醫學知識散布于非結構化的科學文獻和結構化的生物醫學數據庫中。在醫學領域，面對科學文獻、臨床證據及相關數據集的快速增長，研究者和臨床決策者正在承受前所未有的信息壓力。2023年經濟合作與發展組織（OECD）發布的報告《科學研究中的人工智能：挑戰、機遇和未來》指出，基于文獻的知識發現（Literature-based discovery，LBD）是AI for Science的重要組成部分，推薦科學家學習和應用相關技術，以緩解信息過載并從文獻中挖掘深層知識。
近年來，隨著自然語言處理技術的發展，尤其是大語言模型（如ChatGPT等）的廣泛應用，AI為醫學文獻挖掘和科學推理提供了前所未有的機會。本進階班作為基礎班的延續，專注于大規模醫學文獻和數據庫的深度挖掘與知識應用，注重理論與實踐相結合，幫助學員掌握先進技術，解決實際問題。
知識圖譜構建與應用：深入理解醫學知識圖譜的概念，探索大模型時代如何將知識圖譜用于醫學研究；
醫學本體的二次挖掘：提升學員在處理與分析醫學本體數據方面的技能；
網絡Meta分析與系統綜述：學習使用網狀Meta分析等方法挖掘文獻數據的深層價值；
因果圖構建：從文獻和數據中提取因果關系，構建有向無環圖（DAG）用于科學推理和決策支持；
圖挖掘與AI結合：利用Graph-RAG等前沿技術，研究疾病機制及臨床可干預變量；
中醫藥與人工智能：跨學科融合中醫藥知識與網絡醫學，為多維健康數據研究開辟新路徑；
知識增強大語言模型：應用PrimeKG等技術提升大語言模型的醫學診斷與推理能力。
注：課程強調理論學習與實際操作相結合，采用案例驅動的教學模式，鼓勵學員在真實場景中應用所學知識。
北京大學臨床數據科學家AI文獻挖掘方法進階（在線）研修班
校級項目編號：2025-62(校)
臨床科研骨干：希望提升證據檢索效率，構建臨床決策支持系統
醫院數據分析師：負責電子病歷 / 生物樣本庫深度利用，需突破傳統統計分析局限
健康醫療企業從業者：從事智慧醫療產品研發、醫藥大數據分析，需掌握前沿技術框架
高校 / 科研機構研究者：聚焦醫學 AI、精準醫療、中醫藥現代化等交叉學科領域
? 18:30–20:00
主題：大模型時代的醫學知識圖譜：概念與應用
講師：杜建
? 18:30–20:00
主題：醫學本體及其二次挖掘和利用
講師：杜建
? 20:00–21:00
主題：本體：健康數據標準化與人工智能的知識基礎
講師：何勇群
? 8:30–9:30
主題：采用網狀Meta分析挖掘文獻價值
講師：孫鳳
? 9:30–12:00
主題：使用AI工具輔助開展多源證據提取及綜合
講師：賀子璇、孫華鴿
? 13:30–16:00
主題：大語言模型輔助構建循證因果有向無環圖
講師：史軒宇
? 18:30–20:00
主題：醫學科學問題挖掘：文獻中未知知識與矛盾證據的識別與利用
講師：趙文靜
? 20:00–21:00
主題：癥狀網絡及其在癥狀管理中的應用
講師：朱政
? 8:30–9:30
主題：中醫藥人工智能和網絡醫學
講師：周雪忠
? 9:30–12:00
主題：知識增強大語言模型在醫學領域的應用：PrimeKG提高大模型的醫療診斷水平
講師：謝士堯
? 13:30–16:00
主題：圖挖掘與大模型的結合：Graph-RAG用于疾病機制及臨床可干預變量的挖掘
講師：王爽
? 16:00–17:00
主題：課程總結與問答
講師：杜建
學員完成全部課程學習，考評合格，將頒發北京大學繼續教育結業證書，加蓋北京大學鋼印。
1.費用：3600 元/人（共20課時）
2.報名繳費流程：
1）報名：掃描下方二維碼填寫報名信息。
2）繳費：
【路徑一】：報名后，北京大學醫學部繳費平臺發送繳費鏈接到參會代表注冊郵箱，請點擊繳費鏈接交費；
【路徑二】：報名后，將培訓費用于截止日期前全額對公匯入以下賬戶：
賬戶名稱：北京大學醫學部
開戶銀行：工商銀行北京東升路支行
賬 號：0200 0062 0908 9112 565
用途（匯款時請備注）：健康數據科研+學員姓名
注：將繳費憑證（轉賬截圖/匯款憑證照片）通過微信或郵件發送給報名聯系人崔老師（聯系方式見下），確認報名成功。
3. 報名繳費截止時間：2025年6月10日。
報名聯系人：崔老師
電話：010-82806531，13810687742（微信號：16759657）
郵箱：pku_dshm@bjmu.edu.cn
地址：北京市海淀區學院路38號北京大學醫學部校內北大醫學科技樓（100191）
