何璇 毕鑫 蔡巍

摘 要：随着新一代信息技术的发展，海量数据资源以超乎人们想象的速度进行积累和汇聚，人类进入“大数据时代”。大数据算法引论课程以培养学生分析与挖掘大数据的实际应用能力为目标进行建设。健康医疗大数据，作为国家重要基础性战略资源，将带动我国医疗服务模式的深刻变革并提升医疗健康服务的质量。因此，本文着重阐述对于生物医学工程专业学生，如何培养学生的大数据思维以及处理和分析医疗健康大数据的能力。本文介绍了课程建设基础，着重阐述了课程建设的具体方案，以智慧医疗、精准医疗、个性化健康管理为目标，引导学生对于大数据基本理论和前沿性热点问题的学习，并指导学生对于临床大数据、精细化运营大数据、健康管理大数据以及精准医学大数据等应用方向的学习与实践。

关键词：大数据算法;课程建设;方案研究

近年来，随着云计算、大数据、物联网等新兴技术的发展，医疗数据的研究与应用发生了重大的变革。健康医疗大数据涵盖了医疗服务、健康管理、公共卫生、药品使用、营养保健等多方面数据[1]。如何挖掘健康医疗大数据的潜在价值，从而为智慧医疗、精准医疗、个性化健康管理等领域提供支持，具有非常重要的现实意义。从2015年起，国家出台了一系列的相关文件，如《关于促进和规范健康医疗大数据应用发展的指导意见》[2]《“健康中国2030”规划纲要》[3]《“十三五”卫生与健康规划》[4]《“十三五”全国人口健康信息化发展规划》[5]等。文件指出，全面深化健康医疗大数据应用，推进医疗行业的临床、科研、公共卫生大数据应用，发展智慧医疗等便民惠民服务。IT技术的进步使健康医疗大数据的应用成为可能，对于计算机等相关专业的人才需求也十分巨大。

生物医学工程专业，以解决医学中的有关问题为目标，运用工程技术手段保障人类健康，为疾病的预防、诊断、治疗和康复提供支持。随着临床诊疗数据、健康监测数据、影像数据、基因组数据等数据规模的飞速增长，如何培养生物医学工程专业学生的大数据思维以及如何培养学生处理和分析医疗健康大数据的能力，在大数据时代显得至关重要[6]。如在临床科研方面，学生可以利用计算机基于海量数据的学习与分析辅助医生进行临床决策，如用药分析、药品不良反应、疾病并发症、治疗效果相关性等。在公共卫生方面，可以通过大数据检测和分析传染病的传播模式、传播途径及暴发时间，有效进行疾病的预防和干预。这些相关的医疗健康大数据应用，为提高人民的健康质量以及提高医生的临床科研水平提供了非常重要的帮助[7]。

本文以生物医学工程专业开设的《大数据算法引论》专业选修课为例，阐述该课程的具体建设方案。通过本门课程的学习，学生能够掌握与传统算法课程不同的算法设计与分析思路，了解IT业界中大数据技术的应用与市场前景。以高水平学术会议最新研究成果為导向，了解大数据算法前沿知识。本文将首先介绍该课程的建设基础，然后介绍课程建设详细方案，最后阐述课程的特色并总结。

一、课程建设基础

由于本门课程的讲授对象为生物医学工程专业学生，因此课程团队成员是均具有计算机、生物医学工程等相关专业背景的教师。团队成员结构稳定，其专业领域与课程内容具有紧密的相关性。团队成员的研究方向涵盖了医学知识图谱、数据挖掘、医疗健康大数据等领域，并著有著作《医疗健康大数据：理论与实践》1部（共著）。

课程拥有丰富全面的学习参考资料，具体包括国内外参考书、中国大学慕课、实战项目平台及学术论文等。学生可以在完成既有基础知识和框架的学习后，在教师的指导下，结合丰富的线上教学资源，进一步理解以云计算技术为平台的分布式大数据处理相关技术。目前课程的主要参考资料为《大数据算法》（王宏志）、《医疗健康大数据：理论与实践》《算法导论（第三版）》（Thomas H.Cormen，Charles E.Leiserson，Ronald L.Rivest，Clifford Stein）以及《Big data：algorithms，analytics，and applications》（Kuan Ching Li，Hai Jiang，et al.）等。

本门课程已在学校的Blackboard（BB）平台初步搭建了教学过程管理模块。在课前，学生可以通过BB平台获取课件，提前了解学习内容，做好预习工作。在授课阶段，学生可以有针对性地学习重点难点。课后，教师通过BB平台发布作业，并在学生提交后对每一份作业进行在线点评，让学生及时了解自己对知识的掌握情况，以便调整后续的学习方法和学习重点。另外，通过BB平台上的交流和讨论板块，学生可以提出在学习过程中遇到的困难和疑惑，并在平台与老师进行沟通、探讨和交流。

二、课程建设思路及方案

（一）建设目标

大数据不论是在研究还是工程领域都是热点之一，算法是大数据管理与计算的核心主题。本课程介绍大数据分析中涉及的基本算法设计思路与方法，并结合前沿学术研究成果及生物医学工程专业背景，着重以智慧医疗、精准医疗、个性化健康管理为目标，培养学生分析与挖掘大数据的实际应用能力。通过对不同实际大数据需求的分析，设计合理的解决方案，进而培养学生的创新意识。

（二）建设思路

围绕以上建设目标，课程的总体建设思路如下：

课程建设思路图

课程建设以学生为中心，让学生可以了解和掌握大数据、云计算及物联网的相关背景知识，了解产业背景和行业版图。从大数据存储与管理、大数据处理、大数据分析等大数据相关架构及算法出发，结合大数据实际应用问题，为学生讲解大数据挖掘相关算法，并结合前沿学术研究成果，为学生讲解推荐系统、区块链、众包算法等知识。此外，结合生物医学专业背景，充分利用校企合作资源，使学生可以着重了解在智慧医疗、精准医疗、个性化健康管理等领域的大数据应用前景。以课程思政和混合式教学等教学理念及手段，进一步完善课程的建设，培养学生“全样而非抽样、效率而非精确、相关而非因果”的大数据思维体系。具体建设内容及方案阐述如下。

（三）建设内容及具体方案

与传统大数据课程相比，本课程除了涵盖大数据存储与管理（分布式文件系统HDFS、分布式数据库HBase、NoSQL数据库）、大数据处理与分析（MapReduce、Hadoop、流计算、图计算）等传统内容之外，还将热点问题和前沿问题引入课程，如推荐系统、区块链、众包算法等内容。并不断根据SIGMOD、VLDB、ICDE和KDD等国际会议新发表论文，更新教学内容。并针对专业选修课的课程特点，从医疗、汽车、餐饮、金融、电信等多个领域的角度，阐述大数据技术的应用背景和应用价值。通过列举网购、云盘、短视频推荐等多个生活场景实例，使学生了解生活中无处不在的大数据技术，激发学生进一步学习大数据相关理论知识的兴趣，使课程在富有前沿性的同时兼顾普适性。

另一方面，课程团队成员的专业领域围绕着医疗健康大数据、大数据算法优化等积极展开。本课程已将树数据计算、图数据计算、图数据搜索等大数据领域热点问题，结合团队成员的研究背景，融入教学内容中，促进科研成果向教学内容转化。具体来说，查阅大量的权威文献，不断跟踪科研和理论发展前沿，向学生介绍目前国内外大数据的创新思路和发展动态。使学生不仅可以了解基本理论知识，还能够了解基本理论知识和创新方法如何应用到大数据计算和分析中。

特别地，团队成员着重围绕着医疗健康大数据，结合精准医疗等背景讲解前沿性问题。分别针对临床大数据应用、精细化运营大数据应用、健康管理大数据应用以及精准医学大数据应用等方面展开。

1.临床大数据应用

随着医院信息化水平的不断提高，临床大数据的规模逐渐增大。越来越多的肿瘤及基因数据、药物应用数据、诊疗路径数据等临床大数据为科研人员提供了大数据分析的基础。课程团队成员从临床大数据的标准化采集、平台建设及疾病预测、药物预测等相关大数据应用模型展开介绍，使学生能够深入理解大数据算法在临床上的具体应用及实践价值。

2.精细化运营大数据应用

医疗成本数据是医疗服务价值的真实体现，也反映了医疗资源运营状况的精准指标，具有重大的应用价值。课程团队成员从医院成本核算的路径与方法及成本大数据的应用效果等方面为学生介绍医院精细化运营大数据所涉及的数据的采集与集成、基于Hadoop的数据存储与计算以及卫生行政部门、医院、支付机构等多方的运营管理应用。

3.健康管理大数据应用

中国慢性病发病率快速提升，亚健康问题日益凸显，越来越多的人定期接受健康体检，健康体检数据的快速增长为大数据的分析与挖掘带来了机遇和挑战。课程团队成员为学生深入剖析该领域存在的主要问题，并以体检大数据、慢病管理大数据、睡眠大数据等多个案例入手，为学生讲解数据采集与清晰、数据关联分析、数据建模与算法优化、用户画像与个性化推送等理论方法的实际应用。

4.精准医学大数据应用实践

精准医学是一种以“个体为中心”，基于患者“定制”的医疗模式。它的目标是通过综合考虑基因、环境、生活方式等多方面的个体差异，为每一位患者寻求最有效的疾病预防与治疗方案。课程团队成员为学生着重讲解精准医学涉及的多模态数据类型，包括电子病历等非结构化数据、医学影像类数据、基因检测生物信息数据等类型数据的融合以及临床决策支持系统的构建等实际应用问题及场景。

此外，本课程结合课程思政建设方案，建立课程相关素材库。如介紹国内云计算公司所取得的成果，增强学生的民族自豪感和使命感，同时引导学生树立远大志向。在介绍前沿性领域知识推荐系统时，提醒学生要警惕沉迷“投你所好式”网络，引导学生树立正确的人生观、价值观，培养学生的批判性思维等。

在混合式教学模式探索方面，大数据技术涵盖了数据结构、数据库、文件系统、编程语言等多个计算机专业相关基础课程的部分知识，学生如果不具备这部分基础知识，对于分布式的文件系统、数据库和分布式计算的理解很难达到预期效果。生物医学工程专业的学生对于以上知识的掌握程度不够。因此，本课程构建线上线下混合式教学模式，让学生课前在线学习相关的基础知识和理论。

在校企合作方面，本课程团队与沈阳东软智能医疗科技研究院有限公司等企业建立了深远的合作关系，通过校企合作方式，设置“校企合作专家进校园”的教学环节，让学生可以了解大数据在行业内的实际应用需求。并结合临床大数据、精细化运营大数据、健康管理大数据、基因检测大数据等应用场景，加强理论联系实际和实践环节教学，着重培养学生分析问题和解决问题的能力。

三、课程特色

本课程的特色主要体现在以下几个方面：

（1）以高水平学术会议的最新研究成果为导向，以大数据热点问题和前沿问题为支撑，构建兼具前沿性和普适性的专业选修课教学内容，激发学生的学习兴趣和创新思维。

（2）结合课程团队生物医学工程专业背景，着重介绍智慧医疗、精准医疗、个性化健康管理领域的大数据技术及应用场景，培养学生的设计思维和工程思维。

（3）通过校企合作，将企业的实际大数据问题带到课堂，以问题驱动为基本模式，为学生从浅层学习向深层学习提供环境、资源、方法和策略。

结语

通过本门课程的学习，使学生可以了解创新性的大数据算法设计与分析思路，了解IT业界大数据技术的应用市场前景。并且以高水平学术会议的最新研究成果为导向，让参与这门课程学习的学生了解大数据算法的前沿知识。学生可以掌握大数据算法设计的基本思想，并通过课程作业，实现以云计算技术为平台的分布式大数据处理技术，掌握大数据算法设计与分析技术。预期通过基于混合式的问题驱动闭环教学体系，激发学生对于大数据的学习兴趣，培养大数据的科研思维和创新思维，培养学生理论结合实际的能力。结合生物医学工程专业背景，以智慧医疗、精准医疗、个性化健康管理为目标，为医疗健康大数据分析与挖掘等应用与产业培养深入大数据研究与开发的高端人才。

参考文献：

[1]李蕴，李文斌.浅析精准医学与健康医疗大数据[J].继续医学教育，2021，35（06）：5759.

[2]国务院办公厅关于促进和规范健康医疗大数据应用发展的指导意见[J].中华人民共和国国务院公报，2016（19）：2428.

[3]“健康中国2030”规划纲要[J].中国肿瘤，2019，28（10）：724.

[4]国务院关于印发“十三五”卫生与健康规划的通知[J].中华人民共和国国务院公报，2017（03）：4966.

[5]国家卫生计生委关于印发“十三五”全国人口健康信息化发展规划的通知[J].中华人民共和国国家卫生和计划生育委员会公报，2017（02）：3643.

[6]刘有军，南群.论中国高等院校生物医学工程本科专业的核心竞争力[J].北京生物医学工程，2021，40（03）：314317.

[7]李海云，景斌，于红玉.生物医学工程学科发展的思考[J].北京生物医学工程，2015，34（06）：626629.

基金项目：国家自然科学基金青年项目“时空关联数据的网络化建模分析、因果推理及其应用研究”（61806048）;国家重点研发计划“智能医生助理关键技术及应用研究”（2020AAA0109400）;沈阳市科学技术计划基金“东软智能医疗研究院建设项目”（20201410）

*通讯作者：何璇（1986— ），女，汉族，辽宁沈阳人，博士，讲师，研究方向：健康医疗大数据。