欢迎访问《中国医药导报》编辑部！

随着人工智能（artificial intelligence，AI）技术的迅猛发展，医疗健康领域正经历着前所未有的数字化转型浪潮。在公共卫生领域，AI技术已逐步渗透至疾病监测、健康数据分析、防控策略优化等环节，AI将成为提升基层卫生服务可及性与质量的关键驱动力[1-2]。通过AI技术，可实现对海量公共卫生数据的快速高效处理与分析，提升疫情监测和预警的效率与准确性[3]；智能决策支持系统能帮助公共卫生人员在复杂情况下迅速制订科学合理的防控策略[4]；AI还可用于远程医疗、智能健康管理和在线教育等多个方面，拓宽公共卫生服务的覆盖面，优化服务质量和效率[1，5]。因此，将AI技术融入公共卫生教育和人才培养过程中，着力培养以岗位胜任力为导向的基层公共卫生人才，有助于提升基层公共卫生人员的数据分析、疫情预警和智能决策能力，推动公共卫生事业向更加智能化、高效化的方向发展，为健康中国提供坚实的人才和技术支撑。

1 基层公共卫生人才培养存在的主要问题及原因分析

1.1 课程思政教育与职业发展融合不足，持续发展动力缺失

公共卫生人才培养在课程思政教育方面重视不够，重专业，缺人文，致本专业学生在人文素养、学科视野、价值取向等综合素养普遍较差[6]。思想政治教育与专业教育还未做到真正的融合，课程体系未能将“健康中国”战略转化为具象化的职业价值引导，学生在基层服务意愿、职业认同感方面存在明显衰减[7]。职业发展教育缺乏智能时代公共卫生新业态（如健康大数据治理、AI辅助决策）的前瞻性引导，未建立与AI技术迭代同步的能力更新机制，教学过程中空谈“奉献精神”，却未将家国情怀转化为可感知的职业场景，忽视文化尊重与健康公平的价值传递[8]。学生全面发展、终身发展及可持续发展受限。

1.2 能力培养与行业需求结构错位，核心能力短板凸显

公共卫生是一门实践性很强的学科，现有基层公共卫生人员存在数据分析、疫情预警、智能决策能力不足等问题[9-10]。预防医学专业教育在教学过程中由于存在“重理论、轻实践”的教学观念，教学创新实践基地建设滞后，学生在履职执行、沟通交流、应急防控、调查检测、分析研判和创新等核心能力方面普遍较弱，与用人单位的人才培养需求脱节，不能满足新时代公共卫生应用型人才的需求[11-12]。步入数字时代后，依托大数据、互联网、云计算、AI模拟等技术手段，知识、技术与信息的跨域共享成为现实，这一前提条件，让基层层面科学预警决策的落地有了坚实保障[8]。但目前在AI防疫系统操作、多源数据平台管理等前沿技能的培养滞后，对AI预警技术的应用能力培养几乎空白，毕业生难以满足当前公共卫生领域对实时监测和智能预警的技术要求，无法适应新时代公共卫生工作的实际需求。如在面对突发公共卫生事件时，缺乏AI对多源数据的整合分析能力，可能导致疫情信息的延误和预警不及时，影响疫情预测和防控策略制，进而影响工作效率和防控效果。

1.3 AI赋能与交叉课程融合不足，实践教学场景单一

传统公共卫生教学在课程设置和实践环节上存在明显不足，尤其是在AI技术与公共卫生课程的融合及实践场景的多样性方面表现突出。在近年来突发公共卫生事件的应对过程中，中国高层次应用型公共卫生人才短缺的短板逐渐显现[13-14]。公共卫生工作涉及海量数据处理、疫情预测、风险评估等复杂任务，而AI技术在这些领域具有巨大的应用潜力。传统教学未能充分整合AI技术，学生在校期间缺乏对AI工具和方法的学习，导致毕业后难以适应公共卫生领域日益增长的技术需求。同时，实践教学的场景较为单一，学生很少有机会参与跨部门协作项目、大型公共卫生应急演练或基于大数据的疫情分析等实际工作场景，这种教学模式不仅限制学生对现代技术如AI的理解和应激应用能力，而且影响其对疫情预测、风险评估、防控策略制订等公共卫生问题的创新思维和解决能力。此外，单一的实践场景使学生在面对复杂、多变的公共卫生挑战时，缺乏足够的适应性和创新能力。AI赋能公共卫生课程融合，拓展多样化的实践场景，以培养适应现代公共卫生需求的复合型人才。

1.4 课程体系与培养机制滞后，协同育人融合不足

公共卫生人才培养未能按照新时代公共卫生人才培养需求修订核心课程，未能推动政、产、学、研多主体全方位协同，多要素全过程耦合的协同育人体系，面临课程体系与行业协同性不足问题[15-17]。具体表现为以下3个方面结构性矛盾：①学科交叉深度不足。公共卫生与AI课程模块间缺乏有机衔接，机器学习、时空建模等现代技术未有效融入疾病预测、风险评估等核心教学环节，导致学生难以突破学科壁垒实现技术迁移。②教材建设滞后于技术发展。缺乏系统整合AI技术与公共卫生专业知识的创新教材，现有教材内容更新缓慢，未能及时反映智能防疫、数据挖掘、AI辅助决策等前沿知识与实践，限制教学内容的深度与广度。③实践教学双重脱轨。技术应用层面，虚拟仿真实验仍聚焦传统慢性疾病管理场景，未对接基层广泛部署的智能监测平台、多源数据融合系统等新型技术载体；协同育人层面，受疾控数据安全规范限制，真实疫情数据无法转化为教学案例，企业研发的AI流调工具、智能消杀系统等未能嵌入课程体系，形成显著的技术代差。④师资协同机制缺位。高校教师普遍缺乏智能防疫系统操作经验，行业专家参与培养方案设计的制度化通道尚未建立，教学内容更新周期滞后于基层技术迭代速度。这种“理论-实践”二元割裂状态，导致人才培养与公共卫生数字化、智能化转型需求存在系统性偏差，制约教学内容与技术生态的同步演进。

2 基层公共卫生人才培养的优化路径与实践策略

2.1 重塑价值引领体系，筑牢公共卫生人才精神根基

破解思政教育与职业发展协同不足的困境，将“健康中国”战略转化为具象化的职业信仰，重塑公共卫生人才的价值坐标。通过将基层服务意识、民族地区健康管理等核心价值融入AI防疫推演、跨境联防演练等教学场景，培育兼具家国情怀与科技素养的新时代公卫人才。

2.2 重置人才培养理念，锻造公共卫生人才核心能力

基于成果导向教育理念，以学生发展为中心，利用AI赋能打造新时代为维护人民健康的公共卫生应用型人才培养新内涵，补强公共卫生人才培养核心能力短板，推动公共卫生教育从“人工时代”向“智能时代”发展。在人才培养体系中，流行病学调查从传统流调转向智能传播链还原，健康教育从单向宣教升级为AI精准干预，未来的公共卫生服务体系将实现从“被动响应”到“主动防御”的模式转型[18]。

2.3 重构专业课程体系，完善协同育人创新融合机制

打通课程体系与协同育人机制的双重梗阻，构建“高校-疾控中心-AI企业”三方协同育人的人才培养模式，通过整合高校的理论教学资源、疾病预防控制中心的实战案例与AI企业的技术创新能力，形成教育链、技术链与服务链的深度融合。使人才培养直接对接基层数字疾控中心、智能监测平台等新型技术。突破传统公共卫生教育发展模式，打造出适应智能时代的创新能力，为国家公共卫生体系数字化转型提供核心驱动力。在此过程中，大力推进创新教材建设，组织跨学科团队编写融合AI技术与公共卫生核心知识的新型教材与案例集，确保教学内容与技术发展同步。鼓励开发配套的数字化教学资源（如交互式电子书、在线课程模块、虚拟实验手册），丰富学生的学习材料与路径。

2.4 深度融合教学资源，创新公共卫生人才培养模式

在AI技术深刻重塑公共卫生服务形态的当下，基层公共卫生人才培养模式的创新探索具有重大战略价值。面对新发传染病频发、慢性疾病负担加剧的双重挑战，传统公共卫生教育体系在数据分析能力、智能技术应用等方面存在显著短板，难以满足基层对“既懂疾病防控规律又擅AI赋能健康”的复合型人才需求[19]。AI背景下的公共卫生人才培养模式探索研究需要深度融合专业理论与机器学习算法，有效整合和优化疾控中心真实案例数据资源，将虚拟仿真推演、多模态健康数据分析等前沿技术嵌入培养全流程，在基础设施方面，推动“云-边-端”协同的教学环境建设，开发轻量化、离线可用的AI教学工具；在伦理安全方面，将数据安全、隐私保护、算法伦理等内容系统纳入课程体系，并在虚拟仿真实验中设置伦理决策场景，强化学生的合规意识与伦理判断能力。培养出“重融合、强实践、懂技能、促创新”的智能化基层公共卫生人才。

3 主要的教学改革举措

3.1 构建AI赋能的基层公共卫生核心专业课程体系

3.1.1 重构AI赋能的课程内容在流行病学、卫生统计学、环境卫生学等主干课程中全面推进AI技术的深度融合。如在流行病学教学中，在讲授经典理论方法基础上，引入基于机器学习算法的疾病预测与传播建模，通过决策树等方法预测传染病爆发趋势，同时结合虚拟现实与AI模拟技术构建疫情传播与防控策略的虚拟推演场景。在卫生统计学课程中，除传统统计方法外，增设智能数据处理与分析模块，引导学生运用聚类、分类等AI算法优化数据流程，并借助Python、R软件等工具完成复杂数据的处理分析任务，进一步利用AI实现统计结果的动态可视化呈现与决策支持。

3.1.2 建立AI赋能的课程教学模式基于清华大学学堂在线长江雨课堂AI平台，构建以学生发展为中心、AI技术为支撑的混合式教学模式，贯穿“课前-课中-课后”全过程，推动教学过程向精细化、个性化与智能化发展，全面提升教学质量及学生的综合能力与素质。课前，利用平台推送预习内容，学生可自主学习并与AI实时互动，完成课前准备。课中，借助随机点名、弹幕互动、词云生成等功能增强课堂参与，结合“AI讲伴”实时补充案例、演示内容与随堂测验，打造沉浸式、互动式学习体验。课后，构建“智能作业-个性辅导-拓展研习”的赋能闭环，根据学习数据推送作业与巩固练习；通过“AI即时答疑+教师深度点评”协同解惑，并由24 h智能学伴全天候提供一对一支持，实现从课堂到课外的持续赋能，具体流程见图1。

3.2 加强基层公共卫生师资队伍的建设

3.2.1 打造AI赋能的“双师双能型”公共卫生教师队伍 “双师”是指具备高校教师和疾控医师素质的教师[15]。“双能”是指公共卫生专业能力和AI技术应用能力[20]。高校教师到疾病预防控制中心挂职学习模式是打造“双师型”师资队伍的关键路径[21]。将AI素养培训纳入教师继续教育体系，定期组织开展AI领域教学技能相关培训，使教师掌握AI技术，创新教学方法，提高教学质量；鼓励不同学科背景的教师组成跨学科教师团队，共同开展AI+教育教学研究和实践活动，促进学科交叉融合；通过与兄弟院校开展教研项目、举办学术论坛等，加强合作交流，提升教师的综合素质和教学能力；评选优秀教师发挥示范和引领作用，扩大AI教育理念的影响力。

3.2.2 推行AI赋能的“双师双能型”学生培养全过程导师制以毕业论文带教导师为契机，开展学生全过程AI赋能的“双师双能型”导师制，提升学生综合素质、促进其全面发展。通过AI赋能的“双师双能型”导师帮助学生掌握科研方法、提升学术能力，还在职业规划、心理支持等方面发挥重要作用。在全过程导师制中，通过师生深度互动，为学生提供个性化指导，帮助其明确职业方向、提升学术自信，强化对公共卫生事业的认同感和使命感。导师的示范引领作用有助于学生掌握学术规范与职业伦理，培育严谨治学态度和创新能力。同时，能有效规避学生发展过程中的潜在误区，助力其实现个人价值最大化，从而夯实投身公共卫生事业的思想基础。在导师制中，AI技术可发挥核心支撑作用：①个性化学习路径规划。AI通过分析学生的学习数据、知识掌握情况、兴趣方向，为每名学生生成个性化的学习与发展建议报告，辅助导师进行更有针对性的指导。②智能科研辅助。AI工具可帮助学生进行文献检索与综述、研究设计优化、数据预处理与分析，导师则侧重于科研思维、创新性与伦理规范的培养。③虚拟协同指导。利用AI平台，可实现高校导师、疾控实践导师与AI企业技术导师的线上协同会议，共同研讨学生项目，突破时空限制。④成长过程动态监测。AI系统持续追踪学生的学习进度、实践参与、技能掌握等指标，及时向导师推送预警或建议，实现发展性评价与干预。

3.3 构建基层公共卫生多学科交叉融合教育实践平台

3.3.1 构建基层公共卫生协同育人培养模式以“健康中国”战略为价值导向，构建“高校-疾控中心-AI企业”三方协同育人的人才培养模式，通过整合高校的理论教学资源、疾控中心的实战案例与AI企业的技术创新能力，形成教育链、技术链与服务链的深度融合，同时将思政教育贯穿于人才培养全链条[22]。高校负责构建“公共卫生+AI”专业课程体系，疾控中心开放真实公共卫生相关数据与防控场景，AI企业提供智能工具开发支持，三方联合防控场景，共同培养高素质基层公共卫生人才。三方协同育人模式的实施有利于培养出既具备扎实的理论基础，又拥有丰富的实践经验和创新思维，能适应现代社会多元化智能化需求的公共卫生人才，该协同育人平台的核心架构见图2。

3.3.2 建设基层公共卫生跨学科AI虚拟仿真实验室联合兄弟院校共建AI虚拟仿真实验室，打造一个资源共享、优势互补的跨学科合作平台。如建立传染病疫情应急处置、食物传播传染病处置、膳食调查、人类免疫缺陷病毒病毒检测、手足口病教学及工作场所空气中有害物质测定等多个领域AI虚拟仿真实验室。在AI技术的赋能下，虚拟仿真实验室将实现更高效、更智能的教学模式。利用AI算法和大数据分析，可为学生提供个性化的学习路径和实时反馈，帮助其更有效地掌握实验技能。同时，通过AI赋能虚拟仿真平台，实现不同高校的学生可通过网络平台共同参与实验项目，实现异地同步学习和交流，能为公共卫生专业学生提供更加优质、高效的学习环境，培养出更多具备实践能力和创新思维的高素质公共卫生人才。该实验室的技术架构通常如下：①数据层与仿真引擎。集成多源公共卫生数据（脱敏历史数据、模拟数据）和各类疾病传播、干预效果模型。②AI算法层。嵌入机器学习、智能体模拟、自然语言处理等算法，用于情景推演、决策优化和智能评估。③交互应用层。提供虚拟现实、增强现实或基于Web的3D仿真界面，学生可扮演不同角色（如流调员、疾控决策者）进行沉浸式操作。④评估与反馈层。AI实时记录学生操作逻辑、决策依据和团队协作数据，进行过程性评价并生成个性化反馈报告。

3.4 构建AI赋能的基层公共卫生培养体系的教育教学评价

3.4.1 建立“过程性AI考核+实验成绩+终结性测试”三维学业评价机制基于长江雨课堂AI教学平台，构建“过程性AI考核+实验成绩+终结性测试”三维一体的学业评价机制。采用30%过程性考核、20%实验成绩和50%终结性测试的权重分配，着重评估学生的分析思维能力与实践转化能力。通过过程性考核促进学生持续学习，通过实验成绩强化实践能力培养，通过终结性测试确保基础知识掌握，实现对学生学习全过程的多维度、立体化评价。既充分发挥AI技术在过程监测中的优势，又保留教师专业评判在教学中的核心地位，客观、全面地反映学生的真实学习成效。其中，“过程性AI考核”的具体运作机制如下：①学习行为智能追踪。AI记录学生在线学习时长、互动频次、资源访问路径、讨论区发言质量等。②自适应测评与反馈。系统根据学生当前水平动态推送练习题、案例分析，并即时提供解析和知识薄弱点提示。③技能操作过程性分析。在虚拟实验或模拟任务中，AI不仅评估结果正确性，而且对学生的操作步骤、决策逻辑、资源利用效率进行分析与评分。

3.4.2 构建“五维三层”公共卫生教育质量智能评估体系 “五维三层”智能评估体系是以数据驱动的公共卫生教育质量动态优化框架，其核心在于通过多维度数据融合与智能化分析实现教育全流程的精准监测与持续改进。其中，“五维”是指用人单位-院系-教研室-教师-学生5个维度的全方位信息采集网络，形成从宏观行业需求到微观个体能力的立体化数据生态。“三层”则对应数据驱动下的闭环管理流程，数据采集层-分析决策层-改进实施层，实现教育质量的螺旋式提升，最终构建“监测-诊断-干预”一体化的公共卫生教育质量智能教育教学评估体系，其完整闭环流程见图3[23]。

4 AI赋能公共卫生教育的案例举例

在预防医学专业核心课程“营养与食品卫生学”教学中，设计“AI赋能的精准体质量管理与营养干预”模块。该模块紧密结合国家健康体质量管理战略的指导原则，重点培养学生运用AI技术开展个性化营养评估与干预的实践能力。在教学实施过程中，引导学生开展为期3个月的自我体质量管理实践。每名学生需要系统记录自身的膳食摄入情况，学习使用基于图像识别的AI膳食评估工具进行营养成分分析；同时每周定期测量并记录身高、体质量、腰围等关键指标，建立个人健康数据库。在实践后期，学生运用所学的数据分析技能，对积累的个体数据进行深入挖掘，识别饮食模式与体质量变化的内在联系。在此基础上，学生将进一步利用AI工具，基于个人的健康状况、饮食偏好和生活习惯，制订真正个性化的体质量管理方案，并运用专业知识对AI生成方案的合理性与可行性进行审慎评估和优化调整。在完成个人层面的数据分析后，课程进一步引导学生开展群体健康研究。每名学生匿名提交自己的实践数据，共同构建班级健康数据库。随后，学生将以小组形式，对整合后的群体数据进行分析，探索不同饮食模式、生活习惯与体质量变化的关联性，识别影响体质量管理效果的关键因素。通过这一过程，学生不仅能从个人角度理解体质量管理的原理，而且能从群体层面把握健康问题的分布规律，为将来开展社区营养干预和公共卫生决策提供实证依据。这一模块的设计充分体现“从个体到群体”的预防医学思维，通过将学生自身作为研究案例，极大地增强学习的代入感和实践性。整个教学过程不仅使学生掌握AI技术在营养领域的应用技能，而且是培养其基于数据驱动进行科学决策的公共卫生实践能力，为学生未来开展社区营养干预和健康管理工作奠定扎实的基础。

5 小结

在“健康中国”与“数字中国”两大国家战略的指引下，面对全球公共卫生格局的深刻变革与后疫情时代对基层防控能力的迫切需求，中国预防医学教育正经历一场历史性的转型[24]。传统的培养模式在人才规模、知识结构及实战能力上存在三大突出短板，核心痛点在于基层缺乏兼具疾病防控与AI健康应用能力的复合型人才。为破解这一难题，必须构建一个以AI技术为核心驱动，以解决实际问题为导向的新型基层公共卫生人才培养体系。本体系并非对现有模式的简单升级，而是从理念、课程、师资、平台到评价的全面性、系统性重构。

探索AI赋能基层公共卫生人才培养体系是践行“健康中国”战略、夯实基层公共卫生体系根基的必然要求与中心环节。旨在通过推动AI、大数据等现代技术与预防医学教育的深度融合，系统性地重塑课程体系、师资队伍与实践平台，着力解决人才供给与基层岗位需求的脱节问题。实现从高校到一线的高效转化，为基层输送一大批具备扎实专业知识、精湛实践技能、高尚职业素养，并能从容面对重大疫情与突发公共卫生事件的智能化、实战型公共卫生人才。这些人才能熟练运用智能技术进行疾病监测预警、开展精准健康管理、优化卫生资源配置，从而显著提升基层公共卫生服务的效率、可及性。这一体系的构建与完善，将为“健康中国”战略在基层的顺利实施奠定坚实而可靠的人才基石，并为破解中国公共卫生体系结构性难题、赋能新时代卫生健康事业高质量发展提供核心驱动力。

利益冲突声明：本文所有作者均声明不存在利益冲突。

[1] 孙静轩，王莹，张玲，等. 大数据及人工智能下疾病预防控制机构数字化到智能化转型研究[J]. 实验室检测，2024，2（5）：94-99.

[2] 黄苗苗，李善柱. 大数据技术管理在公共卫生应急管理中的应用[J]. 中国卫生产业，2024，21（3）：217-219.

[3] JOSHI A，GORMLEY N，GADGIL R，et al. An AI-based public health data monitoring system [EB/OL]. （2025-06-05）[2025-12-05]. https：//arxiv.org/abs/2506.04429.

[4] CHOUDHARY V，MEHTA A，PATEL K，et al. Integrating data analytics and decision support systems in public health management [J]. See JPH，2024，23：158-172.

[5] WANG J，LI J. Artificial intelligence empowering public health education：prospects and challenges [J]. Front Public Health，2024，12：1389026.

[6] 周健，鲁彦，李杰，等. 健康中国战略下公共卫生人才培养模式的创新与探索[J]. 佳木斯大学社会科学学报，2021，39（2）：54-56.

[7] 薛沛然，王承涛，刘晓柳. 武汉某高等院校预防医学生职业认同感与学习倦怠的关系[J]. 校园心理，2022，20（6）：421-425.

[8] 王嘉欣，张鸿渐，朱咏妍，等. 人工智能在公共卫生领域医学生教育中的应用与展望[J]. 医学理论与实践，2022，35（22）：3818-3821.

[9] 赖晋锋，先德强，张越珊，等. 泸州市基层公卫人员疾病预防控制能力自评价及影响因素分析[J]. 现代预防医学，2024，51（8）：1441-1446.

[10] 廖娜，杨青俊，王春梅，等. 北京市某区基层公共卫生人员核心能力调查分析[J]. 应用预防医学，2022，28（5）：442-445.

[11] 周立红，张彤，李忠友. 健康中国2030视域下预防医学专业建设与人才培育改革研究[J]. 创新教育研究，2025，13（6）：613-623.

[12] 赵玉虹，于洗河，吴伟慎，等. “内外联动” 公共卫生实践教学模式的构建与应用[J]. 中华医学教育探索杂志，2025，24（11）：1521-1525.

[13] 梁戈玉，李涛，尹立红，等. 新型冠状病毒肺炎疫情下对公共卫生与预防医学人才培养的思考[J]. 中华医学教育杂志，2020，40（7）：486-489.

[14] 曾嘉莹，崔梦晶，梁戈玉，等. OBE理念下数智化公共卫生实践技能课程改革探索[J]. 基础医学教育，2025，27（7）：668-673.

[15] 徐相蓉，王胜锋，张建荣，等. 实战型公共卫生人才培养目标下混合式实践教学改革探讨[J]. 中国公共卫生，2025，41（5）：636-640.

[16] 朱贝贝，徐慧琼，陶芳标. “三教协同”下公共卫生人才培育的内涵、问题与路径[J]. 教育与职业，2025（12）：100-106.

[17] 张贺，陈家隆，刘小山，等. “健康中国”背景下高素质应用型预防医学人才培养模式探索与实践[J]. 高教学刊，2025，11（12）：160-163.

[18] 张弘扬，戴蕴涵，花卉，等. 基于专家访谈的公共卫生人才培养创新模式探索[J]. 基础医学教育，2025（11）：1095-1099.

[19] 陈思菊，田坤明. 预防医学专业现状及教学改革探析[J]. 中国继续医学教育，2022，14（19）：1-5.

[20] 马平. 新时代应用型高校“双师双能型”教师核心素养体系构建策略研究[J]. 吉林师范大学学报（人文社会科学版），2025，53（2）：119-124.

[21] 朱正保，刘艺，陈婧司，等. 新医科背景下预防医学专业实践技能教学改革的探索与思考[J]. 创新创业理论研究与实践，2024，7（12）：94-96.

[22] 余艳妮，刘璐，刘舒玉，等. 大数据与人工智能技术在预防医学专业教学中的应用研究[J]. 创新创业理论研究与实践，2025，8（12）：147-149.

[23] 袁媛，王刚，王高阳，等. “健康中国2030”高质量公共卫生实践基地建设思考[J]. 基础医学教育，2023，25（5）：424-427.

[24] 张剑波. 数字时代我国公共卫生危机之应对预警制度的缺陷与完善[J]. 医学与法学，2024，16（6）：38-45.

【作者机构】	右江民族医学院公共卫生学院
【分类号】	R197.1
【基金】	广西高等教育本科教学改革工程项目（2025 JGZ162）中华医学会医学教育分会和全国医学教育发展中心医学教育研究立项课题（2025B335）。

人工智能视域下基层公共卫生人才培养体系的探索

目录

文内图表