关键词： 区域云影像平台   云计算   大数据   人工智能   区块链  

摘要： 目的:探索和总结区域云影像平台的设计方案。方法:依据相关建设标准、规范,针对区域云影像平台建设的痛点问题进行需求分析,坚持以云计算、大数据、人工智能、区块链等技术为核心的新型基础设施规划理念,结合江苏省卫生健康云影像平台建设过程中的实践经验,建设区域云影像平台。结果:该平台以统一采集、统一存储、统一调阅、统一质控、统一互认、统一应用为基本原则,采用新一代信息技术手段,实现对区域影像数据的统筹规范和影像增值服务。结论:通过云架构方式建设区域云影像平台技术底座,支撑构建区域统一的医学影像调阅共享体系,为区域云影像平台建设模式提供先进实践经验。

关键词： 生物化工实验课程   蛋白质计算设计   无细胞蛋白质合成   高通量筛选  

摘要： 在生物化工研究向智能化、自动化转型背景下,为生物化工专业方向一年级研究生开发了名为“蛋白质计算设计与表征”的实验课程。该课程基于人工智能方法的蛋白质计算设计与无细胞蛋白质合成及使用自动液体工作站等先进仪器进行高通量筛选等实验技术相结合,完成整个蛋白质工程工作流程,即从计算机设计和基因合成到蛋白质表达、纯化和功能表征。通过融合蛋白质计算(“干实验”)和蛋白质表达(“湿实验”),该课程使学生在掌握基本生化操作的同时,培养跨学科高效解决问题能力。通过广泛接触自动化仪器,学生可以获得与自动化生化实验室相关的实践经验,是一种将新兴技术和跨学科方法融入生物化工研究生实践教学的有效模式。

关键词： 新质生产力   人工智能   思想政治教育  

摘要： 新质生产力强调以科技创新为引擎,契合了科技发展迅猛的新形势下思想政治教育迎势而变、乘势而为的发展需要。在新质生产力视域下应用人工智能技术加强学生思想动态分析,优化个性化教育,提升虚拟实践体验,对提升思想政治教育质量有重要意义。

关键词： STEM理念   经济学创新型人才   培养路径   人工智能  

摘要： 人工智能的发展对经济社会产生了重大影响,对人才需求也提出了更高要求,创新型人才的培养显得愈发重要,创新教育已成为高等教育教学的主要目标与方向。积极培养经济学创新型人才是人工智能时代社会发展对高校经济学人才培养的必然要求,也是经济学专业实现高质量内涵式发展的根本保证。传统的经济学人才培养在课程体系、教学模式和师资队伍等方面存在诸多挑战,需要加快经济学专业人才培养的改革与创新。新文科背景下,基于STEM理念,从教学建设、实践应用与培养模式等角度深入探究经济学创新型人才培养路径,以期为改革高校经济学专业人才培养实践提供有益借鉴。

关键词： 人工智能   教学资源库   开发策略  

摘要： 人工智能赋能高校数字化教学资源库建设既是顺应教育改革潮流、满足高质量人才培养要求的战略选择,也是解决当前教学资源管理与利用难题的有效途径。本研究基于新质生产力融入的视角,分析了人工智能赋能高校数字化教学资源库建设的意义、可行性和必要性,将人工智能赋能高校数字化教学资源库建设实施策略总结为六个方面,分别是智能化资源采集与筛选、智能推荐与个性化服务、资源动态优化与协同创新、智能化教学管理与决策支持、智能化教学资源用户评价与反馈以及智能化教学资源保障措施。

关键词： 人工智能   文件数据   工业和信息化部   互联网信息   交互场景   标识   国家广播电视总局   办法  

摘要： 近日,国家互联网信息办公室、工业和信息化部、公安部、国家广播电视总局联合发布《人工智能生成合成内容标识办法》(以下简称《标识办法》),自2025年9月1日起施行。《标识办法》明确,人工智能生成合成内容标识主要包括显式标识和隐式标识两种形式:显式标识是指在生成合成内容或者交互场景界面中添加的,以文字、声音、图形等方式呈现并可以被用户明显感知到的标识;隐式标识是指采取技术措施在生成合成内容文件数据中添加的,不易被用户明显感知到的标识。

关键词： 政府工作报告   未来产业   自立自强   中国式现代化   绿色转型   人工智能   李强   月球背面  

摘要： 3月5日,国务院总理李强在政府工作报告中指出,过去一年,我国发展历程很不平凡。创新能力有新提升,集成电路、人工智能、量子科技等领域取得新成果;嫦娥六号实现人类首次月球背面采样返回,“梦想”号大洋钻探船建成入列……李强总理在政府工作报告中提到的这些成果,见证了过去一年我国科技创新的坚定步伐。2024年,我国科技创新成果丰硕。2025年,中国将继续以科技自立自强为战略基点,以前沿技术突破为引擎,以数字赋能、绿色转型、民生福祉为导向开拓进取,攻坚克难,全面布局未来产业新赛道,勾勒中国式现代化新征程上的创新图谱。

关键词： 高技术制造业   政策指引   制造业增加值   制造优势   政府工作报告   政策信号   人工智能   深度融合  

摘要： “随着全国两会的顺利闭幕,我国制造业在全新政策指引下迎来了新的发展阶段。2025年政府工作报告显示,2024年高技术制造业和装备制造业增加值分别增长8.9%和7.7%。李强总理明确强调,将深入推进“人工智能+”行动,推动数字技术与制造优势、市场优势深度融合,支持大模型的广泛应用。这些政策信号为制造业的高质量发展注入了强劲动力。

关键词： 影像存档与通信系统   人工智能   放射科   规范化培训   教学  

摘要： 随着医学影像技术的快速发展,放射科医生在住院医师规范化培训(住培)阶段需要掌握扎实的理论基础、具备基本的影像解读能力,并能够快速适应新技术。传统的放射科教学模式面临资源分配不均、实践机会有限等挑战,限制了教学效果和质量的提升。本文探讨多元化影像存档与通信系统(PACS)教学模式结合人工智能(AI)技术在放射科住培教学中的应用,旨在提高教学质量、促进学生个性化学习及优化教学资源配置。本文主要分为3个方面:①介绍放射科住培教学活动的特点及挑战;②阐述多元化PACS教学模式及AI技术在放射科住培教学中的优势及应用;③讨论多元化PACS教学模式融合AI技术在放射科住培教学中的应用场景及教学优势。本文强调放射科住培教学正处于从传统模式向多元化、智能化转型的关键时期,需进行多元化教学模式的探索:通过将AI技术有效融入多元化混合式教学模式中,可促使放射科住培医师的教学体验变得更加丰富和高效,为放射科住培教学开辟了新的可能性,具有广泛的应用前景。

关键词： 生成式人工智能   护理教育   医学教育   ChatGPT   学术诚信  

摘要： 目的:本研究旨在综合生成式人工智能在医学教育中的潜在机会、局限性和未来方向与前景,并使用这些来指导未来的探索领域。方法:对2022年以来发表的在医学教育背景下讨论生成式人工智能的英文文章进行了范围审查。使用PubMed、谷歌学术和sci-hub数据库进行文献检索。结果:主题分析揭示了生成式人工智能在医学教育中的多种潜在应用,包括自我导向学习、模拟场景和写作辅助。然而,文献也强调了重大挑战,如学术诚信、数据准确性和对学习的潜在危害等问题。针对各种机会和局限提出未来方向与前景。结论:生成式人工智能在医学教育中的整合带来了激动人心的机遇,同时也带来了巨大的挑战。有必要开发与人工智能相关的新技能和能力,以及深思熟虑、细致入微的方法来检查生成式人工智能在医学教育中日益增长的使用。Objective: This study aims to synthesize the potential opportunities, limitations, and future directions and prospects of generative artificial intelligence in medical education, and use these to guide future areas of exploration. Methods: A scoping review was conducted of English articles published since 2022 discussing generative AI in the context of medical education. PubMed, Google Academic and sci-hub databases were used for literature search. Results: Thematic analysis revealed multiple potential applications of generative AI in medical education, including self-directed learning, simulation scenarios, and writing assistance. However, the literature also highlights significant challenges, such as issues of academic integrity, data accuracy, and potential harm to learning. Present future directions and perspectives for various opportunities and limitations. Conclusion: The integration of generative AI in medical education presents exciting opportunities as well as enormous challenges. There is a need to develop new skills and competencies related to AI, as well as thoughtful, nuanced approaches to examine the growing use of generative AI in medical education.