一、课程背景
社会背景：人工智能正以前所未有的速度重塑全球医疗格局。国务院《关于深入实施“人工智能＋”行动的意见》明确提出加速AI在辅助诊疗、健康管理等场景的应用，时代迫切需要医疗从业者具备AI素养以大幅提升医疗健康服务能力。
学术背景：随着深度学习及大模型（如ChatGPT、DeepSeek等）的飞速发展，医学人工智能已成为高度交叉的前沿学科。其在医疗影像识别、医疗诊断与预测、医疗机器人、药物研发等维度不断取得技术突破，理论与临床转化结合日益紧密。
学生需求：传统医学教育较少涉及理工科技术，面对快速更迭的智慧医疗环境，医学生亟需一套贴合其认知习惯的学习模式，以跨越学科壁垒，掌握AI工具，适应未来医学科研与临床转化的复合型工作需求。
独特资源：依托南方科技大学“新医科”及“AI育人”战略建设，结合联合国教科文组织国际网络教育平台的国际化视野，本课程拥有针对医学生量身定制的专属配套教材，并具备多年医工交叉的科研实践与教学积淀。
二、课程目标
知识目标：熟悉人工智能（含机器学习、深度学习、大模型等）的基础概念与原理；掌握其在医学影像、辅助诊疗、医疗机器人、药物研发、健康管理五大典型医疗场景中的应用逻辑与关键技术。
能力目标：培养学生跨学科解决实际问题的综合技能。使其能够借助RAG（检索增强生成）等AI工具高效获取前沿知识，初步具备在真实医疗场景中运用人工智能思维进行科研探索与临床应用的能力。
素养目标：激发医学生对前沿科技的探索兴趣，培育遵循科技伦理（如数据偏见消除、公平分配）的医学情怀；提升学生的创新素养，使其具备引领和重塑未来智慧医疗模式的职业使命感。
三、课程设计原则
本课程整体遵循“AI + ‘AI+’”的创新教育智能理念，具体体现在以下三个维度的教学设计：
场景驱动：采用基于医学问题的学习模式，以影像识别、诊断预测、药物研发等五大真实医疗场景为切入点，将AI理论与医学实践紧密结合，激发跨学科学习兴趣。
深入浅出：创新运用知识蒸馏教学法，将体系化、高阶的理工科“一桶水”知识，凝练转化为适配医学生认知水平的“一杯水”精准知识，消除医理工交叉的学习障碍。
前沿赋能：引入检索增强生成学习方法，引导学生对前沿知识进行高效探索、深度理解与灵活运用，培养自主检索、信息整合与问题解决的综合学习能力。
