和鲸101领航：ModelWhale赋能交大医学院临床教学与研究

数据科学 x 临床医学

真实世界数据（real world data，RWD）近几年成为了临床医生、生物统计师以及药企日益关注的对象，指来自现实医疗环境的、传统临床试验以外的数据。真实世界数据可以反映实际诊疗中患者的健康状况和医疗服务过程，与传统临床试验收集的数据相比，RWD 样本量通常较大，涵盖了海量临床信息，且更加杂乱无章，存在未标化、异构化等特点。

面对种类繁多、高维复杂的临床数据，为了提升资源利用率、实现分析的便携度，云计算、机器学习等前沿信息技术逐渐与医学研究深度融合。在临床医学中，人工智能已在诊断、筛查/分诊、决策支持、治疗方案推荐、预后，各个阶段被广泛应用，通过对海量医学数据进行数据挖掘和分析，尝试从人类尚没有触及的角度去揭示相关疾病发展、诊疗的机理。

复合型人才缺口

数据科学的融合应用对医学从业人员提出了更高的要求，不仅要熟知编程知识、统计分析方法、机器学习算法等，更要熟悉医学的行业术语和语境表达，甚至伦理相关的问题价值判断。在临床医学中，存在一个很典型的现象，即在数据中发现的问题可能在临床上没有价值，这是因为数据科学与临床医学的关注对象存在一定差异。

然而，国内目前兼具医学背景和工程技术实践能力的高素质复合型人才很少，存在较大人才缺口。由于学科设置的历史原因，医学教育和工科教育处于两条平行的轨道，很难交叉；与此同时，尽管部分临床医学生会在其培养体系中学习一些统计学方面的课程，但更多聚焦于原理层面，与实操还是存在一定区别。

复合型医学人才的培养成为了当前亟待解决的问题，针对这一现象，国内的高校及医学研究机构开始了一些探索。

交大医学院 x ModelWhale

人才培养的两条路径

上海交通大学医学院临床研究中心是在上海交通大学校级层面建立的，在医学院内独立运行的二级研究机构，除了配合附属13家医院各自的临床研究中心开展临床研究项目，并提供技术支持外，也承担着高素质研究型临床医师的培养任务。

要打破目前横亘在医学教育与工