大数据时代临床医学教学中的思考与变革

窦维佳 王景杰 刘震雄

[摘要] 随着大数据时代的到来，社会各个领域均面临前所未有的冲击与变革，临床医学教学也不例外。因此，如何在新形势下迎接挑战是亟需探讨的问题。只有将临床医学教学特点和大数据时代特征有机融合，使“教”“学”双方在数字化浪潮中顺势而为，才能更好地完成临床医学的教学，培养适应数字化医疗的新时代医学生。

[关键词] 大数据时代；临床医学；教学；变革

[中图分类号] G420 [文献标识码] A [文章编号] 1673-7210（2018）09（a）-0059-04

[Abstract] With the advent of the age of big data， there are unprecedented impacts and changes in all fields of society， and clinical medicine teaching is no exception. Therefore， how to meet the challenge in the new situation is an urgent problem to be discussed. Only combining the features of clinical medicine teaching with the characteristics of big data and making both teacher and student seize the moment in the age of big data， we can better teach the clinical medicine and train medical students who can adapt to the new era of digital medicine.

[Key words] Age of big data； Clinical medicine； Teaching； Reform

隨着互联网科技和信息技术的迅猛发展，大数据的浪潮已经席卷了包括医学在内的社会生活的各个领域[1-5]。大数据以其多元性、实时性等独有特点，对临床医学教学带来前所未有的冲击和挑战，同时也蕴藏着巨大的发展机遇，我们必须适应时代潮流的变化，迎接这场重大的变革，探索新的医学教学方式，培养适应大数据时代要求的医学人才。

1 大数据的概念和特点

现代社会是一个高速发展的社会，科技发达、信息流通、互联网技术日新月异，人们之间的交流越来越便捷和密切，大数据就是这个高科技时代的衍生物。

1.1 大数据的概念

“大数据”在维基百科中是这样定义的：大数据，或称巨量数据、海量数据，指的是所涉及的数据量规模巨大到无法通过人工在合理时间内达到截取、管理、处理并整理成为人类所能解读的信息。大数据是一次技术革新，通过对海量数据进行分析，获得有巨大价值的产品和服务或深刻的洞见，最终形成变革之力[6-10]。

1.2 大数据的特点

1.2.1 数据容量巨大 数据容量大是大数据区别于传统数据最显著的特征，包括采集、存储和计算的量都非常大。大数据的起始计量单位至少是P（1000个T）、E（100万个T）或Z（10亿个T），而到2012年为止，人类的所有印刷材料的总数据量仅仅是200P。伴随着互联网的普及、云计算和云存储等技术的发展，数据被大量生产出来，形成了大数据之海。

1.2.2 来源和类型多样化 大数据可以来自于不同的数据源，包括结构化、半结构化和非结构化数据。数据类型也不仅是以往大众所熟悉的文本形式，还涵盖了视频、音频、图片、网络日志、模拟信号、地理位置信息等等门类繁多的资料，而且个性化的数据占了绝对多数。多来源途径、多类型的数据对相应的处理能力也提出了更高的要求。

1.2.3 数据获得和处理的高速性 由于网络的便捷和普及，数据不断产生且随时更新，其数据量呈几何级增长，甚至有的数据是爆发式产生。快速数据流的产生使得对数据的处理和分析的速度也越来越快，这样才能满足增长的要求，才可能从各种类型的数据中快速获得高价值的信息。

1.2.4 价值密度低 由于数据采集可能不及时，会造成数据样本不能全面涵盖所需要的内容，数据也有可能产生不连续的片段等，使得数据失真。当然，当数据量达到足够规模时，可以通过数据的覆盖从而得到更真实全面的反馈。

1.2.5 应用价值高 数据本身是不产生价值的，而如何从大数据中分析出有帮助意义的数据才是大数据产生价值的关键。通过对大数据进行全面透彻的分析，可以获得有巨大价值的产品或者服务，从而取得“透过现象看本质”的效果。

2 大数据时代对临床医学教学的挑战

在教与学的过程中，蕴藏着无数有价值的大数据，如何有效挖掘、分析和利用这些大数据来促进教学，实现临床医学教学与大数据时代的深度融合，为学生提供更为有效的学习方法，是摆在我们面前的课题。

2.1 教学理念面临的挑战

大数据的研究已在科学界取得瞩目成绩[11-15]。他山之石可以攻玉，临床医学教学也可以充分利用好这一有利资源。大数据时代面临的首要挑战是教育理念的及时更新，必须深刻认识到大数据不仅是一种工具，而且是一种全新的视角，它将带来一场深刻的社会变革。必须摈弃传统的规训和教化式理念，以开放的心态、协同的精神积极支持学生在大数据支撑下的自发学习行为，为其提供必要的引导和帮助，从而提高教学质量。

2.2 学生自主学习能力面临的挑战

学生在大数据时代获取知识的方式不再局限于教材、老师、阅览室以及临床科室，网络、视频和智能软件等为每一名学生构建起一个学习情境，对其学习过程和行为提供持续性的诱导、评价和支持，帮助其培养科学有效的学习方法和习惯。学生所需具备的首要能力是如何在浩如烟海的数据中删繁就简、去伪存真，找到自己需要的正确的知识。同时，大数据时代医学知识的普及和易获取，使医生的权威地位面临前所未有的挑战，很多患者通过持续“自学”久病成“医”。这也要求“准医生”打下更为坚实的基础，以过硬的实力来应对这些做好“功课”的患者[16]。

2.3 教师角色定位面临的挑战

大数据时代，教师将不再局限于担任知识的讲授者，还要担负起课堂组织者、学习引导者、学生学习行为分析者等多元角色。一方面，教师要引导和指导学生甄别有用信息，帮助其去除无用的垃圾信息；另一方面，要根据学生的兴趣和个性特质，建立“以学生为中心”、因人而异的精准教学模式，与学生实时互动交流，动态引导学生的培养，以支持和服务为核心贯穿学生培养的整个过程。

3 临床医学教学适应大数据时代的思考与变革

3.1 及时转变观念

3.1.1 教育理念的更新 如前所述，技术进步为获取知识提供了更为便捷的途径。传统教学所承擔的知识输送任务已不再是重点，如何引导学生在海量的知识中去搜索、阅读和分辨真正需要的信息则更为重要。因此，“沙里淘金”的能力培养才是教育的重点，教育的内涵不再是传授和灌输，而是对学生的支持与服务。在临床医学教学中，我们尝试先将微视频上传到校园网，让学生在课前可以充分预习，并针对难点、重点问题相互讨论以及在线答疑，最后的课堂教学，再针对学生集中反映的突出问题有的放矢地进行重点讲解，收到了事半功倍的效果。

3.1.2 教师角色的转变 传统的临床医学教学中，教师是课堂的中心，处于主体地位；学生是知识的接受者，处于被动地位。在大数据时代，教师要重新进行角色定位，既授之以“鱼”，更授之以“渔”，利用好大数据下的先进技术，逐步引导学生确立自身在学习过程中的主体地位，发挥其主观能动性，培养其自主学习能力，为学生的继续教育以至终身教育打下良好的基础。在物理诊断学教学中，我们以问题为基础，以学生为主体，以教师为导向，实施了PBL教学法，充分发挥了学生的学习积极性，收效明显。

3.2 拓宽教学渠道

3.2.1 建设网络教育平台 临床医学是理论向实践转化的一门学科，操作性强，涉及知识面广，仅靠课堂教学难以达到理想的教学效果。大数据下的众多网络资源集视、听、互动于一体，使授课内容更加生动、形象、直观。加强网络教育平台建设，在校园网上搭建临床医学教学平台，建立仿真模拟中心，为学生提供各种学习资料，包括理论与操作视频、国内外网络公开课、精品资源共享课等。实现教学资源的最大整合，教学内容的最大呈现，并打破时间与空间的限制，为学生学习提供极大方便。对于课堂上没有理解的内容，学生可以随时随地浏览网络课程，自主获取相关信息，激发学习兴趣，增强学习自主性，达到巩固知识、加深理解的目的。同时，学生在这一过程中也逐步掌握了如何有效地利用网络教育资源，开阔思路，拓宽视野，养成良好的自主学习习惯。

3.2.2 利用社交工具加强“教”“学”互动 将当下普遍使用的社交工具QQ、微信加以合理利用，建立临床医学教学QQ、微信群，教师和学生均可在群中发布文献、语音、视频等学习资料，还可定期组织学习交流论坛。QQ、微信平台可实现文字、图片、语音、视频等多媒体资源共享，且沟通交流方便快捷，能够有效弥补课堂教学的时间和空间限制，与校园网教育平台一起搭建全方位无死角的“教”“学”沟通桥梁。此外，教师和学生可以根据自己的使用习惯和设备条件选择适合自己的方式建立讨论组，讨论交流心得体会，随时随地分享智慧火花，促进学生培养终生学习的能力[17]。

3.2.3 鼓励学生参加学术交流和科学研究 大数据驱动下的临床医学学术交流和科学研究更加呈现出“百花齐放、百家争鸣”的盛况。鼓励学生多参加学校、医院和临床科室开展的各种专题讲座、精品课堂、学习论坛以及学术报告等，及时了解临床医学的研究热点、新技术、新方法，同时鼓励学生参加大学生创新计划、吸收学有余力的学生加入科室的科研团队等，启发临床思维，培养科研能力，提升个人综合素质。

3.3 改进教学方法

3.3.1 引进智能教学软件 大数据时代，国内外已研发出很多方便、高效的智能教学软件，如极课大数据、作业盒子、百词斩等。当下教学过程中出现的问题，教师不能仅凭以往的教学经验加以解决，而是要尝试借助大数据寻找解决方法，在教学软件的帮助下研究分析遇到的教学问题，找到合适的解决方案。临床医学知识的抽象性以及实践性强等特点，更是要求教师从学生的需要出发，重视学习过程、学习体验和师生交流，及时引进智能教学软件，形象展示传统教学中无法演示的典型体征、操作手法、手术过程等，将学生难以理解的和枯燥、抽象的知识变得直观生动，使学生易于接受。同时，实时监测学生学习过程，根据反馈情况及时调整教学方案，提高教学效果。

3.3.2 实施精准教学 在大数据支撑下，教师可以根据每一名学生的具体情况“量体裁衣”，因人而异实施精准教学，帮助学生补齐学习中的短板，在有限的时间内最大限度地提高教学效果。例如，我们可以根据学生的个体测量图在其已有的专业知识技能与教学目标之间找出“差额”，根据每个人的“差额”制订具体的线上线下教学计划。对于理论基础好、自主学习能力强的学生，以PBL教学、菜单式选学及翻转课堂等自主学习、弹性学习方式为主[18]，让学生在相对宽松的环境下进一步拓展提升自己；对于基础差、比较依赖传统灌输式教育方式的学生，采取理论讲座、病例分析、操作演示等多种形式助其迎头赶上，力争找到适合每名学生的教学方法，使学生们“快乐学习”。

3.4 建立动态教学质量评价系统

在线学习系统中包含大量的细粒度的学生学习行为相关数据[19]。运用教育数据挖掘和学习分析技术对数据进行采集、存储和分析，对教学过程实施实时监控，不断优化学生的学习路径，促进学习反思，为包括管理者、教师和学生在内的整个教学过程中的参与者提供相应的反馈，形成动态的教学质量评价系统，不断提高教学质量。具体在实施中可以通过对学生课前预习、课堂学习、课外自学、考试考核等各个环节产生的线上线下数据进行汇总分析，挖掘学生学习习惯和特点，分析教学组织中可能存在的缺点与不足，绘制出学生个体测量图，及时调整课程难易度，不断改进教学方式，完善教学过程。

3.5 优化教师队伍

3.5.1 加强继续教育，提高教师综合素质 大数据时代对教师的综合素质提出了更高的要求。为适应教学需求，教师要不断提高自身专业能力、课程自主设计能力、课堂组织能力以及大数据运用的能力等。教师在掌握所要教授的临床医学专业知识的同时，还需熟练掌握各种智能教学软件的应用，学会收集整理、研究分析学生整个学习过程中产生的各种数据信息，动态监测学习过程，分析预测学习效果，进而为学生提供有针对性的学习建议。同时，大数据时代医学知识更新、观念更迭的速度越来越快，教师作为临床医学教学的实践者和学生的引路人，如果自身赶不上大数据时代的步伐，何谈引导学生。因此，加强对教师的继续教育和终身学习尤为重要。为此，应鼓励支持年轻教师通过攻读学位、进修学习、参加学术交流等方式继续深造，不断提升个人综合素质，提高教学能力。

3.5.2 整合資源，打造临床医学教学体 大数据时代下的临床医学教学必然走向团队合作。教学不再以单个教师的教学活动为主，而是靠整个教研室（组）的通力合作。即在大数据信息技术支持下，更好地整合人力、物力和财力资源，构建更为完备的临床医学教学体。要避免重复性劳动和资源的无谓浪费，指导教师协同工作并有效地使用数据，同一学科内部之间以及交叉学科之间的科学数据，在保护知识产权的情况下努力做到资源共享。例如，可以针对教师各自特点，扬长避短，让对新科技驾轻就熟的人来负责技术支持，让语言表达能力好的人来负责授课讲解，让沟通协调能力强的人来负责教学过程的统筹管理等；对于物理诊断学的精品课件，在内、外科教学中可以共享使用，节省备课时间，使教师有更多的精力来关注教学的其他环节；针对仿真模拟中心造价较高的情况，建立之初要做到资源整合、统筹规划，尽量建立模块齐全的综合性仿真模拟中心，而不是内、外科分开设立，在节约成本的同时实现资源的最大利用。

4 小结

大数据时代给社会提出了新的课题，对我们医学教育工作者也提出了新的努力方向，我们要积极迎接这一挑战，更要把握这一机遇，顺势而为，使信息时代下的临床医学教学与时俱进，培养出更多适应信息社会发展的高素质医学人才。

[参考文献]

[1] Gutmann MP，Merchant EK，Roberts E. "Big data" in economic history [J]. J Econ Hist，2018，78（1）：268-299.

[2] Lau E，Wu JC. Omics，Big Data and Precision Medicine in Cardiovascular Sciences [J]. Circ Res，2018，122（9）：1165-1168.

[3] Brown N，Cambruzzi J，Cox PJ，et al. Big Data in Drug Discovery [J]. Prog Med Chem，2018，57（1）：277-356.

[4] White BJ，Amrine DE，Larson RL. Big data analytics and precision animal agriculture symposium：Data to decisions [J]. J Anim Sci，2018，96（4）：1531-1539.

[5] Treasure T，Takkenberg JJM. Randomized trials and big data analysis：we need the best of both worlds [J]. Eur J Cardiothorac Surg，2018，53（5）：910-914.

[6] Gephart SM，Davis M，Shea K. Perspectives on Policy and the Value of Nursing Science in a Big Data Era [J]. Nurs Sci Q，2018，31（1）：78-81.

[7] Yamamoto Y. Healthcare and the Roles of the Medical Profession in the Big Data Era [J]. Japan Med Assoc J，2016，59（2/3）：125-139.

[8] Tan SS，Gao G，Koch S. Big Data and Analytics in Healthcare [J]. Methods Inf Med，2015，54（6）：546-547.

[9] 种乐熹，胡德华.大数据环境下医学信息学教育的变革与发展[J].中华医学图书情报杂志，2015，24（9）：71-75.

[10] 曲翌敏，江宇.健康大数据的来源与应用[J].中华流行病学杂志，2015，36（10）：1181-1184.

[11] 李玉琳，张聪聪，吴依娜，等.现代生物医学研究中医学研究生“大数据”利用能力的培养[J].现代生物医学进展，2015，15（31）：6163-6165.

[12] Brown N，Cambruzzi J，Cox PJ，et al. Big Data in Drug Discovery [J]. Prog Med Chem，2018，57（1）：277-356.

[13] Phinyomark A，Petri G，Ibá？觡ez-Marcelo E，et al. Analysis of Big Data in Gait Biomechanics：Current Trends and Future Directions [J]. J Med Biol Eng，2018，38（2）：244-260.

[14] Hinkelbein J. Big data for big patients：gaining insight into risks for tracheal intubation in obese patients [J]. Br J Anaesth，2018，120（5）：901-903.

[15] Saracci R. Epidemiology in wonderland：Big Data and precision medicine [J]. Eur J Epidemiol，2018，33（3）：245-257.

[16] Donovan S. Big data：teaching must evolve to keep up with advances [J]. Nature，2008，455（7212）：461-463.

[17] 吴双全.医学教学资源库构建与共享初探[J].计算机光盘软件与应用，2012（4）：243-245.

[18] 张金磊，王颖，张宝辉.翻转课堂教学模式研究[J].远程教育杂志，2012（4）：46-51.

[19] 徐树维，赵辉.Web环境下学生信息获取与信息交流课程教学改革研究[J].电脑知识与技术：学术交流，2013， 9（13）：3104-3108.

（收稿日期：2018-05-16 本文编辑：张瑜杰）