新医科建设对医学教育提出了明确、有力的要求：交叉融合、技术赋能、精准育人，而心血管疾病高发且病情复杂，故心血管影像诊断教学历来有种种难点。人工智能与3D打印技术的融合为此提供了极好的突破口。因此本文拟系统、有层次地梳理国内外相关研究现状，继而提出“智能辅助诊断+3D打印虚实结合”的心血管影像诊断技能教学新模式，厘清其内涵、目标、内容及关键问题，再从教学资源挖掘、平台建设、师资培养、评估机制诸方面探索可行路径，旨在为新医科背景下的临床医学教学改革提供一个有理论价值、更富实践意义的参考范式。

　　医学教育是卫生健康事业发展的基石。2020年，国务院办公厅发布的《关于加快医学教育创新发展的指导意见》提出了要推动医科与工科、理科多学科交叉融通，把医学领域前沿知识、技术、方法有机、系统地融入教学内容，以新医科引领医学教育创新。因此可以看出，从国家层面十分清楚地、有力地指明了新时代医学教育改革的方向：以技术创新驱动教学变革，以交叉融合提升育人实效。心血管疾病全球高发，其诊断治疗又高度依赖影像学技术，而今医学影像分析领域已有重大突破，人工智能技术在病变识别、诊断效率方面都表现出极好的辅助作用，与此形成极佳互补的是3D打印技术在解剖模型重建上精准发力，可将二维影像直接转化为清晰的、可触摸的、可操作的实体模型。二者互为补充、彼此协同，为心血管疾病影像诊断教学的长期难题提供了全新思路，也自然而然地导向“虚实结合、智能辅助”的新型教学模式，这才是医学教育走向新高度的坚实阶梯。

　　国内医学教育界对AI与3D打印技术在临床医学教学中的应用已进行了多层次、多维度的系统探索：在AI辅助教学方面，国内若干高校及医疗单位已经开发了以深度学习算法为基础的临床诊断平台，用以分析患者的各项临床数据及影像资料，系统地辅助学生进行诊断决策训练。在虚拟仿真教学方面，国内已有若干医学院校建设了虚拟手术平台，借助虚拟现实技术给学生创造真实感极强的手术模拟训练环境。在3D打印教学应用方面，国内多家医院将3D打印技术成功应用于手术规划教学，以患者实体模型的形式帮助学生掌握复杂解剖结构，明确手术方案。

　　国外对AI、虚拟仿真及3D打印技术在临床医学教育中的应用已有充分而扎实的研究基础，因此在AI临床教学方面，国外已经开发出多种基于AI的临床决策支持系统，已有机地融入医学教育课程，尤其体现在辅助诊断、治疗推荐及预后评估的教学中。与此形成互补的是，国外高校及医疗机构在虚拟手术及模拟技术方面做了大量有规划、有创见的研究，用VR/AR技术为医学生提供沉浸式的手术模拟及高保真的复杂病例决策训练。更重要的是，国外在3D打印医学应用方面已有从手术规划、器官重建到个性化医疗器械制造的完整应用链，并形成了成熟可行的教学转化路径。

　　核心理念：虚实结合、智能辅助。AI与3D打印技术相融合的教学模式有十分自然、明确的指导思想，即“虚实结合、智能辅助”。具体而言，“虚实结合”是指把AI辅助诊断系统中所含的虚拟影像分析功能与3D打印技术制作的实体解剖模型二者结合起来，让学生先在虚拟环境学习影像判读，再于实体模型上学习解剖结构，由此顺理成章、水到渠成地从“看影像”过渡到“识解剖”，最终做到“断病变”。而“智能辅助”是指AI系统能自动、准确地检测影像中的异常征象，即时给出诊断提示，因此既降低了学习难度，又大大提高了训练效率。更难得的是，该理念与新医科所提倡的“技术赋能教育”形成极其良好的契合：绝不是简单将技术工具叠加于传统教学，而是以技术为支点主动、系统地重构教学内容、教学方法及评价体系，真正形成以学生为中心、以能力为导向的新型教学范式。

　　AI 与 3D 打印技术驱动教学模式的核心特征。第一是三维可视化与具身认知，传统影像教学以二维CT、MRI图像为主，故学生要先在大脑内完成三维重建，因此认知负荷大、学习曲线陡。而3D打印技术把二维影像直接转化为实体模型，学生可观察、触摸、操作实体模型以建立解剖概念，因而自然符合具身认知理论的学习规律。第二是智能诊断辅助及即时反馈，AI系统能对学生读片结果做自动、客观的智能分析，找出其诊断中所漏、所误之处，同时自动生成规范化报告模板，故能真正缩短学习周期，切实提高训练效率。第三是个性化学习路径，借助AI的学习分析技术，系统可完整、实时地收集学生的操作轨迹、诊断准确率、知识薄弱点诸种数据，据此精准推送学习内容及训练任务，做到“千人千面”的个性化教学。第四是临床情境沉浸及风险可控，平台能很好地模拟急诊、门诊、术前讨论诸种真实临床场景，让学生在风险可控的环境中反复演练高难度病例的诊断决策，积累临床经验而不涉医疗风险。

　　AI与3D打印技术驱动教学模式的建设目标。该模式的建设目标可概括为“四个提升”：第一是提高学生心血管常见病、多发病影像学特征的识别能力，第二是提高学生建立“影像- 病理- 临床表现”诸种关系的临床思维能力，第三是提高学生利用AI辅助系统进行个性化训练的自主学习能力，第四是提高教师的教学效能，以技术手段减轻重复性教学负担，把更多精力放在高阶能力培养上。由此自然、顺理地引出最终目标：培养既有扎实影像诊断技能，又具有系统临床思维、良好人文素养的复合型心血管医学人才，也为新医科背景下的临床教学改革提供可复制、可推广的优秀范例。

　　AI与3D打印技术驱动教学模式的核心内容。第一是智能AI辅助诊断模块，即开发用于心血管影像诊断的AI算法，做到心脏结构、血管病变、异常征象的自动识别与标注，既可用于临床辅助诊断，也自然地用作教学工具，由此直接、直观地讲授影像特征与疾病的关系。第二是3D打印模型生成模块，系统地建立从影像数据到3D模型的标准化流程，含图像分割、三维重建、模型优化、打印输出诸环节，所获模型覆盖正常解剖结构及常见病变（冠心病、心肌病、瓣膜病）、复杂畸形（先天性心脏病）。第三是教学内容与病例库模块，建设分层递进、各层分明的病例库，即基础型（正常解剖）、应用型（常见病变）、综合型（复杂病例），每例病例都配有完整的临床资料、影像数据、AI辅助分析结果及3D打印模型。第四是实践操作与手术模拟模块，把AI诊断与3D打印模型二者自然、合理地结合，提供影像判读、手术规划、介入模拟诸种实践训练功能，让学生在虚拟环境中完成从读片到制定治疗方案的完整流程。第五是评估与反馈模块，设计多维、可量化的评价体系，从影像诊断准确性、操作规范性、诊断报告质量、临床思维逻辑诸方面予以考核，且以AI系统自动评分与教师评价相结合的方式，真正形成过程性评价与终结性评价并重、互为补充的完善机制。

　　AI与3D打印技术驱动教学模式解决的关键问题。第一是AI与3D打印的深度整合，即二者的结合绝不是简单的拼接，而要在教学流程中做到有机融合，故而可以用AI识别的病变区域直接、准确地标注于3D模型之上，便于学生体会影像征象与实体病变的对应关系，由此也自然引出数据接口、模型生成算法、交互设计诸种技术问题。第二是沉浸式虚拟实验环境的构建，若要让学生有“身临其境”的真实感，就务必在交互设计、场景渲染、操作反馈诸方面予以精心设计，平台宜提供多角度观察、剖切显示、标记测量诸种功能，并尽可能真实地模拟临床设备的操作流程。第三是个性化教学及学习路径的实现，利用学习分析技术建立学生能力画像，据此动态、智能地调整学习内容及难度，但此过程必然要求收集大量学习行为数据，再以机器学习方法对推荐策略做持续优化。第四是医学教育与临床实践的有效衔接，教学模式宜与临床真实需求高度契合：病例源于临床，教学标准对标临床，考核评价参照临床，因此要主动建立与临床实习衔接顺畅、彼此促进的机制，让平台所学真正迁移、应用于临床。

　　于医学教育已经进入新阶段，而AI、3D打印技术又为教学模式革新带来了新的曙光，因此怎样将二者的优势自然、充分地结合，形成有利于心血管影像诊断教学质的飞跃的教学策略，是目前十分重要的课题。

　　夯实基础：教学资源与技术平台建设。首先要系统收集典型心血管病例的影像数据，由此建设高质量、规范化的教学病例库，其次要开发适合教学使用的轻量化AI诊断系统，尽量降低技术门槛、减少使用成本，再要建设3D打印模型的标准库并配套建立快速响应机制，保证模型供应的及时性、可靠性。更重要的是要建设开放灵活的在线学习平台，让学生能随时随地自主训练。在技术路线的选择上要有明确的优先级：优先采用成熟、开源的技术方案，既有利于控制开发成本，也有利于后续维护升级。具体而言，AI算法可在现有开源框架上做微调优化，3D打印可与校内或区域共享平台协作，杜绝资源重复建设。

　　师资先行：教师培训与教学团队建设。毋庸讳言，再先进的技术也终究要靠教师来落实，因此首先要组建由临床医师、影像专家、教育技术专家及相关领域工程师构成的跨学科教学团队，建立“临床出题—技术实现—教学验证”三者彼此衔接、互为支撑的切实可行的协作机制。更重要的是要开展系统、有层次的教师培训，让教师充分掌握教学平台操作、特色病例设计、学习数据分析诸种新技能，由此自然、妥帖地促成教师从单纯的“知识传授者”转变为自觉、主动的“学习引导者”，也因而为新技术在教学中的有效应用打下最坚实的基础，真正让医学教育因此踏出实质性的进步。

　　试点先行：分阶段推进与迭代优化。宜按“试点—评估—优化—推广”的逻辑顺序有计划、有层次地分阶段推进。具体而言，第一阶段（3—6个月）先在小范围做试点教学，检验技术可行性及教学效果。第二阶段（6—12个月）据此对平台功能、教学内容加以优化并扩大试点范围。第三阶段（12—24个月）形成成熟、可复制的教学方案及评估体系，系统性地向各院校及临床教学基地推广。第四阶段（24—36个月）组织多中心研究，直接、严谨地验证所选模式的普适性及长期效应。

　　评估驱动：构建科学的教学质量保障体系。教学评估是模式创新的“指挥棒”，故宜先构建“知识—技能—思维—素养”四维度的评估指标体系，再合理采用形成性评价与终结性评价相结合的方式：形成性评价具体包括AI系统实时评分、学习行为数据分析、阶段性测试诸种形式，终结性评价则包括理论考核、病例诊断技能考核、3D模型操作考核等。更重要的是要建立学生、教师、临床导师三方反馈机制，系统收集改进意见，由此自然地驱动教学模式动态优化。

　　协同创新：院校合作与资源共享。由于独立学院及地方院校在资源上都存在明显短板，故而资源的不足直接制约着教学质量的提高及学校的发展，因此宜主动、有计划、有系统地探索院校合作、资源共享的新路：首先与区域内重点医学院校建立合作关系，共享病例库、模型库资源，交流教学经验，做到优势互补、彼此借力。其次与医疗机构共建临床教学基地，把真实临床场景自然地引入课堂教学，切实强化学生的临床感知。第三与企业开展合作，联合开发教学设备及软件，降低教学所需技术的获取成本，让资源共享真正成为教学发展的有力推动力。

　　新医科建设对医学教育改革有极好的推进作用，而AI与3D打印技术的融合又为心血管影像诊断教学打开了新的局面，因此“虚实结合、智能辅助”教学模式应时而生，直接切中传统教学的种种难点，也十分自然地契合新医科对技术赋能教育的总体要求。但毋庸讳言，该模式真正落地，需要在技术开发、资源建设诸方面下足功夫，更需要教育管理者、临床教师、技术专家三方通力协作。随着生成式AI等新技术日趋成熟，心血管影像诊断教学必将向智能化、个性化、沉浸化三大方向稳步前进。然而，也必须旗帜鲜明地指出：技术只是手段，育人才是目的。故此医学教育改革的根本目标仍是培养专业技能扎实、临床思维系统、人文素养良好的医学人才，这才是新医科建设中医学教育最宝贵、最坚定的价值追求，也理应成为各方共同努力的方向。

　　（作者：罗娟，刘佳，南华大学衡阳医学院附属第一医院）