欢迎访问《中国医药导报》编辑部！

以大数据、人工智能、物联网为核心的数智化浪潮正以前所未有的力度重塑全球产业格局，医药健康领域是成为数智技术深度渗透的前沿阵地——从人工智能辅助药物研发缩短新药上市周期，到智慧医疗实现诊疗流程精准化，再到数字孪生技术优化医疗器械研发，数智化已成为药学产业高质量发展的核心驱动力。《中国教育现代化2035》明确提出：“利用现代技术加快推动人才培养模式改革。”[1]习近平总书记强调：“我们要建成的教育强国，是中国特色社会主义教育强国，应当具有强大的思政引领力、人才竞争力、科技支撑力、民生保障力、社会协同力、国际影响力。”[2]为高等教育对接产业变革、培养适配型人才指明方向。

药学应用型人才是指能将药学学科的理论知识、技术原理和研究成果，直接应用于药品的研发、生产、流通、使用、管理和服务等实际环节，解决药学领域具体问题的高素质专门人才。医药院校作为培养药学应用型人才的主阵地，其人才培养模式正面临挑战，难以满足“健康中国”对药学应用型人才的新要求。在此背景下，探索数智化与药学应用型人才培养的融合路径，重构“数智赋能-场景重构-协同育人”一体化培养模式，既是回应药学产业变革的必然选择，又是医药院校服务国家健康战略、提升人才培养质量的关键举措。本文旨在立足数智化技术赋能教育的独特价值，系统探索医药院校药学应用型人才培养模式的创新方向与实践路径，为推动医药教育高质量发展、培养适配数智时代需求的应用型人才提供理论参考与实践启示。

1 数智化背景下药学应用型人才培养的时代背景与核心诉求

1.1 产业数智化转型驱动药学人才能力重构

以大数据、人工智能、区块链为核心的数智化技术，正以“全链条渗透、全场景覆盖”的态势重塑药学产业生态。数智技术能通过精准画像实现教育供给与需求的动态匹配，新型人才需同时掌握分子生物学与机器学习知识，能利用大数据挖掘潜在药物靶点，这种“湿实验+干分析”的融合能力成为岗位胜任力的核心要求。在药物研发环节，生成式人工智能实现蛋白质结构预测效率百倍提升，如基于AlphaFold2的中药活性成分靶点预测技术，将传统需要6～12个月的化合物筛选周期缩短至2～3个月，推动研发模式从“试错驱动”转向“数据驱动”[3]。在生产环节，智能制药车间的制造执行系统实现药物提取、制剂成型全流程数字化管控，“智能生产线”通过实时采集128项工艺参数，大幅度提升产品合格率，智能制药车间的连续化生产系统实现全流程数字化管控，要求人才既能解读药物制剂原理，又能操作制造执行系统实时调控工艺参数。在流通与服务环节，智慧药房的“人工智能审方+机器人调剂”模式重构药学服务流程，智能药房系统可实现日均5 000张处方的自动化处理，审方准确率达98.7%，调剂效率提升3倍[4]。

1.2 药学应用型人才的三维能力矩阵

基于产业变革特征，药学应用型人才须具备“技术整合-场景解决-伦理研判”的三维能力体系。

1.2.1 技术整合能力，需掌握数智工具与药学相关专业的融合应用技能在中药质量检测中，能运用Python处理近红外光谱数据，通过Pandas库进行数据清洗，Scikit-learn构建分类模型，实现中药饮片真伪鉴别；在药物研发中，可借助DeepChem等人工智能工具开展化合物虚拟筛选，将分子对接成功率提升40%；在生产管理中，能操作制造执行系统监控中药提取罐的温度、压力等参数，快速识别工艺异常如黄芪多糖提取过程中溶氧浓度波动[5]。人才能力需随技术迭代进化，要求医药院校建立“数智技能更新机制”，定期引入企业最新技术培训，使人才能“动态适应”。

1.2.2 场景解决能力，在复杂数智场景中实现问题闭环处理面对智能诊疗系统的“算法偏见”，需结合临床药学知识修正系统输出；在医药供应链区块链溯源中，需既能设计数据加密方案，又能解读药品流通的合规要求。跨学科整合能力是应对复杂场景的核心素养，这一结论尤为突出，在智能输液系统故障排查中，人才需同时调用“医用电子学”“药剂学”“数据分析”知识，定位传感器误差或药物配伍禁忌[6]。

1.2.3 伦理研判能力，数智技术的应用伴随数据隐私、算法公平等伦理挑战处理患者基因测序数据时，需平衡《中华人民共和国个人信息保护法》合规性与临床研究数据利用需求。这要求建立精细化的分级管理机制，既保护个人信息权益，又支持临床医学创新。人工智能辅助诊断系统普及引发责任界定问题。需要构建责任划分框架，明确各方在不同场景下的权责，解决算法不透明带来的医疗过错认定难题。医疗智能系统研发应考虑价值规制。在教学体系中，将患者隐私保护作为核心模块，通过案例教学，培养学习者在技术应用中的伦理决策和法律风险意识[7]。

1.3 国际数智化医药人才培养模式进展

国际医药院校已形成一批可借鉴的数智化人才培养实践，其核心特征是“产业需求驱动、技术深度融入、评价聚焦能力”。美国麻省理工学院“医药数据科学微学位”项目：面向药学、医学专业学生，开设“医疗大数据分析”“人工智能药物发现”等核心课程，与辉瑞、默克等药企共建“虚拟药物研发实验室”，学生可通过云端访问企业脱敏的药物筛选数据，利用“医药数据科学微学位”项目开发的“分子生成人工智能工具”开展化合物设计实践，考核以“药物研发项目报告”（含靶点预测模型、实验验证方案）为主，毕业学生多进入药企数智化研发岗。英国伦敦国王学院“智慧医疗实践模块”：联合伦敦大学医院开发“智能诊疗仿真系统”，学生通过虚拟现实设备模拟“人工智能辅助诊断+处方审核”全流程，系统实时反馈“诊断准确性”“用药合理性”；与IBM合作开设“医疗区块链应用”课程，学生需完成“药品追溯系统设计”项目（含数据加密方案、合规性分析），企业导师全程参与项目评审，该模块实施后，学生在医院智慧药房轮岗的适应期缩短60%。日本东京药科大学“数智制药实训基地”：与武田制药共建实体实训中心，配置与企业同步的制造执行系统、在线近红外检测设备，学生分组完成“片剂生产数字化管控”任务（需实时调整工艺参数、分析生产数据异常），考核指标含“参数调整响应速度”“产品合格率”，企业根据学生实训表现直接发放“数智制药技能认证”，持证学生入职企业后可免试用期。德国慕尼黑应用技术大学“双元制数智人才培养”：采用“3 d在校学习+2 d企业实践”模式，在校学习“医药人工智能基础”“智能设备运维”等课程，在企业参与“智能药房机器人调试”“生产数据可视化分析”等真实项目；建立“企业学分认证体系”，学生在企业完成的项目经院校审核后可兑换学分，该模式培养的学生数智工具应用能力评分（企业评价）比传统模式高40%[8]。

国际经验表明，数智化医药人才培养需注重3个结合：①技术工具与专业场景结合如人工智能工具嵌入药物研发、诊疗实践，避免技术教学“空泛化”；②虚拟仿真与实体实训结合如虚拟现实模拟+真实设备操作，兼顾成本控制与实践效果；③企业深度参与培养全流程如课程开发、项目指导、评价认证，确保人才适配产业需求。

2 药学应用型人才培养的现实梗阻及成因分析

2.1 课程体系与数智化需求的结构性错位

2.1.1 内容更新滞后于技术迭代目前传统课程体系仍以“化学合成”“制剂工艺”等经典学科内容为核心构成，对数智化相关课程的覆盖程度明显不足。数智时代的到来，要求课程体系突破标准化的固有桎梏，实现动态适应性调整与个性化路径定制，然而多数药学专业尚未构建起模块化、可实时更新的课程体系，直接导致学生在知识结构层面存在对产业前沿技术认知的空白区域[9]。

2.1.2 实践脱节于产业真实场景实训内容仍以传统剂型的制备流程为主导，缺乏对智能生产线、虚拟仿真药房等数智化场景融入。受资金投入、采购流程等多重因素制约，药学专业实训设备的更新速度滞后于行业企业5～8年，使教学场景与目前主流的“人工智能审方+机器人调剂”等先进模式间形成代际差异，难以满足产业对实践型人才的培养需求。

2.1.3 交叉融合缺乏系统性设计药学与数智技术的课程融合多为“简单叠加”，而非“有机渗透”。如“药物分析”课程仍侧重传统光谱分析，未融入“近红外光谱结合深度学习的实时检测”等交叉内容；“药事管理”课程未涉及“区块链在药品追溯中的应用”。学科交叉需构建模块化课程群，医药院校需建立“医药+数智”的交叉课程矩阵，如“智能制药模块”应包含“制药工艺数字化”“生产数据挖掘”“智能设备运维”等子课程，而非简单增设“人工智能导论”选修课[10]。

2.2 教学模式与数智化场景的适配性不足

2.2.1 实践教学缺乏数智化场景支撑药学专业的实训仍以“小试规模的制剂制备”为主，未搭建智能生产、虚拟诊疗等数智化场景，学生难以接触在线检测设备、自动调剂机器人等产业主流工具，导致“学校所学”与“企业所用”形成鸿沟。环境搭建是数智化教育的核心，药学的短板正在于未复刻企业数智化场景，学生毕业后需重新学习智能系统操作[11]。

2.2.2 教学方法未能适配数智化特征传统“讲授-实验”模式难以激发学生的数智化学习兴趣。数智时代教学需“构建互融互通的协同教育体系”，药学专业的教学仍以“教师讲、学生听”为主，未利用虚拟现实/增强现实技术开展沉浸式教学如药物分子结构可视化、智能药房模拟操作[9]。

2.2.3 评价体系未能反映数智能力维度目前评价仍以“理论笔试+实验报告”为主，对“数智工具应用、跨界问题解决”等核心能力的考核缺失，过度依赖标准化评价会固化学生思维，削弱其创新活力。如“药物制剂”课程考核仍以“片剂制备操作规范性”“实验数据准确性”为核心指标，未纳入“制造执行系统操作熟练度”“生产数据异常分析能力”等数智相关维度，难以反映学生适配产业需求的核心素养[12]。

2.3 协同育人机制的深度与广度不足

2.3.1 校企合作停留在“浅层互动” 企业参与教学多表现为“讲座分享”“参观实习”，未深入人才培养全流程，缺乏数字化的“深层互动”，关于部分课程内容更新缓慢，无法以“数字化”形式呈现至高校，一些校企联动的数字化教学资源同质化情况仍然存在，缺乏一定的互动性与动态更新机制，且未建立“企业项目嵌入教学”机制，药企与高校合作仅停留在“学生参观车间”，而无法做到“数字化参观”以提升人才培养效率，更无法将“药品生产数据优化”等真实项目转化为教学课题[13]。

2.3.2 双师型队伍建设滞后校内教师数智素养不足与企业导师参与度低形成双重瓶颈。仅少数医药院校教师能熟练使用Python进行药物数据分析，45岁以上教师的数智技能缺口更大；企业导师参与教学的课时占比不足8%，远低于“产教融合”要求的30%。医药院校因缺乏激励机制，难以吸引企业人才深度参与教学[14]。

2.3.3 资源整合存在“孤岛效应” 校内数智化教学资源分散，未形成协同体系。虚拟仿真实验室、医药数据中台、创新创业中心分属不同部门，资源共享率严重不足；校外实践基地与校内课程衔接不畅，企业实训内容与课堂教学知识点重复，造成资源浪费。治理环境需从“意义阐释”转向“环境搭建”，医药院校的资源整合困境正源于此，未建立跨部门的数智教育资源协调机制。

3 数智化药学应用型人才培养模式的构建路径

数智化药学应用型人才培养需突破“技术叠加”的表层融合，构建“课程-平台-师资-评价”四维联动的实践体系。以产业需求为锚点，以数智技术为纽带，通过模块化课程重构、虚实融合平台搭建、双师队伍共建、多元评价改革，实现人才培养与产业转型的精准适配。

3.1 课程体系重构：构建“三阶递进、产教共生”的数智化课程集群

课程体系需打破传统学科壁垒，形成“基础赋能-场景融合-创新应用”的分层架构，实现数智技术与药学知识的有机渗透。在基础赋能阶段（第1学年），需筑牢数智工具与药学基础的衔接桥梁。核心课程设置应涵盖《医药大数据基础》《Python在药学中的应用》等，采用“工具实操+药学案例”的教学逻辑，如通过“黄芩药效成分含量预测”案例，引导学生掌握Pandas数据清洗与Scikit-learn模型构建技能。在药材标本、实验设备张贴二维码，嵌入三维模型、操作视频等数字化资源，实现理论学习的即时性与便捷性。同时配套《数智药学伦理》前置模块，结合《中华人民共和国个人信息保护法》解析患者数据脱敏案例，筑牢伦理认知根基。场景融合阶段（第2学年）需深度对接产业真实需求，开发“岗位导向”的融合课程。联合制药企业共建《智能制药工艺》《智慧药房管理》等核心课程，引入企业真实生产数据与案例：在《智能制药工艺》中，基于1 000+批次黄芪颗粒生产数据，指导学生运用Minitab绘制控制图识别工艺波动，通过Python构建“温度-产率”预测模型；在《智慧药房管理》中，采用东软智能审方系统教学版，开展“人工智能初筛-人工复核-机器人调剂”全流程实训，考核准确率需达98%以上。同时参照成都医学院“课程共建”经验，联合企业编制《数智药学实践教程》，嵌入虚拟仿真操作视频与企业工艺标准，形成动态更新的课程资源库。创新应用阶段（第3学年）以项目驱动实现能力跃迁，开设《数智药学创新项目》等课程。学生需对接企业实际课题，如参与“中药饮片人工智能质检模型优化”项目，通过增加5 000张道地药材样本数据，将模型准确率从85%提升至91%；或联合开发“区块链中药溯源系统”，完成符合GSP标准的数据加密方案设计[15]。同步开设数智化前沿讲座，邀请人工智能教授、企业技术总监解读元宇宙药物研发、量子计算药效预测等前沿方向，拓宽创新视野。

3.2 实践平台搭建：打造“虚实共生、校企联动、能力本位”的全链条实践生态

实践平台需突破“校内模拟”局限，实现从技能训练到岗位实战的无缝衔接。

3.2.1 校内虚拟仿真平台建设应覆盖全产业链场景，投入专项资金打造“智能研发-智能生产-智能服务”三大模块搭建中药制药三维虚拟仿真系统，包含60个生产工序的全景模拟，学生可反复演练智能提取罐操作、工艺参数优化等高危或高成本环节；建设智慧标本馆，借助人工智能技术实现标本数字化展示与互动识别，支撑《中药鉴定学》数智化教学。同时开发数字化管理系统，实现实验室预约、耗材申领、安全考核的全流程线上管控，提升实践效率。实体实训中心需配置与企业同步的数智化设备，建成“中试级”实操场景[16]。配置智能提取罐组、人工智能质检系统等设备，开展“片剂硬度在线检测”“中药掺假识别”等实训任务，要求学生5 min内定位压片压力波动问题，检测准确率达91%以上。可借鉴“场景化嵌入”模式，将企业生产看板、数据中台复刻至实训中心，让学生沉浸式体验“数据监控-异常处置”的真实流程。

3.2.2 校外实践基地需深化“轮岗实习+项目攻坚”的协同模式在实践基地，大三学生开展4周轮岗实习，参与制造执行系统操作、人工智能审方等基础岗位任务；大四学生进入“校企联合实验室”，参与“中药提取工艺优化”“智能药房库存预警”等真实项目，某团队设计的预警模型已使企业库存周转率提升30%。建立“门店见习-顶岗实习”递进式培养链条，覆盖合规经营、中药调剂等七大模块，实现校园与职场的无缝衔接。

3.2.3 评价体系需要打破“笔试为主”的传统模式，构建“过程性评价+企业评价+创新评价”能力为本的综合体系过程性评价依托数智平台，占40%，通过系统采集学习数据，如操作成功率、工具应用熟练度、课堂互动等。建立动态反馈机制，针对不足推送补充资源[17]。采用机考和数字化实验报告，强化考核客观性。企业评价占30%，聚焦岗位能力，由企业导师评分，考核操作响应时间、任务质量等。建立评价报告制度，明确考核隐性指标，不合格者重修。创新评价占30%，纳入数智化项目、竞赛、专利等成果，通过校企评审，确保评价科学性。

3.3 师资队伍建设：构建“双师共融、双向赋能”的育人团队

师资队伍需破解“校内教师技术滞后、企业导师教学能力不足”的双重瓶颈，建立“校-企-跨学科”协同培育机制。校内教师培养以“数智化转型”为核心，实施“技术研修+企业实践+项目驱动”三维提升计划。开设“药学人工智能应用”专项培训，覆盖Python+TensorFlow实战、药物数据挖掘等内容，使45岁以上教师数智技能达标率从15%提升至60%。推行“教师企业驻点”制度，选派15名骨干教师赴企业参与“中药人工智能质控系统开发”等项目，要求每位教师每年开发1个数智化教学案例，将实践经验转化为教学资源。同时建立激励机制，将数智课程建设、学生竞赛指导纳入职称评审加分项，激发教师参与热情。企业导师选聘与培育需强化“教学能力+专业资质”双重标准。从合作企业遴选24名具备10年以上经验的技术骨干，开展“案例教学法”“实践考核设计”等专项培训。明确企业导师授课占比不低于30%，主讲《智能制药工艺》等核心课程的实践模块，如指导学生基于企业生产数据优化提取工艺参数[18]。建立“企业导师-校内教师”结对机制，协助其将生产经验转化为标准化教学内容。跨学科专家团队需发挥“技术引领”作用，组建由人工智能教授、药监专家、行业代表构成的专家委员会。每学期开展4次前沿讲座，解读“生成式人工智能在复方设计中的应用”“数智化监管政策”等热点议题；参与培养方案修订和创新项目评审，确保人才培养与技术发展、行业规范同频共振[19]。

4 小结

数智化转型为药学应用型人才培养带来系统性变革机遇，其核心在于打破传统教育范式，构建“数智技术与药学相关专业深度融合”的新生态。这一变革的深层意义，不仅在于培养学生的数智工具应用能力，而且在于塑造其“医药为本、数智为用、伦理为基”的复合素养，既懂药物研发的核心逻辑，又能驾驭智能工具；既适应智能化生产的效率要求，又能坚守医药行业的伦理底线[20]。但存在较多现实问题，如数智化教学资源建设成本高，医药院校资金有限，难以普及；校企共建数据平台维护需持续投入，部分企业参与意愿下降；教师数智素养断层，45岁以上教师缺乏数智技术基础，技术研修参与率低；部分教师担心数智化教学替代传统教学，影响模式落地效果；数据安全与合规风险存在，校企共享的医药数据虽经脱敏处理，但仍有泄漏风险；数智化项目涉及医疗责任界定，院校与企业对风险承担有分歧；学生接受度差异，部分学生认为数智技术与专业无关，学习积极性低；考研学生对创新层项目参与度不足，影响能力培养的完整性。学校可结合实际情况制订解决方案，通过申请教育部和省级专项基金，采用校企共投模式，引入社会资本共建共享平台等多渠道筹措资金；对45岁以上教师进行数智技能培训，组织考察学习，将数智化教学成果纳入职称评审，逐步提升教师素养；制订合规协议，引入第三方进行安全测试和审计，共建风险基金等建立数据安全机制；设计个性化培养路径，开设讲座，合作专项辅导，设立奖学金，提升参与率激发学生学习动力[21]。

未来随着元宇宙、量子计算等技术的演进，药学人才培养还需持续创新。但无论技术如何迭代，产教融合的深度、学科交叉的广度、价值引领的力度始终是核心抓手，只有“教育链、人才链、产业链、创新链”四链融合，才能为药物产业数智化转型提供坚实的人才支撑，最终实现“技术赋能教育、教育反哺产业”的良性循环。

利益冲突声明：本文所有作者均声明不存在利益冲突。

[1] 中共中央党史和文献研究院. 习近平关于网络强国论述摘编[M]. 北京：中央文献出版社，2021.

[2] 习近平. 紧紧围绕立德树人根本任务朝着建成教育强国战略目标扎实迈进[N]. 人民日报，2024-09-11（1）.

[3] 李辽宁. 数智技术赋能思政引领力的作用机理、现实挑战与实现路径[J]. 兰州大学学报（社会科学版），2025，53（2）：124-132.

[4] 富胜瑛，吴利锋，周昔程，等. “数智国医”引领下的医共体“智慧共享中药房”应用实践[J]. 中医药管理杂志，2025，33（18）：77-80.

[5] 赵倩，缪培琪，李小莉，等. 数据融合技术在中药分析领域中的应用进展[J]. 中草药，2023，54（11）：3706-3714.

[6] 聂柔佳，李吉，李旭东. “人工智能+大数据”在医院服务流程管理中的应用与实践[J]. 中国医院管理，2024，44（7）：94-96.

[7] 王淑荣，崔昊. 数智时代高校网络意识形态的风险研判及对策[J]. 东北师大学报（哲学社会科学版），2025（4）：19-26.

[8] ALBAKRI A，ALQAHTANI M Y. Internet of medical things with a blockchain-assisted smart healthcare system using metaheuristics with a deep learning model [J]. Appl Sci，2023，13（10）：5943.

[9] 乔思辉，眭依凡. 数智时代大学的个性化教育：价值理路、潜在挑战与变革策略[J]. 江苏高教，2025（6）：78-84.

[10] 孔德钦，刘瑞，于卫华，等. 学科交叉融合在化学灾害医学救援教学培训中的应用与思考[J]. 中国医药导报，2025，22（16）：107-112.

[11] 王珍珍. 算法赋能网络意识形态风险防控：价值、困境与实现路径[J]. 西安建筑科技大学学报（社会科学版），2025，44（5）：10-19.

[12] 龙宝新，高伊菲. 数智时代高等教育治理变革、幻象及其突围之路[J]. 高校教育管理，2025，19（5）：95-106，124.

[13] 刘瑞迪，牛勇. 算法推荐对大学生价值判断的影响机理、风险困境与优化策略[J]. 渤海大学学报（哲学社会科学版），2025，47（3）：91-95.

[14] 吴维东，刘永杰，张克俊. 数智时代高校创新教育的时代意蕴和发展趋势[J]. 高等工程教育研究，2025（z1）：46-52.

[15] 刘丹凤. 以产教融合拓宽化工专业创新创业教育的深度与广度[J]. 塑料工业，2025，53（5）：203.

[16] 金家新，奚翊宁. 算法推荐时代网络思想政治教育的技术逻辑与价值实现[J]. 药学教育，2025，41（2）：14-21.

[17] 虞嘉琦. 论数字时代教育与人的个性化发展[J]. 现代远程教育研究，2024，36（2）：74-83.

[18] 梁辰. 面向自适应学习的高校教师教学变革与角色转变[J]. 江苏高教，2024（3）：85-90.

[19] 李越峰，曹瑞，余琰. 中药学类专业人才培养模式的构建与实践探析[J]. 中国民族民间医药，2022，31（24）：119-123.

[20] 温军英，王伟宜. 数智赋能高等教育教与学的现实向度与伦理限度[J]. 高教发展与评估，2024，40（5）：92-104，123-124.

[21] 潘妍妍，吴茜，齐文艳. 以数智化转型引领高校教学资源平台搭建的实践思路[J]. 才智，2025（21）：181-184.

【作者机构】	¹黑龙江中医药大学继续教育学院； ²黑龙江中医药大学中医药高等教育研究院； ³黑龙江中医药大学教务处； ⁴黑龙江中医药大学人文与管理学院
【分类号】	R9
【基金】	黑龙江省高等教育教学改革一般研究项目（SJGY20220372）。

数智化背景下药学应用型人才培养模式构建路径研究

目录

文内图表