医学知识散布于非结构化的科学文献和结构化的生物医学数据库中。在医学领域，面对科学文献、临床证据及相关数据集的快速增长，研究者和临床决策者正在承受前所未有的信息压力。2023年经济合作与发展组织（OECD）发布的报告《科学研究中的人工智能：挑战、机遇和未来》指出，基于文献的知识发现（Literature-based discovery，LBD）是AI for Science的重要组成部分，推荐科学家学习和应用相关技术，以缓解信息过载并从文献中挖掘深层知识。

近年来，随着自然语言处理技术的发展，尤其是大语言模型（如ChatGPT等）的广泛应用，AI为医学文献挖掘和科学推理提供了前所未有的机会。本进阶班作为基础班的延续，专注于大规模医学文献和数据库的深度挖掘与知识应用，注重理论与实践相结合，帮助学员掌握先进技术，解决实际问题。

课程核心内容：

1.知识图谱构建与应用： 深入理解医学知识图谱的概念，探索大模型时代如何将知识图谱用于医学研究；

2.医学本体的二次挖掘： 提升学员在处理与分析医学本体数据方面的技能；

3.网络Meta分析与系统综述： 学习使用网状Meta分析等方法挖掘文献数据的深层价值；

4.因果图构建： 从文献和数据中提取因果关系，构建有向无环图（DAG）用于科学推理和决策支持；

5.图挖掘与AI结合： 利用Graph-RAG等前沿技术，研究疾病机制及临床可干预变量；

6.中医药与人工智能： 跨学科融合中医药知识与网络医学，为多维健康数据研究开辟新路径；

7.知识增强大语言模型： 应用PrimeKG等技术提升大语言模型的医学诊断与推理能力。

注：课程强调理论学习与实际操作相结合，采用案例驱动的教学模式，鼓励学员在真实场景中应用所学知识。

【课程名称】

北京大学临床数据科学家AI文献挖掘方法进阶（在线）研修班

校级项目编号：2025-62(校)

【办学单位】

北京大学健康医疗大数据国家研究院

【招生对象】

▫ 临床科研骨干：希望提升证据检索效率，构建临床决策支持系统

▫ 医院数据分析师：负责电子病历 / 生物样本库深度利用，需突破传统统计分析局限

▫ 健康医疗企业从业者：从事智慧医疗产品研发、医药大数据分析，需掌握前沿技术框架

▫ 高校 / 科研机构研究者：聚焦医学 AI、精准医疗、中医药现代化等交叉学科领域

【授课教师】

课程负责人：

主讲老师：

何勇群  美国密西根大学

朱政复旦大学

孙凤北京大学公共卫生学院

周雪忠北京交通大学人工智能研究所

赵文静北京大学健康医疗大数据国家研究院

【培训证书】

学员完成全部课程学习，考评合格，将颁发北京大学继续教育结业证书，加盖北京大学钢印。

课时安排：线上直播+回放

2025年6月12、13、14、20、21日，共计20学时

详细课程内容请关注微信公众号“北大健康医疗大数据国家研究院”获取更多培训信息

报名缴费截止时间：2025年6月10日。

免责声明：市场有风险，选择需谨慎！此文仅供参考，不作买卖依据。

责任编辑：kj015

文章投诉热线:157 3889 8464  投诉邮箱:7983347 16@qq.com