AI赋能医学影像软件开发能力培养——《医学影像信息学课程设计》教学改革案例分享

当生成式 AI 进入课堂，工程教育的挑战不再是“会不会写代码”，而是学生能否把算法真正落地为可交付的软件系统；教师能否在规模化教学中实现更及时、更精准的个性化指导。在《医学影像信息学课程设计》这门项目化课程中，我们以“AI 赋能”为核心、以“临床影像产品研发需求”为导向，重构课程内容，搭建智能教学平台，推动课程从“知识传授”走向“实践能力培养”，探索一条面向 AI 时代的软件工程教育新路径。

顺应AI时代的发展趋势，我们提出以“AI赋能”为核心，以“临床影像产品研发需求”为导向，重构课程体系，旨在培养学生具备全流程工程实践能力的系统构建者。

课程采用阶梯式任务设计，由浅入深培养系统开发能力，从 AI 辅助编程入门，到原型验证，最终完成医疗仪器系统软件开发。

我们开发了AI辅助编程能力基础训练训练模块，基于deepseek的智能Prompt评估与优化工具，核心功能包括对话式评估、多维度评分、实时优化建议和示例展示。通过6个必选项评分体系（语言、输入输出、功能、步骤、上下文、注释）和6个可选项提示（性能、边界、错误处理、结构、测试、安全），帮助学生系统化地提升Prompt编写质量，获得更精准的代码和测试用例生成结果。

项目自主研发医学影像实践教学智能助手系统 V1.0，实现教学全流程智能化支撑。

作业评估智能体和学情监测智能体能够判定作业的 AI 生成比例、评价学生代码质量、报告质量以及对作业理解程度，并自动汇总群体共性特征，为教学方案的即时优化提供科学建议，为教学团队提供数据驱动的决策支持。

通过智能教学助手系统，及时细致全面地分析每个学生的学习效果、项目进展，掌握班级整体状况、共性问题，因此每节课都能根据学情调整教学要点内容，每次课都能较大范围的实现师生一对一交流和指导。

本次教学改革验证了一个方向：AI并不会削弱工程教育，反而要求我们用更系统的方法去重新定义"能力培养"。未来我们将持续推进三项工作：

引入更多自动化与智能交互能力。

推广至更多医工交叉实践相关课程。

产出更高水平教研成果，构建开放共享平台，形成示范辐射效应。