循证医学是现代临床研究的方法学,对于指导临床实践发挥重要作用,已逐渐成为医学高等院校的核心课程之一。在信息时代数智化背景下,循证医学为应对研究问题、数据方法和研究证据多样化等多重挑战,逐渐形成了基于多模态数据,利用人工智能方法等医工结合的创新研究模式。但当前医学院校的教学内容与学科日新月异的变革相互割裂,阻碍了医学生对学科知识体系、前沿理论和发展方向的全面认知。对此,本文以我校研究生课程改革为契机,在原有循证医学课程设置中加入真实世界数据研究、人工智能和生物信息等内容,对信息时代下循证医学课程改革进行初步探索。力图让学生能够真正理解循证医学对医学发展的作用和价值,同时具备坚实的理论基础、开阔的国际视野和敏锐的科研触角,为循证医学学科发展储备人才。
引用本文: 徐嘉悦, 王雨宁, 孙鑫, 王雯. 信息时代下的循证医学课程改革探索. 中国循证医学杂志, 2024, 24(5): 612-616. doi: 10.7507/1672-2531.202401168 复制
循证医学是一门通过系统地收集、评估和应用临床研究证据,支持临床实践的方法学科。它强调医学决策应基于最新的高质量科学证据,同时结合临床经验和患者意愿,从而形成适合患者个体情况的治疗方案[1]。循证医学的起源可以追溯到20世纪初的医学研究方法改革,医学研究开始强调对疾病的病因和治疗方法进行系统观察和实验。20世界70年代,David Sackett等开始提出“循证医学”,并将其定义为“将最好的外部证据与临床经验和患者价值观相结合,以做出最佳的临床决策”。从此循证医学的理念逐渐在医学界得到认可,并在临床实践中广泛应用。1992年,Gordon Guyatt等正式提出并系统定义了循证医学[2]。自此,现代医学研究基于循证医学方法论,形成了一系列高质量研究证据,对医学发展产生了巨大影响[3-8],循证医学也因此入选BMJ现代医学十大标志性进展[9]。
在过去的三十年里,循证医学不断发展创新。随着第四次工业革命,以信息系统、数字技术为主导的技术革新,催生了大量新兴技术集群,许多传统行业和学科面临颠覆式变革[10]。在此背景下,循证医学积极寻求突破,开始探索基于大数据体系;融合人工智能(artificial intelligence,AI)、信息技术等新方法新技术的临床研究和循证决策模式。
虽然循证医学经历着日新月异的变革,但目前国内的循证医学课程设置仍然较为传统,以循证检索、临床证据评价和Meta分析等内容为主,尚未形成融合当前新兴研究方法、多元医学证据的多学科交叉教学模式,课堂内容与实际科研应用存在割裂,一方面阻碍了学生对于前沿理论知识的学习和掌握,另一方面限制了循证医学学科的发展。本文基于笔者所在团队在循证医学研究和教学方面的实践经验,结合我国高等医学院校现有的循证医学课程,针对信息时代下循证医学课程设置改革进行探讨。
1 国内外循证医学教学现状
循证医学已逐渐成为国内外高等医学院校的核心课程[11],其教学目的是让学生能够提出明确的临床问题,并根据临床问题,设计相应的研究方案,形成可用于回答研究问题的证据或证据体。主要内容应包括:选题和立题,临床研究主要设计类型、临床研究的统计分析、医学信息检索、证据评价和推荐等[12]。
目前,部分国内医学高等院校在不同教育阶段开设了循证医学课程,内容各有侧重,主要参考《循证医学》《临床流行病学和循证医学》及《医学文献检索与论文写作》等经典教材[13-15],为培养临床与科研紧密结合型人才打下了基础。
在本科阶段,目前高校课程开设方式主要为设立循证医学必修课和在流行病学课程中设置固定章节,一般在本科三年级或四年级时开展教学。课程内容主要针对“证据产生”,依据不同研究目的划分章节,如:探究疾病危险因素,评价诊断、治疗、预后等,讲授各研究目的对应的、常用设计类型要点[16]。这些课程培养了学生对循证医学理论和方法的专业技能,锻炼了学生进行循证医学研究的科研思维,为将来面对实际临床问题、设计和开展研究,解决临床问题打下基础。此外,一些高校设置了更深入的循证医学课程,包括系统评价与Meta分析、临床实践指南的制订与应用、循证医学研究方法等技术方法,旨在更综合地评价证据、应用证据,全面培养学生进行循证医学研究和实践的能力,整体教学内容以基本理论学习为主。
在研究生阶段部分高校也开设了循证医学课程,该阶段的课程更注重培养循证实践能力,提升医学研究生的科学素养。在教授理论知识的基础上增加了课题设计实践的比例,通过小组和案例式的教学方式,调动学生的自主学习能力,激发科研兴趣,推动规范地开展研究[17]。考核方式也呈多元化,如:嵌入小组答辩等过程性评价,实现教学服务于实践,提高学生开展循证医学研究的能力,为将来实际研究或成为循证专业人才打下基础[18]。
国外很多高校同样将循证医学课程视为医学教育的重要部分,纳入本科生及研究生课程,旨在培养学生面对临床问题时寻找最佳决策的能力[19]。以循证医学发源地加拿大麦克马斯特大学为例,循证医学课程安排在临床方法学研究生培养计划中,与临床科研基础理论方法、医学统计学方法、随机临床试验方法并行为研究生必修课程。以经典证据推荐分级的评估、制订与评价(grading of recommendations assessment, development, and evaluation,GRADE)的系列方法文献、Cochrane偏倚评价工具、指南以及示范案例等阅读材料为学习资料,着重介绍临床问题PICO的确定,系统评价方法,包括系统文献检索、原始证据筛选和可重复性标准建立、定量证据整合及结果阐释等,从系统性综述、组建团队、评估当前证据、定义研究问题提出研究假设、选择结局指标到最后形成纳入、排除标准和流程图等,以小组研讨形式,理论结合实践,进行授课。
总体而言,国内外医学高等院校对于循证医学课程较为重视,并通过多种方式提高教学质量。然而,教学内容仍以传统循证医学为主,在海量信息资源、新兴技术与方法涌现的背景下,亟需丰富循证医学的内涵与教学内容,提升学生对课程的获得感,学以致用。
2 信息时代下循证医学教学改革的方向与内容
随着数字信息时代的到来,循证医学面临的挑战主要体现在以下三个层面[20]:第一是研究问题多元化,传统的循证医学主要关注临床试验和药物疗效评估,随着医学研究的深入,疾病的类型和治疗方法也越来越多样化和个体化,同时所关注的医学问题已经扩展到了涵盖整个医疗卫生体系的更广泛领域。第二是数据与方法的多元化,信息时代医学研究的数据来源越来越多样化,包括临床试验、真实世界大数据、组学数据等,相应的研究方法和新兴技术手段如AI大模型、生物信息(bioinformatics,BI)技术等也迅速发展[21]。第三,随着研究问题、数据和方法的多样化,医学研究的证据来源得到了极大丰富,试验性研究证据、观察性研究证据、基础研究证据以及二次分析证据呈现爆炸式增长。在这样的大背景下,循证医学逐渐形成了从传统临床研究模式向基于大数据体系研究模式、从传统循证医学模式向智能化证据合成、评价、推荐模式的转变。笔者所在四川大学华西医院中国循证医学中心是中国循证医学的发源地,针对当前智能化信息技术革新的冲击,我们提出了依托循证医学的核心方法理论,融合多模态大数据,利用生物工程、AI、因果推断等新兴技术,形成从基于真实世界研究、随机临床试验、基础研究的多元证据产生,到智能化证据分类、评价、整合,最终助力临床精准治疗的一体化大循证概念(附件图1)。
具体来说,循证医学首先需要根据特定研究问题,明确应采用什么证据来回答,并有针对性地进行证据的获取和分类。在医疗信息化水平不断提升的背景下,包括影像、音频等不同类型和模态的数据不断涌现;同时数据产生也从传统问卷调查等方式转为基于医院信息系统的常规收集医疗数据等形式。临床数据体量空前庞大,数据维度和结构极其复杂,传统的临床设计方法和统计分析模型,难以有效支持基于大数据的临床研究,需要结合多模态大数据体系下的AI、BI等相关方法技术。
其次,临床诊疗手段日新月异,不同类型的研究证据层出不穷。经典证据分级推荐采用GRADE方法,通过系统性评价和合成临床证据,综合考虑患者选择和价值观以及现有医疗资源和医生临床技能,实现了临床证据向临床实践的转化[22]。但面临海量多元、质量参差的证据,快速筛选高质量证据,提取关键信息,整合多元证据,是保证证据利用时效性的关键,需要引入针对多元证据的快速评价和临床应用转化方法。
因此,为了使学生更全面地学习循证医学理论方法,了解学科前沿发展,还应加入真实世界研究、医学信息、AI等内容。
3 信息时代下循证医学教学模式初探
在方法技术高速迭代的信息时代下,循证医学课程改革应以契合国家发展需求,切实解决临床问题为导向,理论基础和应用实践并重,与学科国际前沿接轨,将最新的学术成果和理论体系融入日常教学。笔者所在教学团队以我院研究生循证医学课程改革为试点,从课程体系、师资团队和教学模式三个方面,对循证医学课程改革进行了初步探索。
3.1 课程体系
在研究生整体的教学安排,前置临床科研设计和统计分析课程,让学生先行掌握临床科研基本的流行病学设计和统计分析方法。在循证医学理论课程教学中,主要设置了四部分章节。
第一章节为总论。通过总论,向学生介绍循证医学的发展历程和对于现代医学研究的重要意义,并传达信息时代数智化背景下循证医学的创新发展。
第二章节为传统循证基础理论和常用方法,包括系统评价方法、Meta分析方法、证据质量评价(GRADE分级)和临床指南制作。同时课程还融合AI,介绍了指南制订新思路和方法,包括:针对信息时代下海量证据快速涌现,传统指南制订周期长,无法实时更新,课程引入证据快速推荐快速指南转化推荐(making GRADE the irresistible choice,MAGIC)体系,为学生可以实现临床实践指南和决策辅助工具的高效创建和更新提供可行方法工具[23];同时,针对多元多形式的复杂证据快速检索、评价和整合,介绍前沿ChatGPT等自然语言大模型,拓展学生思路与视野。
第三章为真实世界数据与研究。信息时代下产生海量医疗数据,如电子病历数据、医保数据等。这些真实世界数据已成为临床研究的重要数据资源和发展方向。因此,在改革的课程体系中增加了真实世界数据与研究的课程内容。在复杂的数据环境下,如何构建高质量的数据体系,并选择合适的研究设计和分析方法控制大量混杂和偏倚,是目前研究的难点。针对以上难点,课程中增加了如何基于多来源真实世界数据,包括常规收集的健康医疗数据、主动收集的健康医疗数据等构建研究型数据库;如何针对不同临床研究问题,开展合理的设计;以及如何选择合适的数据处理和分析方法,控制大量混杂和偏倚。
第四章节为新兴研究方法。聚焦前沿趋势和发展动向,本次课程改革增设了AI和BI技术在临床研究中的应用课程。针对目前AI在医学领域应用的主要方向和领域,包括风险预测、自然语言处理、多模态数据处理和辅助决策支持等,在改革的课程中我们介绍AI在当前信息大数据时代下的临床应用场景和常用的AI技术。同时,微观证据包括组学证据也逐渐成为循证决策不可或缺的部分。同时,随着数据科技蓬勃发展,除临床数据外,基因组、转录组、蛋白组、代谢组等组学数据不断涌现,利用BI技术进行高效深入开发利用也是目前研究的发展趋势。在针对BI的临床研究课程中,主要介绍了药物靶点探查、个性化精准医疗和单细胞组学等方面的相关技术,以及相关应用场景和对临床决策的意义。整体理论课程设置由总到分,由浅入深地向学生全面系统地阐释了循证医学整体理论框架及与其他学科的交叉应用。
3.2 师资团队
课程内容的前沿性对于教学师资提出了极大挑战,笔者所在研究团队背靠国内顶尖三甲医院—四川大学华西医院和双一流综合性大学—四川大学,在师资团队的组建上,充分考虑教师的教学水平、科研能力和学科背景,组建了一只12人的教学队伍,覆盖临床流行病学、生物统计、循证医学、信息检索、临床医学、AI、BI等学科。师资队伍科学研究经验丰富,形成的系列成果发表在包括BMJ、Lancet、《中华流行病学杂志》《中国循证医学杂志》等国内外高水平期刊上;同时教学视角多样,师资中有专职科研人员、一线临床医生和杂志编辑,对于学科的理解和问题的剖析更为全面,对于引导学生构建学科体系和掌握理论知识有极大助益。
3.3 教学模式
在循证医学的教学形式上,以开展系统有组织的科研实践为宗旨,结合课程思政,紧跟国家政策导向,通过“讲授+讨论+实践”结合的基本策略,以线上线下结合的形式,嵌入慕课、APP辅助教学等手段,融合个性化和启发式的教学方式,鼓励学生从自己的日常科研或临床工作中寻找问题,以科学问题和国家需求为牵引,指导学生理解并应用课程内容。
3.3.1 以临床问题为导向,引导学生选题立题,制定研究方案
鼓励学生结合自身科研需求自主选题,最好与自己的实际工作结合,并考虑国家发展需求和患者利益,可以和临床导师讨论,由临床导师和课程老师联合指导定题。同时授课者预设几个研究问题,供学生选择。以研究小组的形式,制定研究实施方案和预期成果,开展科研实践。
3.3.2 开放式合作,启发式学习
给每个小组分配指导老师,可邀请临床导师共同参与,也可以按需要邀请非课程内的学生加入,如卫生统计、计算机等其他专业学生,组建固定研究团队,推选一名小组长,定期开展讨论,由指导老师把握整体研究方向,并在必要时为学生答疑或提供相应的帮助。要求学生自主探索,可通过阅读文献材料、自主学习或寻求统计学、计算机等相关专业的技术支持等方式,最终完成相关研究的分析和报告撰写工作。鼓励学生将课程成果形成科研产出,包括但不限于科研论文、专利、软著等形式。
3.3.3 经验交流、成果展示
在结课前,以幻灯片演讲的形式,分小组进行经验交流,包括在选题立题阶段的考虑和研究实施过程中遇到的一些问题和解决方法,并汇报研究成果。由授课老师提问,并点评立题是否具有创新性和临床价值、研究设计是否科学合理、研究实施和报告是否规范严谨等。
3.3.4 课程考核
为调动学生能动性,增加学生的参与感,让学生学习由被动变主动,课程考核由考试变为考查形式。考核方式为以研究小组为单位提交一份研究报告课程论文,并进行成果汇报。采用老师评价和学生互评的方式:任课老师根据评分标准,对学生课程论文和成果汇报进行评分;同时其他小组对汇报小组的汇报内容进行评分。最终得分由教师论文评分、教师成果汇报评分和小组成果汇报互评三个部分构成。同时,通过对研究过程进展汇报评分,计入小组平时成绩,加强过程考核。考核总体以解决临床研究问题为导向,以提高学生科研能力为目的。
3.4 典型案例
目前循证医学教学改革课程在四川大学华西临床医学院已开展3个学年,逾千名包括临床医学、医学技术、护理等专业的学生接受了授课。课程培养了学生以临床问题为导向,采用循证医学的思想和方法,并运用信息时代下医疗大数据和AI等前沿技术开展临床研究的能力。典型案例为一位临床七年制心内科方向同学在系统学习课程后,掌握了循证医学基本方法,并对相关研究思路和方法产生了浓厚兴趣。该同学在心内科实习中,发现重症心衰患者发病急、病情进展迅速、诊疗复杂,但临床难以支持重症心衰的实时风险预测。在确定临床研究问题后,该同学在循证医学中心开展了科研实习。在循证医学中心方法学团队支持下,以临床问题为导向,依托循证医学新技术新方法,开展了系统性研究工作:首先搭建了逾20万患者的重症心衰多中心电子病历数据库;以大数据为支撑,利用长短神经网络、XGBoost等AI算法,构建了心衰预后预测模型,可提前5小时预测重症心衰患者的死亡风险,预测精度可高达96%;基于高精度预测模型,进一步进行工程化转换,搭建了适配于医院电子病历的辅助决策支撑系统。该项目实施过程产出了系列研究成果,包括SCI文章7篇,专利8项、软著3项,形成的辅助决策支持系统目前已投入市场运营,并基于此项目申报了国家级大学生创新创业大赛。
4 小结
针对信息时代下,研究问题多元化、数据方法多元化和研究证据多元化的挑战,循证医学不断寻求突破,形成了与AI、BI等多学科、医工交叉的新型学科格局。医学生医学发展的未来,紧跟学科前沿,我们在循证医学高校教学中积极改革创新,力图使学生能够具备坚实的理论基础、开阔的国际视野和敏锐的科研触角。
循证医学是一门通过系统地收集、评估和应用临床研究证据,支持临床实践的方法学科。它强调医学决策应基于最新的高质量科学证据,同时结合临床经验和患者意愿,从而形成适合患者个体情况的治疗方案[1]。循证医学的起源可以追溯到20世纪初的医学研究方法改革,医学研究开始强调对疾病的病因和治疗方法进行系统观察和实验。20世界70年代,David Sackett等开始提出“循证医学”,并将其定义为“将最好的外部证据与临床经验和患者价值观相结合,以做出最佳的临床决策”。从此循证医学的理念逐渐在医学界得到认可,并在临床实践中广泛应用。1992年,Gordon Guyatt等正式提出并系统定义了循证医学[2]。自此,现代医学研究基于循证医学方法论,形成了一系列高质量研究证据,对医学发展产生了巨大影响[3-8],循证医学也因此入选BMJ现代医学十大标志性进展[9]。
在过去的三十年里,循证医学不断发展创新。随着第四次工业革命,以信息系统、数字技术为主导的技术革新,催生了大量新兴技术集群,许多传统行业和学科面临颠覆式变革[10]。在此背景下,循证医学积极寻求突破,开始探索基于大数据体系;融合人工智能(artificial intelligence,AI)、信息技术等新方法新技术的临床研究和循证决策模式。
虽然循证医学经历着日新月异的变革,但目前国内的循证医学课程设置仍然较为传统,以循证检索、临床证据评价和Meta分析等内容为主,尚未形成融合当前新兴研究方法、多元医学证据的多学科交叉教学模式,课堂内容与实际科研应用存在割裂,一方面阻碍了学生对于前沿理论知识的学习和掌握,另一方面限制了循证医学学科的发展。本文基于笔者所在团队在循证医学研究和教学方面的实践经验,结合我国高等医学院校现有的循证医学课程,针对信息时代下循证医学课程设置改革进行探讨。
1 国内外循证医学教学现状
循证医学已逐渐成为国内外高等医学院校的核心课程[11],其教学目的是让学生能够提出明确的临床问题,并根据临床问题,设计相应的研究方案,形成可用于回答研究问题的证据或证据体。主要内容应包括:选题和立题,临床研究主要设计类型、临床研究的统计分析、医学信息检索、证据评价和推荐等[12]。
目前,部分国内医学高等院校在不同教育阶段开设了循证医学课程,内容各有侧重,主要参考《循证医学》《临床流行病学和循证医学》及《医学文献检索与论文写作》等经典教材[13-15],为培养临床与科研紧密结合型人才打下了基础。
在本科阶段,目前高校课程开设方式主要为设立循证医学必修课和在流行病学课程中设置固定章节,一般在本科三年级或四年级时开展教学。课程内容主要针对“证据产生”,依据不同研究目的划分章节,如:探究疾病危险因素,评价诊断、治疗、预后等,讲授各研究目的对应的、常用设计类型要点[16]。这些课程培养了学生对循证医学理论和方法的专业技能,锻炼了学生进行循证医学研究的科研思维,为将来面对实际临床问题、设计和开展研究,解决临床问题打下基础。此外,一些高校设置了更深入的循证医学课程,包括系统评价与Meta分析、临床实践指南的制订与应用、循证医学研究方法等技术方法,旨在更综合地评价证据、应用证据,全面培养学生进行循证医学研究和实践的能力,整体教学内容以基本理论学习为主。
在研究生阶段部分高校也开设了循证医学课程,该阶段的课程更注重培养循证实践能力,提升医学研究生的科学素养。在教授理论知识的基础上增加了课题设计实践的比例,通过小组和案例式的教学方式,调动学生的自主学习能力,激发科研兴趣,推动规范地开展研究[17]。考核方式也呈多元化,如:嵌入小组答辩等过程性评价,实现教学服务于实践,提高学生开展循证医学研究的能力,为将来实际研究或成为循证专业人才打下基础[18]。
国外很多高校同样将循证医学课程视为医学教育的重要部分,纳入本科生及研究生课程,旨在培养学生面对临床问题时寻找最佳决策的能力[19]。以循证医学发源地加拿大麦克马斯特大学为例,循证医学课程安排在临床方法学研究生培养计划中,与临床科研基础理论方法、医学统计学方法、随机临床试验方法并行为研究生必修课程。以经典证据推荐分级的评估、制订与评价(grading of recommendations assessment, development, and evaluation,GRADE)的系列方法文献、Cochrane偏倚评价工具、指南以及示范案例等阅读材料为学习资料,着重介绍临床问题PICO的确定,系统评价方法,包括系统文献检索、原始证据筛选和可重复性标准建立、定量证据整合及结果阐释等,从系统性综述、组建团队、评估当前证据、定义研究问题提出研究假设、选择结局指标到最后形成纳入、排除标准和流程图等,以小组研讨形式,理论结合实践,进行授课。
总体而言,国内外医学高等院校对于循证医学课程较为重视,并通过多种方式提高教学质量。然而,教学内容仍以传统循证医学为主,在海量信息资源、新兴技术与方法涌现的背景下,亟需丰富循证医学的内涵与教学内容,提升学生对课程的获得感,学以致用。
2 信息时代下循证医学教学改革的方向与内容
随着数字信息时代的到来,循证医学面临的挑战主要体现在以下三个层面[20]:第一是研究问题多元化,传统的循证医学主要关注临床试验和药物疗效评估,随着医学研究的深入,疾病的类型和治疗方法也越来越多样化和个体化,同时所关注的医学问题已经扩展到了涵盖整个医疗卫生体系的更广泛领域。第二是数据与方法的多元化,信息时代医学研究的数据来源越来越多样化,包括临床试验、真实世界大数据、组学数据等,相应的研究方法和新兴技术手段如AI大模型、生物信息(bioinformatics,BI)技术等也迅速发展[21]。第三,随着研究问题、数据和方法的多样化,医学研究的证据来源得到了极大丰富,试验性研究证据、观察性研究证据、基础研究证据以及二次分析证据呈现爆炸式增长。在这样的大背景下,循证医学逐渐形成了从传统临床研究模式向基于大数据体系研究模式、从传统循证医学模式向智能化证据合成、评价、推荐模式的转变。笔者所在四川大学华西医院中国循证医学中心是中国循证医学的发源地,针对当前智能化信息技术革新的冲击,我们提出了依托循证医学的核心方法理论,融合多模态大数据,利用生物工程、AI、因果推断等新兴技术,形成从基于真实世界研究、随机临床试验、基础研究的多元证据产生,到智能化证据分类、评价、整合,最终助力临床精准治疗的一体化大循证概念(附件图1)。
具体来说,循证医学首先需要根据特定研究问题,明确应采用什么证据来回答,并有针对性地进行证据的获取和分类。在医疗信息化水平不断提升的背景下,包括影像、音频等不同类型和模态的数据不断涌现;同时数据产生也从传统问卷调查等方式转为基于医院信息系统的常规收集医疗数据等形式。临床数据体量空前庞大,数据维度和结构极其复杂,传统的临床设计方法和统计分析模型,难以有效支持基于大数据的临床研究,需要结合多模态大数据体系下的AI、BI等相关方法技术。
其次,临床诊疗手段日新月异,不同类型的研究证据层出不穷。经典证据分级推荐采用GRADE方法,通过系统性评价和合成临床证据,综合考虑患者选择和价值观以及现有医疗资源和医生临床技能,实现了临床证据向临床实践的转化[22]。但面临海量多元、质量参差的证据,快速筛选高质量证据,提取关键信息,整合多元证据,是保证证据利用时效性的关键,需要引入针对多元证据的快速评价和临床应用转化方法。
因此,为了使学生更全面地学习循证医学理论方法,了解学科前沿发展,还应加入真实世界研究、医学信息、AI等内容。
3 信息时代下循证医学教学模式初探
在方法技术高速迭代的信息时代下,循证医学课程改革应以契合国家发展需求,切实解决临床问题为导向,理论基础和应用实践并重,与学科国际前沿接轨,将最新的学术成果和理论体系融入日常教学。笔者所在教学团队以我院研究生循证医学课程改革为试点,从课程体系、师资团队和教学模式三个方面,对循证医学课程改革进行了初步探索。
3.1 课程体系
在研究生整体的教学安排,前置临床科研设计和统计分析课程,让学生先行掌握临床科研基本的流行病学设计和统计分析方法。在循证医学理论课程教学中,主要设置了四部分章节。
第一章节为总论。通过总论,向学生介绍循证医学的发展历程和对于现代医学研究的重要意义,并传达信息时代数智化背景下循证医学的创新发展。
第二章节为传统循证基础理论和常用方法,包括系统评价方法、Meta分析方法、证据质量评价(GRADE分级)和临床指南制作。同时课程还融合AI,介绍了指南制订新思路和方法,包括:针对信息时代下海量证据快速涌现,传统指南制订周期长,无法实时更新,课程引入证据快速推荐快速指南转化推荐(making GRADE the irresistible choice,MAGIC)体系,为学生可以实现临床实践指南和决策辅助工具的高效创建和更新提供可行方法工具[23];同时,针对多元多形式的复杂证据快速检索、评价和整合,介绍前沿ChatGPT等自然语言大模型,拓展学生思路与视野。
第三章为真实世界数据与研究。信息时代下产生海量医疗数据,如电子病历数据、医保数据等。这些真实世界数据已成为临床研究的重要数据资源和发展方向。因此,在改革的课程体系中增加了真实世界数据与研究的课程内容。在复杂的数据环境下,如何构建高质量的数据体系,并选择合适的研究设计和分析方法控制大量混杂和偏倚,是目前研究的难点。针对以上难点,课程中增加了如何基于多来源真实世界数据,包括常规收集的健康医疗数据、主动收集的健康医疗数据等构建研究型数据库;如何针对不同临床研究问题,开展合理的设计;以及如何选择合适的数据处理和分析方法,控制大量混杂和偏倚。
第四章节为新兴研究方法。聚焦前沿趋势和发展动向,本次课程改革增设了AI和BI技术在临床研究中的应用课程。针对目前AI在医学领域应用的主要方向和领域,包括风险预测、自然语言处理、多模态数据处理和辅助决策支持等,在改革的课程中我们介绍AI在当前信息大数据时代下的临床应用场景和常用的AI技术。同时,微观证据包括组学证据也逐渐成为循证决策不可或缺的部分。同时,随着数据科技蓬勃发展,除临床数据外,基因组、转录组、蛋白组、代谢组等组学数据不断涌现,利用BI技术进行高效深入开发利用也是目前研究的发展趋势。在针对BI的临床研究课程中,主要介绍了药物靶点探查、个性化精准医疗和单细胞组学等方面的相关技术,以及相关应用场景和对临床决策的意义。整体理论课程设置由总到分,由浅入深地向学生全面系统地阐释了循证医学整体理论框架及与其他学科的交叉应用。
3.2 师资团队
课程内容的前沿性对于教学师资提出了极大挑战,笔者所在研究团队背靠国内顶尖三甲医院—四川大学华西医院和双一流综合性大学—四川大学,在师资团队的组建上,充分考虑教师的教学水平、科研能力和学科背景,组建了一只12人的教学队伍,覆盖临床流行病学、生物统计、循证医学、信息检索、临床医学、AI、BI等学科。师资队伍科学研究经验丰富,形成的系列成果发表在包括BMJ、Lancet、《中华流行病学杂志》《中国循证医学杂志》等国内外高水平期刊上;同时教学视角多样,师资中有专职科研人员、一线临床医生和杂志编辑,对于学科的理解和问题的剖析更为全面,对于引导学生构建学科体系和掌握理论知识有极大助益。
3.3 教学模式
在循证医学的教学形式上,以开展系统有组织的科研实践为宗旨,结合课程思政,紧跟国家政策导向,通过“讲授+讨论+实践”结合的基本策略,以线上线下结合的形式,嵌入慕课、APP辅助教学等手段,融合个性化和启发式的教学方式,鼓励学生从自己的日常科研或临床工作中寻找问题,以科学问题和国家需求为牵引,指导学生理解并应用课程内容。
3.3.1 以临床问题为导向,引导学生选题立题,制定研究方案
鼓励学生结合自身科研需求自主选题,最好与自己的实际工作结合,并考虑国家发展需求和患者利益,可以和临床导师讨论,由临床导师和课程老师联合指导定题。同时授课者预设几个研究问题,供学生选择。以研究小组的形式,制定研究实施方案和预期成果,开展科研实践。
3.3.2 开放式合作,启发式学习
给每个小组分配指导老师,可邀请临床导师共同参与,也可以按需要邀请非课程内的学生加入,如卫生统计、计算机等其他专业学生,组建固定研究团队,推选一名小组长,定期开展讨论,由指导老师把握整体研究方向,并在必要时为学生答疑或提供相应的帮助。要求学生自主探索,可通过阅读文献材料、自主学习或寻求统计学、计算机等相关专业的技术支持等方式,最终完成相关研究的分析和报告撰写工作。鼓励学生将课程成果形成科研产出,包括但不限于科研论文、专利、软著等形式。
3.3.3 经验交流、成果展示
在结课前,以幻灯片演讲的形式,分小组进行经验交流,包括在选题立题阶段的考虑和研究实施过程中遇到的一些问题和解决方法,并汇报研究成果。由授课老师提问,并点评立题是否具有创新性和临床价值、研究设计是否科学合理、研究实施和报告是否规范严谨等。
3.3.4 课程考核
为调动学生能动性,增加学生的参与感,让学生学习由被动变主动,课程考核由考试变为考查形式。考核方式为以研究小组为单位提交一份研究报告课程论文,并进行成果汇报。采用老师评价和学生互评的方式:任课老师根据评分标准,对学生课程论文和成果汇报进行评分;同时其他小组对汇报小组的汇报内容进行评分。最终得分由教师论文评分、教师成果汇报评分和小组成果汇报互评三个部分构成。同时,通过对研究过程进展汇报评分,计入小组平时成绩,加强过程考核。考核总体以解决临床研究问题为导向,以提高学生科研能力为目的。
3.4 典型案例
目前循证医学教学改革课程在四川大学华西临床医学院已开展3个学年,逾千名包括临床医学、医学技术、护理等专业的学生接受了授课。课程培养了学生以临床问题为导向,采用循证医学的思想和方法,并运用信息时代下医疗大数据和AI等前沿技术开展临床研究的能力。典型案例为一位临床七年制心内科方向同学在系统学习课程后,掌握了循证医学基本方法,并对相关研究思路和方法产生了浓厚兴趣。该同学在心内科实习中,发现重症心衰患者发病急、病情进展迅速、诊疗复杂,但临床难以支持重症心衰的实时风险预测。在确定临床研究问题后,该同学在循证医学中心开展了科研实习。在循证医学中心方法学团队支持下,以临床问题为导向,依托循证医学新技术新方法,开展了系统性研究工作:首先搭建了逾20万患者的重症心衰多中心电子病历数据库;以大数据为支撑,利用长短神经网络、XGBoost等AI算法,构建了心衰预后预测模型,可提前5小时预测重症心衰患者的死亡风险,预测精度可高达96%;基于高精度预测模型,进一步进行工程化转换,搭建了适配于医院电子病历的辅助决策支撑系统。该项目实施过程产出了系列研究成果,包括SCI文章7篇,专利8项、软著3项,形成的辅助决策支持系统目前已投入市场运营,并基于此项目申报了国家级大学生创新创业大赛。
4 小结
针对信息时代下,研究问题多元化、数据方法多元化和研究证据多元化的挑战,循证医学不断寻求突破,形成了与AI、BI等多学科、医工交叉的新型学科格局。医学生医学发展的未来,紧跟学科前沿,我们在循证医学高校教学中积极改革创新,力图使学生能够具备坚实的理论基础、开阔的国际视野和敏锐的科研触角。