资源简介

(共48张PPT)
第四单元 第6课
人工智能与医学
清华版（中学）
通
1
学习目标
3
新知讲解
5
拓展延伸
7
板书设计
2
新知导入
4
课堂练习
6
课堂总结
课后作业
8
01
教学目标
（1）理解人工智能在癌症疫苗开发、新药研发及显微镜增强中的应用及其技术原理。
（2）认识人工智能在医学影像分析、疾病预测与诊断及医疗流程优化中的作用与潜力。
02
新知导入
AI驱动的精准诊断与治疗
人工智能通过分析医学影像、基因组数据和临床记录，实现癌症早期筛查、个性化治疗方案生成，显著提升诊断准确率与治疗效率。
02
新知导入
癌症疫苗与新药研发的AI革命
AI通过预测肿瘤新抗原和模拟药物-靶点互作，加速癌症疫苗与药物研发效率 。
02
新知导入
智能显微镜与医疗设备升级
AI增强显微镜功能，结合深度学习实现细胞动态追踪，推动病理学与基础医学研究进入高精度时代。
03
新知讲解
1
AI辅助癌症疫苗开发
1、免疫系统的核心功能
免疫系统通过识别和清除病毒、细菌等外来病原体及异常细胞（如癌细胞），维持人体内环境稳定。
03
新知讲解
1
AI辅助癌症疫苗开发
2、疫苗的基本原理
通过注射弱化或灭活的病原体或其代谢产物，可以定向刺激免疫系统，从而获得对该病原体的免疫力。
03
新知讲解
1
AI辅助癌症疫苗开发
3、抗原的多样性与来源
抗原包括病原体表面分子、环境物质（如花粉）及异体移植细胞标记物，是免疫识别与应答的触发信号。
03
新知讲解
1
AI辅助癌症疫苗开发
4、新生抗原与免疫疗法的基本原理
癌细胞表面的变异蛋白质（新生抗原）可被免疫系统识别并触发特异性攻击，免疫疗法通过增强这一机制实现精准抗癌。
细胞免疫过程
03
新知讲解
1
AI辅助癌症疫苗开发
5、癌症疫苗开发的现状与挑战
现有疫苗仅对部分癌症有效，因癌细胞高度异质性及免疫逃逸机制（如伪装成正常细胞），难以全面覆盖。
03
新知讲解
1
AI辅助癌症疫苗开发
6、新生抗原的筛选难题
需对比癌细胞与正常细胞的蛋白质变异片段，但患者间新生抗原差异大，导致通用疫苗研发困难。
03
新知讲解
1
AI辅助癌症疫苗开发
7、AI技术的突破性应用
DeepNovo 等模型通过分析质谱数据预测未知氨基酸序列，高效定位潜在新生抗原，精度远超传统方法。AI加速患者特异性新生抗原鉴定，为定制化癌症疫苗提供技术基础。
03
新知讲解
2
人工智能辅助新药开发
1、传统新药研发的痛点
传统流程需10年以上、数十亿美元投入，且失败率高，90%候选药物在临床阶段被淘汰，亟需技术革新。
03
新知讲解
2
人工智能辅助新药开发
2、 AI驱动的药物分子设计
2020年研究利用 循环神经网络（RNN） ，根据溶解度、毒性等目标属性生成分子字符序列并转化为结构，加速先导化合物发现。
使用RNN模型合成具有某种目标属性的分子
03
新知讲解
2
人工智能辅助新药开发
3、效率与成本的革命性优化
AI通过自动化虚拟筛选、ADMET预测（吸收、代谢、毒性），将研发周期缩短60%以上，成本降低至传统方法的1/10。
03
新知讲解
3
人工智能增强显微镜
1、高精度显微成像的挑战
高分辨率显微成像依赖昂贵硬件，且活体样本易受光毒性影响，限制观测时长与质量。
03
新知讲解
3
人工智能增强显微镜
2、AI驱动的图像增强技术
2021年研究提出的 GVTNet 模型，通过深度学习从低质量的显微图像去除噪声重建高清图像，突破硬件限制。
GVTNet将带噪声的图片生成高清图片
03
新知讲解
3
人工智能增强显微镜
3、 GVTNet的多模态图像转换能力
GVTNet通过深度学习将透射光显微镜图像（如未染色样本）转化为等效荧光图像，突破荧光标记的技术限制，拓展活体样本的可观测性。
GVTNet将透射光图像转换成荧光显微图像
03
新知讲解
3
人工智能增强显微镜
4、活体研究的革新潜力
AI 增强显微镜不仅可以提升图像质量，还可以对显微图像进行智能识别和分析。
03
新知讲解
3
人工智能增强显微镜
5、临床应用与研究价值
谷歌开发的一款 AI 增强显微镜能够实时定位癌细胞，缩短诊断时间并减少人为误差，为医学研究和临床诊断提供了强有力的工具。
用深度卷积神经网络定位肿瘤细胞的例子
03
新知讲解
4
人工智能在医学中的其他应用
1、人工智能助力医学影像分析
（1）AI医学影像分析的成熟应用
AI技术已广泛应用于X光、CT、MRI等医学影像的自动化分析，成为辅助诊断的核心工具。
03
新知讲解
4
人工智能在医学中的其他应用
1、人工智能助力医学影像分析
（2）智能病灶检测与标记
深度学习算法（如CNN）能够有效识别肺结节、乳腺癌、头部肿瘤等病症，显著提升诊断效率。
03
新知讲解
4
人工智能在医学中的其他应用
1、人工智能助力医学影像分析
（3）多病种覆盖的临床价值
AI系统已实现对肺癌、乳腺癌、神经系统疾病等多病种的快速筛查，为放射科医生提供高效可靠的决策支持。
03
新知讲解
4
人工智能在医学中的其他应用
2、人工智能辅助疾病预测与诊断
（1）AI驱动的疾病风险预测
通过整合临床数据、基因组信息和患者病史，随机森林、深度学习等AI模型可预测个体患慢性病的风险概率。
03
新知讲解
4
人工智能在医学中的其他应用
2、人工智能辅助疾病预测与诊断
（2）个性化健康干预方案
基于预测结果生成定制化预防建议，如生活方式调整、早期筛查计划等，实现从“治疗为主”到“预防优先”的转变。
03
新知讲解
4
人工智能在医学中的其他应用
2、人工智能辅助疾病预测与诊断
（3）传染病监测与公共卫生决策
AI分析流行病病例分布和症状关键词等，实时预警疫情爆发趋势，辅助制定防控策略。
03
新知讲解
4
人工智能在医学中的其他应用
3、人工智能辅助优化诊疗流程
（1）智能分诊与预约管理
AI通过分析患者症状和电子病历，自动匹配最佳科室与医生，显著缩短候诊时间并提升分诊精准度。
03
新知讲解
4
人工智能在医学中的其他应用
3、人工智能辅助优化诊疗流程
（2）自动化流程与患者服务
智能聊天机器人支持在线预约、症状自查与基础问诊，简化就医流程，降低人工服务压力。
03
新知讲解
4
人工智能在医学中的其他应用
3、人工智能辅助优化诊疗流程
（3）资源优化与运营效率
AI预测药品/耗材需求，避免短缺或浪费；基于工作量、专科匹配与患者流量，动态优化医护排班，平衡效率与员工负荷。
03
新知讲解
4
人工智能在医学中的其他应用
3、人工智能辅助优化诊疗流程
（4）患者体验的数据驱动改进
AI分析就诊反馈，提出流程优化建议，如减少排队环节、个性化服务等，提升整体医疗体验。
03
新知讲解
4
总结
1、个性化医疗的AI赋能
AI通过分析患者基因组、病理数据，定制个性化治疗方案，推动精准医疗发展。
03
新知讲解
4
总结
2、医疗效率的智能化提升
AI优化医学影像分析、辅助诊断决策，缩短诊疗时间并降低误诊率。
03
新知讲解
4
总结
3、未来医疗的系统性变革
AI整合预约挂号、远程会诊等流程，构建预防-诊断-治疗-康复的智能化闭环，实现高效人性化医疗服务。
03
新知讲解
思
考
与
讨
论
（1）AI增强显微镜能够提升显微图像的质量（把带噪声的图片转换成高清图像），还可以把透射光图片转换成荧光显微图片。但经过算法处理的图像很可能在细节上“失真”你认为这个问题是否会影响其在医学领域的应用？
可能影响但可控。
风险 ：细节失真可能误导诊断（如微小病变误判）；
对策 ：限定AI处理范围（如仅辅助预处理）；强制人工复核关键图像；建立算法透明度标准（如FDA认证）。
03
新知讲解
思
考
与
讨
论
（2）AI辅助诊断准确率无法达到100%，出现的误诊及漏诊问题应该由谁负责？你认为这会限制该技术的应用吗？
（1） 责任划分 。
开发者 ：需确保算法可靠性（如通过FDA认证）；
医生 ：负最终诊断责任，AI仅为辅助工具；
医院 ：建立复核流程（如双人审核AI结果）。
（2） 应用限制 。
不致命 ：AI可提升效率（如筛查效率+30%），关键病例仍需人工复核；
需规范 ：明确责任边界后，技术仍可广泛应用。
03
新知讲解
课
程
实
践
CAR-T是一种典型的免疫疗法，为根治癌症带来了希望。采用分组形式，选择一种合适的方式来介绍CAR-T技术，如舞台剧、海报、脱口秀等。注意介绍人工智能在CAR-T中的应用。
04
课堂练习
一、判断题。
1、AlphaFold 3能预测蛋白质与RNA的相互作用。（　 ）
2、所有癌症疫苗均可通过AI设计为通用型。 （　 ）
3、AI医学影像分析已能完全替代放射科医生。 （　 ）
4、透射光显微镜图像无需染色即可被GVTNet转化为荧光图像。 （　 ）
5、AI优化医院排班仅考虑医生工作量，忽略患者需求。 （　 ）
√
×
×
√
×
04
课堂练习
二、选择题
1、以下哪项不是AI在癌症疫苗开发中的作用？（ ）
A. 预测肿瘤新生抗原 B. 设计mRNA疫苗序列
C. 直接合成疫苗注射剂 D. 加速个性化治疗方案
2、传统新药研发的主要痛点不包括？ （ ）
A. 耗时10年以上 B. 依赖AI生成分子结构
C. 90%候选药物临床失败 D. 成本高达数十亿美元
3、 GVTNet对显微图像的增强功能不包括？ （ ）
A. 去噪与超分辨率重建 B. 透射光转荧光图像
C. 自动杀死癌细胞 D. 实时病变标记
C
B
C
04
课堂练习
三、填空题
1、新生抗原 是指癌细胞表面由基因突变产生的____ ____，可被免疫系统识别并触发攻击。
2、 GVTNet 是一种通过____ ____将透射光显微镜图像转化为荧光图像的AI模型。
3、 CAR-T疗法 是一种通过改造患者自身____ ____细胞来精准攻击癌细胞的免疫疗法。
4、 AI医学影像分析 的核心算法是____ ____ （如CNN），可自动标记CT或MRI中的病灶区域。
变异蛋白质
深度学习
T
卷积神经网络
05
拓展延伸
1、开源医疗AI
哈佛医学院联合OpenAI推出医疗数据共享计划 ，开放百万级临床数据集供研究者训练AI模型，推动医疗AI的公平发展与创新。
05
拓展延伸
2、AI+脑机接口
AI结合脑机接口技术 ，通过解析渐冻症患者脑电信号，实现神经指令控制外骨骼或语音合成，提升患者生活质量。
05
拓展延伸
3、全球健康监测
AI通过分析气候数据、病例报告和蚊媒监测信息 ，预测疟疾/登革热爆发风险，优化防控资源分配。
06
课堂总结
1
AI辅助癌症疫苗开发
2
人工智能辅助新药开发
3
人工智能增强显微镜
4
人工智能在医学中的其他应用
5
进行相关知识拓展
1
2
3
4
5
人工智能与医学
07
板书设计
人工智能与医学
1、AI辅助癌症疫苗开发
2、人工智能辅助新药开发
3、人工智能增强显微镜
4、人工智能在医学中的其他应用
5、进行相关知识拓展
课后作业。
1、选择一种AI医学应用（如GVTNet、CAR-T中的AI），说明其技术原理及对患者的具体益处。
08
课后作业
1、选择一种AI医学应用（如GVTNet、CAR-T中的AI），说明其技术原理及对患者的具体益处。
CAR-Toner平台：AI驱动的CAR-T细胞疗法优化
（1）技术原理
AI通过分析CAR受体结构（如正电荷斑块PCP），高通量筛选最优CAR序列（如VHH纳米抗体），平衡T细胞活性与增殖能力。
（2） 患者益处
肿瘤杀伤效率+40%，复发率-50%（胶质母细胞瘤模型）；单剂成本从43万→15万美元，等待时间3周→72小时；细胞因子风暴风险从25%→8%。
https://www.21cnjy.com/recruitment/home/fine

展开更多......

收起↑