主讲人小档案

解丹，博士，硕士研究生导师，湖北中医药大学信息工程学院教授。日本东京大学广域专攻访问学者，美国德州大学休斯顿健康医疗中心生物统计系博士后。

主要研究医学人工智能、医学数据挖掘。参与过美国NIH、国家科技部中医药现代化专项、863、国家自然科学基金面上项目、国家中医药管理局重大专项等多项国家级课题；主持国家中医药管理局、湖北省自然科学基金委、贵州省科技厅、湖北省教育厅、湖北省卫健委等多项省部项目；发表论文60余篇，SCI/EI检索15篇以上。

曾获湖北省科技进步二等奖1项、湖北省教学成果特等奖1项，三等奖2项；拥有发明专利授权1项，软件著作权12项。多次带领学生参加科技创新创业大赛，斩获十多项国家级、省级竞赛奖项。

精彩讲座现场

讲座一开始，解丹教授就带来轻松的举手互动：“今天在场同学，有谁已经遇到过AI？刷感兴趣的短视频、手机语音转文字、输入问题得到回答，哪一个最让你好奇背后是怎么工作的？”

台下2026级新同学纷纷举手，大家才恍然大悟，原来自己天天都在和AI打交道。没有难懂的复杂公式，不堆砌枯燥专业术语，解丹教授就从大家日常玩手机的真实体验切入，开启医学AI的分享。

整场讲座分为基础与技术、模型与工具、医学应用、真实案例、未来展望五个部分，由浅入深，带着中职同学们揭开大模型的神秘面纱。

很多同学以为AI就是机器人。解丹教授纠正大家：AI不一定是实体机器人，它也可以是电脑里的一套软件。不是收集的数据越多AI就越厉害，AI做题表现再好，也不能直接当医生用。

她用大家读书考试来打比方讲机器学习：看样本就像平时刷题，做预测相当于做题，找差距、调参数就是订正错题、总结经验，这个过程叫“训练”；把已经学会的知识拿来做新卷子答题，就是“推理”。

训练集、验证集、测试集，对应练习题、模拟考、正式考试。如果考试题目提前泄露，考再高的分数也不作数。她特别讲到“过拟合”：模型把练习题背得滚瓜烂熟，换一套没见过的题目就不会做。放到医学场景，这种情况会带来风险，一定要用全新真实的数据去检验AI的本事。

讲到现在大火的大模型，解丹教授提醒同学们：AI写出来的文字看着通顺合理，但会出现“幻觉”，会一本正经编造不存在资料。AI说的话不能全信，学会提问、学会查证，是我们必须掌握的本领。

现场还安排小练习：把一句笼统的“帮我学Python”改成清晰好用的提问。要讲清楚自己基础是什么、想达成什么目标、想要什么样的输出。同时也要记住，AI给的答案，要动手实操验证，不能直接照搬。

讲座里最吸引同学们的，是两个接地气的医学AI真实案例。

第一个是医学影像分割。面对CT片子，AI可以帮医生圈出器官、标出可疑的位置，但AI输出的仅仅是参考提示，最终诊断，依旧要由医生来完成。

解丹教授抛出思考题：测试AI模型，是把同一个病人的CT切片随机拆分，还是用完全不同患者的数据来测试？经过同学们热烈讨论，大家懂得一个道理：现实工作我们面对的永远是全新的病人，严谨的测试，就要模拟真实工作的情况。

第二个是医学知识图谱，拿大家熟悉的流感举例子。

“流感由流感病毒引起，会出现发热、咳嗽，抗生素不能直接治疗流感”，把这些知识拆分成一个个实体和相互关系，编织成一张知识网络。解丹教授着重强调：整理医学知识，一定要忠实原本的意思。资料写的是“可能发热”，就不能改成“一定会发热”。简简单单“可能”两个字，放在医学里面，关系到人的健康，半点马虎不得。

从AI预测蛋白质结构，到检索资料辅助回答问题，解丹教授反复强调：医学AI只能做辅助工具，不能替代人做决定。AI漏看病灶会耽误病情，误报结果会让病人白白焦虑。医疗行业，可靠永远排在第一位。

讲座尾声，解丹教授给刚刚入校的2026级中职计算机同学们送上寄语。

不要觉得医学AI离中职学生很遥远。数学课学到的统计，能帮我们看懂误差；编程课程学会的Python，可以用来处理数据；语文英语能力，方便读懂需求、查阅资料；专业学习教会我们提出问题。现在课堂上学到的每一点知识，未来都可以用在AI交叉领域。

她还给同学们布置了一个简单有趣的课后小实践：动手做一个简易的物品识别小项目 —— 自己收集图片样本，训练识别模型，再拿没见过的新照片去测试，记录 AI 识别出错的情况，并想一想可以怎样改进。同时，老师还推荐了 Teachable Machine 等入门工具，鼓励大家多动手、多体验，在实操中保持对 AI 的好奇心。

整场讲座气氛轻松活跃，同学们边听边记，不时点头交流。原本听起来高深的 "医学人工智能"，在一个个小故事、一次次互动问答和一个个真实案例中，变得通俗易懂。大家真切地体会到：计算机专业不只是敲代码、写程序，我们写下的每一行代码，未来都有可能服务于医疗健康 —— 技术的归宿，永远是服务于人。

学校之所以开设这样的讲座，正是希望我们计算机相关专业的学生，既能在课堂上学好编程与算法，也能跳出代码、看见技术真正的用武之地，让学生们明白：专业学习不能只停留在书本和屏幕前，更要把所学与社会需求、行业发展对接起来，把 Teachable Machine 这样的入门工具用起来、练扎实，为将来成为懂技术、有温度、能真正解决问题的应用型人才打下基础。