Kursus Kecerdasan Buatan Perubatan

Pelajaran 1 • Jenis Tugasan AI Perubatan

Meninjau tugasan pengelasan, regresi, segmentasi, dan penjanaan dalam perubatan. Membantu peserta memadankan jenis tugasan dengan algoritma yang sesuai.

Pelajaran 2 • Apakah AI Perubatan

Mentakrifkan AI, pembelajaran mesin, dan pembelajaran mendalam dalam konteks klinikal. Mewujudkan perbendaharaan kata yang dikongsi digunakan sepanjang kursus.

Pelajaran 3 • Pihak Berkepentingan dan Peranan Utama

Memetakan ekosistem doktor, saintis data, pengawal selia, dan pesakit. Menjelaskan tanggungjawab kerjasama untuk penggunaan AI yang berjaya.

Pelajaran 4 • Rangka Masalah Klinikal

Mengajar cara menterjemah cabaran klinikal kepada pernyataan masalah AI. Menghubungkan rangka masalah kepada pilihan reka bentuk model hiliran.

Pelajaran 1 • Penilaian Kualiti Data

Mengenal pasti kesempurnaan, ketepatan, konsistensi, dan ketepatan masa sebagai dimensi kualiti. Menyediakan peserta untuk mengaudit set data sebelum latihan model.

Pelajaran 2 • Privasi, Keselamatan, dan Tadbir Urus

Merangkumi prinsip perlindungan data pesakit dan rangka kerja tadbir urus institusi. Mendasari peserta dalam amalan pengurusan data yang bertanggungjawab.

Pelajaran 3 • Piawaian Data dan Saling Kendali

Menjelaskan sistem pengekodan klinikal dan piawaian pertukaran data kesihatan. Membolehkan peserta bekerja dengan set data klinikal berstruktur dengan berkesan.

Pelajaran 4 • Sumber dan Jenis Data Klinikal

Merangkumi rekod EHR, arkib pengimejan, genomik, dan aliran boleh pakai. Menetapkan keluasan data yang tersedia untuk projek AI perubatan.

Pelajaran 1 • Latihan dan Pengoptimuman Model

Merangkumi fungsi kerugian, kecerunan menurun, penalaan hiperparameter, dan pengesahan silang. Melengkapkan peserta untuk melatih model yang mantap pada set data klinikal.

Pelajaran 2 • Pembelajaran Tanpa Selia dalam Perubatan

Memperkenalkan pengelompokan, pengurangan dimensi, dan pengesanan anomali untuk penemuan klinikal. Membolehkan peserta mencari corak tanpa hasil berlabel.

Pelajaran 3 • Menilai Model ML Klinikal

Mengajar AUC-ROC, ketepatan-panggilan semula, penentukuran, dan analisis faedah bersih. Menghubungkan metrik statistik kepada ambang prestasi yang bermakna secara klinikal.

Pelajaran 4 • Asas Pembelajaran Terselia

Menerangkan regresi logistik, pepohon keputusan, dan mesin vektor sokongan dalam tetapan klinikal. Menghubungkan pilihan algoritma kepada keperluan kebolehinterpretasian dan prestasi.

Pelajaran 1 • Segmentasi Imej Perubatan

Merangkumi rangkaian pengekod-penyahkod dan mekanisme perhatian untuk penggambaran organ dan lesi. Menyediakan peserta untuk membina saluran paip segmentasi untuk aliran kerja klinikal.

Pelajaran 2 • AI Pengimejan Merentas Kepakaran

Meninjau AI pengimejan yang digunakan dalam radiologi, patologi, dermatologi, dan oftalmologi. Menggambarkan bagaimana pilihan seni bina berbeza mengikut modaliti pengimejan.

Pelajaran 3 • Vision Transformer dalam Perubatan

Memperkenalkan perhatian kendiri dan pemprosesan imej berasaskan tompok untuk tugasan perubatan. Membandingkan prestasi transformer dengan CNN pada penanda aras pengimejan klinikal.

Pelajaran 4 • Rangkaian Neural Konvolusi

Memperincikan konvolusi, pengumpulan, dan hierarki peta ciri untuk analisis imej. Menghubungkan pilihan reka bentuk CNN kepada prestasi radiologi dan patologi.

Pelajaran 1 • Menilai Sistem NLP Klinikal

Merangkumi skor F1, padanan tepat, BLEU, dan kaedah penilaian pakar klinikal. Menghubungkan metrik NLP kepada penilaian utiliti klinikal dunia sebenar.

Pelajaran 2 • Model Transformer untuk NLP Klinikal

Menerangkan prapelatihan gaya BERT dan penalaan halus pada korpora klinikal. Menghubungkan seni bina transformer kepada prestasi NLP klinikal terkini.

Pelajaran 3 • Teks Klinikal dan Asas NLP

Merangkumi tokenisasi, pengecaman entiti bernama, dan struktur nota klinikal. Menetapkan asas NLP sebelum menangani cabaran khusus penjagaan kesihatan.

Pelajaran 4 • Pengekstrakan Maklumat daripada EHR

Mengajar pengekstrakan hubungan, penaakulan temporal, dan fenotip daripada nota klinikal. Membolehkan peserta menukar teks bebas kepada ciri sedia AI berstruktur.

Pelajaran 1 • Menjalankan Audit Keadilan

Menyediakan aliran kerja berstruktur untuk mengaudit prestasi model merentas subkumpulan demografi. Menyediakan peserta untuk mendokumen dan menyampaikan penemuan audit.

Pelajaran 2 • Metrik dan Definisi Keadilan

Menerangkan pariti demografi, peluang yang disamakan, dan penentukuran merentas subkumpulan. Menjelaskan pertukaran antara kriteria keadilan yang bersaing dalam konteks klinikal.

Pelajaran 3 • Rangka Kerja Etika untuk AI Perubatan

Mengaplikasikan beneficence, non-maleficence, autonomi, dan keadilan kepada keputusan penggunaan AI. Menghubungkan prinsip bioetika kepada pilihan tadbir urus AI yang praktikal.

Pelajaran 4 • Strategi Mitigasi Bias

Merangkumi teknik penyahbiasan pra-pemprosesan, dalam-pemprosesan, dan pasca-pemprosesan. Melengkapkan peserta untuk memilih kaedah mitigasi yang sesuai dengan kekangan klinikal.

Pelajaran 1 • Dokumentasi Set Data dan Model

Merangkumi kad model, lembar data, dan pernyataan penggunaan yang dimaksudkan untuk penyerahan kawal selia. Mengajar peserta untuk menghasilkan dokumentasi yang memuaskan penyemak.

Pelajaran 2 • Pemantauan Berterusan dan Pengesahan Semula

Menangani pengesanan hanyutan model, papan pemuka prestasi, dan pencetus latihan semula. Menghubungkan pemantauan berterusan kepada keselamatan pesakit dan pematuhan kawal selia.

Pelajaran 3 • Piawaian Bukti untuk AI Klinikal

Membandingkan reka bentuk retrospektif, prospektif, dan percubaan rawak untuk pengesahan AI. Menetapkan hierarki bukti yang dijangka oleh pengawal selia dan doktor.

Pelajaran 4 • Rangka Kerja Kawal Selia untuk Peranti AI

Menjelaskan klasifikasi perisian sebagai peranti perubatan, peringkat risiko, dan laluan kelulusan. Menyediakan peserta untuk menavigasi keperluan kawal selia tanpa butiran khusus bidang kuasa.

Pelajaran 1 • Reka Bentuk Integrasi Aliran Kerja

Memetakan output AI kepada titik keputusan klinikal dan sistem amaran EHR. Memastikan cadangan AI sampai kepada doktor pada masa yang tepat dalam penyampaian penjagaan.

Pelajaran 2 • Pengurusan Perubahan dan Penerimaan

Mengaplikasikan prinsip pengurusan perubahan kepada pelancaran AI klinikal dan mitigasi rintangan. Menghubungkan strategi penglibatan kakitangan kepada penerimaan alat yang berterusan.

Pelajaran 3 • Mengukur Kesan Klinikal dan Operasi

Mentakrifkan metrik hasil merangkumi kualiti klinikal, kecekapan, dan pengalaman pesakit. Melengkapkan peserta untuk membina kes perniagaan dan melaporkan nilai AI.

Pelajaran 4 • Penskalaan dan Penyelenggaraan Program AI

Merangkumi struktur tadbir urus, penskalaan infrastruktur, dan pengurusan portfolio untuk program AI. Menyediakan peserta untuk berkembang daripada projek perintis kepada penggunaan peringkat perusahaan.