【编者按】为响应“健康中国2030”国家战略，服务医疗新基建发展需求，清华大学工程管理硕士（MEM）项目设立“医疗健康主题专项”核心课程《医疗大数据》。该课程由清华大学临床医学院副教授、北京清华长庚医院麻醉科主任、主任医师高志峰统筹，整合清华大学、北京航空航天大学等工科优势学校及多家三甲医院临床资源，着力培养兼具医疗产业视野与大数据智能应用能力的复合型工程管理人才。

7月11日至12日，清华大学MEM教育中心将《医疗大数据》作为校园开放日专题课程，邀请到北京航空航天大学医学科学与工程学院刘建刚教授主讲《影像组学及其在辅助精准诊断中的应用》。系统阐释了影像组学从临床痛点发现到智能模型落地的全流程工程化管理方法，为MEM学生深入理解医疗AI项目的系统思维与实践路径提供了典型范例。

课程直面传统医学影像诊断的局限性：人眼识别精度有限、复杂特征难以量化、海量数据处理超出人脑负荷。针对上述痛点，影像组学通过“高通量特征提取—量化分析—模型构建”的工程化路径，将视觉信息转化为可计算的数据矩阵，实现了诊断模式的根本性变革。其核心逻辑在于构建“源于临床—高于临床—服务临床”的闭环：以临床问题为驱动，以临床数据为输入，以人工智能算法为工具，以辅助诊疗决策为输出，最终回归临床应用验证。

在教学实践中，课程重点强化了工程管理的核心要素。一是全流程质量控制，涵盖伦理审查、数据标准化采集、病灶精准标注、特征提取与筛选、模型构建及性能验证等环节，强调任一环节疏漏均可能导致整个项目失效。二是多源数据治理，整合影像、病理、基因及临床文本等多模态数据，通过预处理、增强与标准化，解决数据异构性问题。三是模型泛化能力攻关，针对医疗设备、人种、扫描参数差异导致的“域偏移”难题，引入风格解耦与内容保留算法，显著提升模型跨中心部署的稳定性。四是临床价值验证，明确提出“模型高性能不等于临床高价值”，需通过前瞻性临床试验评估模型对诊疗决策、患者预后及医疗成本的实质影响，避免陷入“为算法而算法”的误区。

课程通过四项典型工程案例深化理解：肾癌癌栓静脉壁侵犯预测模型有效辅助癌栓静脉壁侵犯的术前识别；胃癌隐匿性腹膜转移预测模型将术前诊断精度从难以识别提升至85%；全自动前列腺癌辅助诊断模型通过人机协同，将临床显著性前列腺癌识别AUC提升至0.931，并有效减少了不必要的穿刺活检；抗域偏移乳腺癌诊断模型在跨中心、跨人种测试中保持了稳定的泛化性能。这些案例生动体现了工程管理在优化医疗资源配置、降低患者创伤、提升诊疗效率中的关键作用。

本次课程是清华MEM“医工交叉、工管结合”培养特色的集中体现。清华MEM项目长期致力于培养兼具技术洞察与管理能力的复合型领军人才。本次开放日不仅展示了医疗大数据领域的前沿技术与管理实践，更通过真实案例揭示了工程管理在破解医疗系统复杂性、提升医疗服务效能中的关键作用，为学生在医疗健康领域的职业发展提供了清晰路径。

供稿：MEM教育中心