本科智能医学工程课程规模不断扩大，但实验教学仍难以覆盖临床 AI 中的多模态、长尾分布和分布漂移等真实挑战。本文基于正在进行的子宫内膜癌多模态深度学习研究，构建了一套系统化的实验教学方案。首先指出教学中的三大缺口：模态覆盖不足、实验真实性缺失、部署实践缺乏。随后从建构性对齐、体验式学习、科研教学融合以及 CDIO 框架提炼出四条教学原则。教学体系分为四个递进层级并加设工程实践层，整体包含 32 个实验单元，累计 64 学时。所有实验在自研的虚拟临床工作站上完成，使用经脱敏的多机构数据集。每一层级对应一个技术瓶颈、前置课程要求以及基于标准的交付成果，例如数据预处理、模态对齐、跨域适应和模型部署。系统还明确了数据治理、安全管理和评估流程，并计划在两个实施周期内收集学习成效数据。
点评：本教学体系将前沿研究转化为可操作的实验教学，兼顾模态多样性、真实数据和部署实践，为医学人工智能人才培养提供了系统化路径。