3.2早期接触临床智能系统
当代的高等医学教育是以岗位胜任能力为培养重点的教育，早期接触临床课程是医学生从课堂到临床实习之间的过渡，目的是建立临床思维，提高临床能力。现在的早期接触临床课程多依赖于理论学习，不能真正将理论学习和临床实践有机结合。早期接触临床智能系统可通过机器学习模拟患者思维，支持人机交互，利用语音识别与合成技术形成虚拟患者，营造特定环境。在早期接触临床课程中，可让学生感受整个诊疗过程，提高与患者沟通的能力以及岗位责任；按专业的医师标准训练，为学生做出展示和评判；提高学生的专业自信心，成为解决临床问题能力和学习能力的重要工具。
3.3基于数据挖掘的适应性学习
医学专业学习课程包括基础和临床课程，以及医患沟通、心理学等人文类课程。除此之外，医学学习还需要实验及临床实践。在大量的学习任务之下，学生学习个体差异显著，适应性学习系统根据学生学习能力、教学模式等方面对学生个体进行评估，并制定个性化学习方案，使其从被动学习转变为自主学习与创新学习、探究式学习。大量的反馈信息可以缩小教师教授内容与学生吸收内容之间的差距，利用在线开放资源，教师可及时对学生加强指导，使其尽快适应学习环境。人工智能技术可以为学生提供个性化的服务及预测，达到尽快适应医学学习环境的目的。医学学习数据具有数量巨大、多样性的特点，在基于数据挖掘的适应性学习中，使用的主要技术包括数据的存储、数据挖掘、处理等，整体技术架构如图３所示。数据挖掘技术可以在大量的数据中筛选具有价值性的数据，以便制定适合个体发展的结构化和智能化系统学习方案。
3.4医学教育云资源
将云计算技术应用在医学教育领域，可以建立提供医学辅助教育服务的共享医学教育云平台。医学教育云平台将数字图书馆、教学资源库、试题库以及大量的在线开放课程等独立的共享资源融合在一起形成符合教育规律的集中式资源共建共享平台。云平台基于高速的数据通信、虚拟存储技术，为医学生提供了医学专业的内容支持，云服务在医学教育中的应用创建了医学辅助教育的新模式，对于提高教学质量、学习效率具有极大的优势。
人工智能是模拟人类思维和能力的智能技术，人工智能与医学教育相结合是在健康中国发展中人工智能技术在教育领域应用的新模式。在高等医学教育领域中，新的模式必将引起新变革，人工智能技术未来将在自适应学习、智能教学模式、教育管理等方面有着广泛的应用和发展前景，使教学过程更加个性化、多元化，并提供更加精确、高效的智能教学形式，从而推动教育研究和管理水平的提高。面对全球智能化的发展趋势，人工智能技术在高等医学辅助教育中有重要作用，同时也需要更加完善的政策和制度来提供保障。教育工作者应该积极的应对人工智能带来的变革，在更广泛的医学教育中应用智能的教育方式，推动医学教育改革与提升，促进智能教育的发展。
