试题等全种类共100多万篇资料；我国首个医学教育垂直领域的大模型——厚道（MedSeekAI®）医学教育大模型；示范智慧课程项目，目前已经立项27项，立项课程涉及基础医学、临床医学、护理学、公共卫生学等多个学科；人工智能赋能医学教育系列培训课程，并上传至共享学习平台；北京大学“医学+X”领航计划-“北大医学教育大模型与智能体集群的构建与实践”项目，目前已正式立项，计划分两年完成。

Q4:Medseek大模型为什么要免费向全国开放？使用反馈如何？

王维民：全国医学教育发展中心在教育部和卫健委支持下，初衷就是引领全国医学教育发展。通过免费开放，可以帮助那些技术不足、资源不足、师资不足的学校，学生也能获得更多学习资源，实现“人人皆学、处处能学、时时可学”。

同时，这不仅仅是资源提供，更是教育生态和范式的改变。这种生态与范式的改变，将促进中国医学教育理念的整体提升。MedSeek推出后反响非常强烈。一方面源于北大医学和全国医学教育发展中心的引领作用，另一方面是因为模型在技术和知识库层面比较全面，贴近现实，回答问题科学准确。这是我们在建设知识库时严格把关的结果。

Q5:请您畅想一下未来的学习中心会是什么样子？最大的挑战是什么？

王维民：“未来学习中心”建设的主线是提升学生自主学习、主动学习的能力。

老师要为学生提供学习的指导或导航，明确提出要求和目标。学生在目标驱动下，借助大模型和互联网资源，自主获取学习内容，提升主动学习和终身学习能力。

教学大纲将更具体、更具指导性。老师需要对教学目标有清晰规划，告诉学生要达到什么目标。实现目标的方式交由学生决定。这样教育方式将从“教师教”为主转变为“学生学”为主，从以教师为中心转为以学生为中心。

我们的教育目标越宏观，学生主动学习能力的培养将更强。如果只是告诉学生“记住这些”，那是最简单的学习。但如果给他们更开放的任务，就会促使他们跨学科、跨领域地探索。

最大的挑战是教师的教学胜任力，是否能理解理念并付诸实践。另外，模型的可用性和科学性也需要不断改进，算力和知识库要持续迭代。只要这些条件具备，未来前景非常好。

北大医学的老师有这样的实力，目前我们正在通过布置开放式作业，引导学生在AI辅助下开展讨论、批判性思考和自主学习。

江哲涵

全国医学教育发展中心副研究员、北大医学-超星数智教育联合实验室副主任

Q1:MedSeekAI®大模型作为全国首个医学教育垂直领域大模型，它在技术和教育应用上最具突破性的创新点是什么？与通用大模型相比，在技术架构和知识体系上有哪些独特优势？

江哲涵：首先是从研究层面的积累优化模型表现。在研发MedSeekAI®大模型中，我们一直坚持应用导向与询证研究相结合的思路。在逐步清晰的前进路径中积极探索各种新兴技术的科学与实践价值，即时把论证后、可用性强、潜力大的技术落实到MedSeekAI®大模型。

模型依托北大医学深厚的教育教学多模态素材和全国医学教育发展中心与超星集团的优质数字资源，构建了覆盖“教-学-管-评-研”全链条的知识库与语料库。这使得它在医学知识解答、案例分析、临床技能训练等方面更具专业性和准确性，在MedQA等权威医学基准测试中达到了国际先进水平。

MedSeekAI®具有较强的多模态能力，能够为教师提供可视化信息的梳理和呈现，帮助学生直观理解复杂医学概念。这种多模态交互能力是通用大模型难以具备的。此外，该多模态能力源于MedSeekAI®独有的多层检索增强框架，比起主流检索增强生成（RAG）框架，MedSeekAI®将智能体工具引入检索过程，从“医学术语-教材知识-病例案例”的三层知识库中递进搜索和推进，显著提升了输出的科学性和可信性。

然后，MedSeekAI®通过北京大学计算中心支持的离线或本地化方案的研发，可实现“数据不出校”的私有化部署。这一部分直面的是敏感数据难以用于线上大模型的难点，我们的方案不仅显著提升了数据安全性，还能挂载校内专有知识库，支持构建定制化应用的开发，避免了信息泄露的风险。

Q2:您如何评价MedSeekAI®在医学教育教学中的应用成效？在哪些环节最能发挥其价值？

江哲涵：MedSeekAI®在医学教育教学中的应用成效主要体现在以下几个环节：

教学辅助与个性化学习：MedSeekAI®为教师提供了高效便捷的教学辅助手段，例如快速生成定制化教学工具（如流行病模拟器），帮助教师动态调整参数并可视化展示结果。对于学生而言，模型能够提供个性化学习支持，例如通过交互式问答和虚拟出来的临床环境，帮助学生理解复杂病例（如神经-肌骨系统问题）。

临床技能训练与模拟诊疗：模型通过虚拟患者和临床场景模拟，为学生提供零风险的决策实践平台。例如，在北京大学第三医院的神经系统课程中，学生使用MedSeekAI®分析跨学科临床问题，培养了利用数智化手段解决实际临床问题的能力。此外，我们的研发团队也正积极地与兄弟院校合作，融入更多基于模拟教学的智能体，让MedSeekAI®更好发挥大脑作用，驱动这些智能体与用户之间的科学、合理的交互。

评估与考核优化：MedSeekAI®能够针对性完成教育考核评价任务，例如通过自动批改作业和检测学生操作熟练度，帮助教师进行教学总结和重点突出。此外，它的过程性评估方案（如提示词日志和修改轨迹记录）有助于评估学生的批判性思维和信息甄别能力。

Q3:在研发和应用推进过程中，您遇到的最大挑战是什么？团队是如何解决的？

江哲涵：一是数据安全与隐私保护：医疗数据的高度敏感性要求模型必须满足严格的隐私保护标准。团队通过本地化部署架构解决了这一问题，确保所有数据存储在校园内部，避免了云端泄露风险。

二是模型准确性与幻觉问题：医学教育对模型的准确性要求极高，错误信息可能导致严重后果。团队通过多阶段训练和迭代优化，在MedQA等基准测试中提升了模型的可信度，同时引入了“批判性注释”功能，要求学生对AI输出进行验证。

三是集成复杂性：将大模型集成到现有教学系统中面临技术门槛高的问题。团队利用开源定制化特性（采用MIT协议），允许医院自由修改和集成模型，降低了对接难度。

Q4:对于AI赋能医学教育，您认为有哪些问题是需要我们警醒和注意的？

江哲涵：AI赋能医学教育时，需特别注意以下问题：

伦理与监管风险：AI可能引发伦理问题，如数据隐私泄露、算法偏见（如种族诊断偏差），以及责任归属困境（如AI幻觉导致的临床错误追责）。建议监管部门明确高风险应用（如诊断支持）的界定，并将其纳入医疗器械监管范畴。

批判性思维退化：过度依赖AI可能导致学生批判性思维能力和独立判断能力下降。教育机构应将AI素养培养纳入课程，并通过“对抗训练”故意植入错误病例，培养学生发现问题的能力。

基础设施与成本障碍：AI部署需要高昂的计算资源和技术支持，这可能加剧资源匮乏地区与发达地区之间的教育不平等。建议通过云服务与本地化混合模式降低成本，同时政府提供补贴支持基层医疗机构接入。

环境可持续性：AI数据中心消耗大量电力和水资源，对环境造成压力。未来需优化算法能效，采用绿色计算技术减少碳足迹。

肖韵航

北京大学医学部2023级临床八年制学生

Q1:与以往的课堂学习相比，MedSeekAI®给您的学习方式带来了哪些改变？

肖韵航：最大的不同是学习变得更加个性化和即时化。

以前上课如果没听懂某个名词，往往要等下课去查资料或者请教老师；现在我可以当堂打开MedSeekAI®，马上得到解释，而且是带出处、有逻辑、有条理的回答。

比如我问“某种疾病的诊断依据是什么”，它会列出诊断标准，还会区分不同人群的情况，最后引用指南或文献出处。那种条理性是非常符合医学思维的。

我觉得它更像一个随身的助教——可以随时问、随时学。尤其在我们临床课程很多、知识密度大的情况下，它能帮我节省大量查找资料的时间，让我更聚焦在理解和思考上。

Q2:有没有让你印象深刻的使用AI学习的例子？

肖韵航：我们曾经做过一个AI作业，“和AI共探微生物学发展史”。老师要求我们必须要有一个思维显化的过程，就是说要用一些形式把你学到的东西展示出来，不管是思维导图也好，还是一个文字报告形式也好。

这次作业让我进入一个主动学习的状态。之前作业都是有一道题做一道，但这次作业很开放，我们必须要自己给自己提出问题。其实，我在一开始也没有想到自己后面能问什么问题，但随着作业进展，看到AI的一些回答后，又产生了新的问题，然后再去追问这些新的问题，就自然进入了主动学习的状态。

老师还要求我们必须要去核实这些知识，不能光问就完了，一定要去查一查一些文献或者一些专业的网站，所以也是让我们不要偷懒，必须要去严谨对待医学学习。

Q3:你是否担心过过度依赖AI？在你看来，AI在医学学习里最合适的角色是什么？

肖韵航：我确实曾经担心过。刚开始使用时，我怕自己变得懒惰，只依赖AI给出的答案。后来我慢慢发现，AI不能代替思考，它只是帮助我们节省机械劳动，整合碎片化的信息，让我们有更多时间去深入理解。所以我觉得它最合适的角色是“学习助手”，而不是“思考的替代者”。

现在在信息爆炸的时代，我们每天要接收到的知识非常多，要在短时间内去理解然后记忆大量的知识，其实挺挑战的，我觉得传统的教学模式可能已经不能非常好的适合现在的学习。所以结合上一些更加先进的一些方式，可以提高效率，这样才能应对这种很大量的信息的一个吸收。

我希望学校能多提供一些交流和培训的机会，例如“AI学习素养”交流会等活动，让大家交流或者提供教学如何设计提示词、怎样检索信息、怎样核实AI生成的结果等。

北京大学医学部宣

专题策划丨宣传部徐璐

编辑丨宣传部冯黄于飞