(
课件网) 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 ... ...
