本科生的科研故事

是一场从已知走向未知的勇敢探索

更是一段师生携手、教学相长的温暖旅程

宣传部、教育处联合策划推出

北大医学本科生科研训练

“优星计划”系列报道

师生们将在这里讲述

科研路上的真实故事与成长体验

其间难忘的点滴与瞬间

既是医学生叩问科学之门的青春注脚

也是老师倾心育人的生动缩影

愿更多同学勇敢迈出科研第一步

在探索中遇见更好的自己

本期人物

洪申达

北京大学健康医疗大数据国家研究院

新体制助理教授、副研究员、博士生导师

肖宇杰

2023级医学影像专业本科生

一本反复翻看的解剖书，一张记录心脏活动的心电图，一串等待被医生读懂的算法结果……洪申达，带着人工智能走近临床；肖宇杰，带着医学知识走近技术——他们从不同的起点出发，选择在科研路上相遇，彼此学习交流，也共同尝试回答一个问题：如何让技术真正听懂医学，让研究最终抵达患者的需要？

从“不确定的信心”出发

肖宇杰最初萌生学医想法，来自一次就诊经历。在急性阑尾炎发作，面对身体不适和未知风险时，他第一次真切感受到医生几句话带来的安定感。 “我当时特别感触，医学对病人来说，不仅仅是治病救人那么简单，更多地可能是在人们最脆弱的时候给予信心，在不确定性中给大家一个方向。”

选择北大医学后，系统而高强度的学习让肖宇杰逐渐理解人体、疾病和诊疗过程之间的复杂联系。“医学学习从来不是简单追求分数，而是一个需要长期积累、前后贯通的过程。”最让肖宇杰印象深刻的是解剖学课，考试前一个多月，他几乎把图书馆当成了第二个寝室，一遍遍翻看图谱、记忆结构、辨认位置。反复的背诵，让那些复杂的人体结构像刻进了脑海里。他半开玩笑地形容：“出来以后看树上一只鸟，都觉得像脑干。”

从解剖学奠定人体结构基础，到生理生化厘清运行机制，再到病理生理学、药理学搭建基础与临床的桥梁，最后向内、外、妇、儿等临床课程延伸，肖宇杰逐渐形成了对医学知识的体系化理解。正是这种扎实的医学训练，使他在进入医学人工智能研究后，不只是把临床问题看成数据和标签，而是尝试把课本中的静态知识，转化为科研中可以使用、可以推理、可以落地的真实临床逻辑。

肖宇杰与医学人工智能的相遇，则始于一次挑战杯项目。2023年，上大一的肖宇杰由学长引荐加入的“健康小屋”项目。那是洪申达第一次见到这位低年级本科生：“宇杰自学能力非常强，一点拨就能明白。当时挑战杯项目，他负责算法部分，我觉得这个小伙子挺厉害。”

在接触医学人工智能后，肖宇杰很快意识到这是一片新的交叉领域。在未知中探索问题、解决问题的过程，逐渐成为他持续走下去的重要动力。作为导师，洪申达对一次经历印象很深：“那是个周六，宇杰在实验中冒出一个算法优化的想法，需要对模型架构做较大的修改，这意味着前面的不少工作都要推倒重来，但他没有犹豫，很快就完成新的方案并做了初步验证。这让我看到他不仅有好奇心和钻研精神，更有把想法迅速转化成具体成果的执行能力。”

北大医学首届本科生“优星计划”风采展示现场

洪申达（左三）带学生参加中国胸痛中心大会，左二为肖宇杰

从“模型准不准”到“医生怎么用”

刚进入医学人工智能领域时，肖宇杰也曾把更多注意力放在模型准确率、网络架构和算法指标上。在人工智能研究中，模型分数往往是最直观的结果。但随着项目深入，他逐渐发现，医学场景中的人工智能不只是回答“准不准”，还必须解决很多实际问题。

这种转变，与导师洪申达的启发密不可分。在洪申达看来，医学人工智能的难点绝非技术本身，而是如何真正进入临床流程。他常常提醒学生：“做科研一定要想清楚，你做的东西谁来用、有没有用，不能闭门炫技。数据不仅仅是数据，其中每一个数据点，背后代表的都是一个患者。”

洪申达带领团队开展可穿戴生理信号检测和心电图智能分析等研究，相关设备和平台已在真实场景中积累使用与反馈。以准心智能体为例，团队通过医生试用、评价和留言不断发现问题、优化算法，努力让人工智能结果更贴近临床判断和实际流程。他希望将科研视野进一步延伸到基层和院外场景，“人工智能不必一开始就达到资深医生的水平，即使提供有限可靠的参考，在医生和患者最需要帮助的环节补上一点空白，也非常具有实际意义。”

洪申达答记者问

肖宇杰也在导师的引领下，在科研项目的实践中渐渐重塑自己的观念。做“基于深度学习的心电图片胸痛三联症识别与风险预测的智能胸痛中心研究”时，肖宇杰把患者拨打120、救护车到达、现场检查、车上处置、转运治疗的全过程一一捋清楚，并与导师沟通复盘。“只有把真实诊疗流程看明白，他才可以判断人工智能工具应该用到哪个环节，能够解决什么问题，不能越过哪些临床边界。”

肖宇杰主导的心电图预测冠脉CT造影结果的研究，在投稿后，审稿人共提出了30个问题，多数指向具体临床场景：急性患者和慢性患者是否不同？合并心律失常、糖尿病、高血压等疾病时，模型表现如何？结果是否能够被医生合理解释？为了逐一弄清这些问题，肖宇杰主动对接北京大学人民医院临床医生，电话沟通数十小时，逐条核对病理机制、诊疗流程和临床逻辑。

课题组与Health Data Science期刊主办BIBM2025医学人工智能研讨会

传统算法仅能输出单一疾病患病概率数值，准心智能体落地临床试用后，不少临床医生频频提出疑问，难以读懂概率数值对应的临床实际意义。为打破数据与临床脱节的痛点，洪申达团队也在考虑多种方案，希望将输出指标转化为能够切实辅助临床决策的实用辅助工具。在讨论时，肖宇杰跳出固有思维，提出落地性方案：将概率值划分低、中、高三大风险档位，低风险暂不去关注患病情况，高风险精准预警干预，中风险保留原有诊疗流程，由医生与人工智能联合决策。这个看似简单的创意，却完美适配临床场景，洪申达赞叹： “一个小小的思维转变，就让技术真正落地临床，这就是领域连接者的核心价值之一。”

在教学相长中培育医工新力量

具有数学和人工智能专业背景的洪申达，来到北大医学部工作后，逐渐意识到，医学人工智能要真正落地，必须理解临床语言和医学逻辑。 “我没有学习过医学课程，很多临床细节和想法都是我从学生们以及合作者那里学到的。北大医学部医学交叉融合的氛围让我们认识到医学的意义。”为补足自己的临床知识，他购买了最新版《内科学》《外科学》开始自学，学生们看到老师自学这些医学教材都很惊讶：“那时候我们的教材刚更新没几天，我就在老师的办公桌上看到整套新书，老师一直在努力学着听懂医生的语言，我们有什么理由不好好学习呢。”

“理想的师生关系，不是上下级的指令服从，更像目标一致的团队伙伴。我们对齐彼此的想法，让学生自己去大胆探索。”这是洪申达坚持的理念，他想做思维的连接者，把严谨治学、落地科研的初心传承给青年学子，培育更多能扛起医工交叉重任的新生代连接者。“老师给我最大的帮助，是引导我往哪个方向去思考。大模型可以帮我们完成写代码、跑实验、分析数据、修改论文等很多事情，但不能凭空造出一个真正有意义的课题。”肖宇杰说，导师的意义并不是替学生完成每一步，而是在关键处帮助学生校准问题意识，思考怎样把科研问题、研究数据和科研产品，真正转化为可以用于临床一线的实际方案。

课题组师生参观中国心血管医学博物馆

“新时代科研有着新模式，大模型能轻松完成很多，最难的是没人定义问题、没人给出路径，需要自己去探索、去破局。”洪申达说，他从不做保姆式导师，也不硬性安排每一个科研步骤，而是给方向、给愿景、给资源，把独立思考和主动探索的空间交给学生。这种相处方式，使师生关系不止于知识传授，更成为共同寻找问题、共同接近真实需求的同行过程。

洪申达将自己从导师身上学到的做事严谨、待人温和，融入与学生的相处中。发现学生情绪低落、状态低迷时，他会一对一谈心，也会带着学生徒步奥森十公里，在边走边聊中，了解学生的烦恼与忧愁。他的课题组不设门槛：“只要学生对医学+AI这个方向感兴趣，我都愿意带，哪怕基础薄弱也没关系，兴趣远比天赋更重要。”

洪申达讲授《医学人工智能通识》课程

“老师在科研工作中严谨对待每一组数据、认真剖析每一个问题，遇到难题就要踏踏实实拿出可行的解决办法，这种治学态度让我受益良多。”肖宇杰说，“他教会我不能只盯着冰冷的数据、冰冷的模型和固化的科研思路，更要学会把技术研究赋予医学人文关怀，做出真正为患者、为临床负责的解决方案。”

也正是这份言传身教，带给肖宇杰更多的成长：“我最开始只埋头钻研算法模型，受老师影响后才明白，我们要做医学和人工智能两个领域的连接者。”

近期，师生二人又传来好消息。洪申达入选2026年北京市科技新星计划，肖宇杰获得北京市自然科学基金本科生“启研”计划资助。一份面向青年科研骨干，一份面向本科生科研新苗，“教学相长、师生同行”，他们从一间实验室出发，努力回答：如何让技术真正听懂医学，让人工智能在临床一线落地生根，让技术进步抵达患者的需要。

医学人工智能的价值，不在于证明技术本身有多先进，而在于能否进入真实场景，帮助医生作出更稳妥的判断，让患者更早获得诊疗方向。这也正是“连接者”的意义——把技术带到需求发生的地方。

（北京大学医学部 宣 采写/ 吕雨濛 图片由受访者提供 编辑/ 颐萱）