Жаратылыштын маалыматы үчүн рахмат. Сиз колдонуп жаткан браузердин версиясы чектелген CSS колдоосу менен чектелген. Эң жакшы натыйжалар үчүн, биз браузериңиздин жаңы версиясын колдонууну сунуштайбыз (же Интернет-эксплуатациялык шайкештик режимин күйгүзөбүз). Ал ортодо, үзгүлтүксүз колдоо көрсөтүү үчүн, биз сайтты стилдөө же JavaScript жок көрсөтүп жатабыз.
Клиникалык жасалма интеллигенттин (AI) арыздары тездик менен өсүп жатат, бирок ушул аймакты чагылдырган лицикиялык окуу программаларын сунуш кылат. Бул жерде биз жасалма чалгындоо курсун сүрөттөп, биз Канада медициналык студенттерине жеткирип, келечектеги окутуу үчүн сунуштарды беребиз.
Медицинада жасалма интеллект (AI) жумуш ордунда натыйжалуулугун жана клиникалык чечим кабыл алуусун жакшыртууга болот. Жасалма акылды колдонууну камсыз кылуу үчүн, дарыгерлер жасалма акыл менен түшүнүү керек. AI түшүнүктөрүн түшүндүрүп берүү, мисалы, AI моделдерин жана текшерүү процесстерин түшүндүрүп берүү2. Бирок, айрыкча улуттук деңгээлде бир аз структураланган пландар аткарылды. Pinto dos santos et al.3. 263 Медициналык студент сурамжылоого катышып, 71% жасалма акылга муктаждыкка муктажмын деп макулдашты. Медициналык аудиторияга жасалма интеллект окутуу үчүн, медициналык билимге ээ болгон студенттер үчүн техникалык жана техникалык эмес түшүнүктөрдү бириктирүүчү кылдат долбоорду талап кылат. Биз бир катар аи семинарларын бир катар семинарларды үч топко жеткирип, Медициналык студенттердин үч тобуна сунуштап, Айдагы келечектеги медициналык билим алуу боюнча сунуштарды беребиз.
Медициналык студенттер үчүн медициналык кызматкер үчүн жасалма интеллигиленге киришүү 2019-жылдын февраль жана 2021-жылы апрелге чейин бир нече жолу өттү. Ар бир семинардын расписаниеси, курстун өзгөрүүсүнүн кыскача баяндамасы, 1-сүрөттө көрсөтүлгөн. Биздин курс бар Окутуунун үч максаты: Студенттер жөнүндө маалымат жасалма чалгындоодо кандайча иштелип чыгат, клиникалык тиркемелер үчүн жасалма чалгындоо адабияттарын анализдеп, инженерлер менен биргеликте инженерлер менен кызматташуу мүмкүнчүлүктөрүн колдонушат.
Көк - бул лекциянын жана ачык көк тема - бул интерактивдүү суроо жана жооп берүү мөөнөтү. Боз бөлүк кыскача адабияттын баяндамасынын көңүлү. Кызгылт сары бөлүктөрү жасалма чалгындоо моделдерин же техникаларды сүрөттөгөн иш кагаздарын жүргүзөт. Жашыл - бул клиникалык көйгөйлөрдү чечүү үчүн жасалма интеллектди окутууга багытталган GREAD программалоо курсу, моделдерди баалоо үчүн жасалма интеллигенчиликти окутууга багытталган. Семинарлардын мазмуну жана узактыгы студенттердин муктаждыктарын баалоого негизделген.
Биринчи семинар Британиянын Колумбия университетинде 2019-жылдын февраль айына чейин болуп өттү, ал эми 8 катышуучунун бардыгы позитивдүү жооп берди. Ковид-19, экинчи семинар, 2020-жылдын октябрь айында экинчи семинар, ал эми 2020-жылдын октябрь айында, 222 медициналык окуучу жана 3 тургун, Канадада медициналык окуу жекторун каттоодон өткөн. Презентация слайддары жана кодекси ачык кирүү сайтына жүктөлгөн (http://ubcaimed.github.io). Биринчи итерациянын негизги пикирлери - лекциялар өтө эле күчтүү жана материал өтө теориялык экендигин билдирди. Канадандын алтыга чейинки алты убакыт алкактары кошумча кыйынчылыктарды жаратат. Ошентип, экинчи семинанын сессиясы ар бир сессияны 1 саатка чейин кыскартып, курстук материалдарды жөнөкөйлөштү, дагы бир аз изилдөөлөрдү кошту, ал катышуучуларга минималдуу мүчүлүштүктөрдү (1-кутучанын) минималдуу мүчүлүштүктөрдү (1-кутуча) менен толтурууга мүмкүндүк берди. Экинчи итерациядан чыккан негизги пикирлер программалоо көнүгүүлөрү жана машинаны окутуу долбоорун пландаштырууну пландаштырууну сурануучуларга оң пикирлерге, алга турган позитивдүү жооп пикирди камтыды. Ошондуктан, 2021-жылы март айында 126 медициналык окуучуга караганда, 2021-жылдын март айында медициналык окуучуга каралып, долбоорлордун долбоорлоруна семинардын түшүнүктөрүн колдонуунун таасирин көрсөтүү үчүн интерактивдүү коддоо көнүгүүлөрүн жана долбоордук кодектилиштерин камтыганбыз.
Маалыматтарды талдоо: Маалыматтарды талдоо, иштетүү, иштеп чыгуу, байланышуу жана байланышуу менен маалыматтардын мазмунун аныктаган статистикалык изилдөө чөйрөсү.
Маалыматтарды кен казып алуу: маалыматтарды аныктоо жана алуу процесси. Жасалма акылдын контекстинде, бул көбүнчө ар бир үлгү үчүн бир нече өзгөрмө бар.
Өлчөмүн төмөндөтүү: маалыматтарды баштапкы маалыматтардын маанилүү касиеттерин сактоо учурунда маалыматтарды көптөгөн өзгөчөлүктөргө айландыруу процесси аз гана өзгөчөлүктөргө айлантуу процесси.
Мүнөздөмөлөрү (жасалма интеллекттин контекстинде): үлгүнүн өлчөнгөн касиеттери. Көбүнчө "мүлк" же "өзгөрмө" менен алмаштырылышат.
Граждуу активдештирүү картасы: Жасалма чалгындоо моделдерин (айрыкча, нейрондук тармактар) чечмелөө үчүн колдонулган техника (айрыкча, нейрондук тармактар) маалыматтардын же сүрөттөлүштөрдүн аймактарын аныктоо процесстерин оптимизациялоо процессин талдайт.
Стандарттуу модель: Ушул сыяктуу тапшырмаларды аткарууга алдын ала даярдалган AI модели.
Тестирлөө (жасалма интеллекттин контекстинде): Моделдин маалыматтарын колдонуп, буга чейин болгон тапшырманы аткарган тапшырманы аткарууну байкоо.
Окутуу (жасалма интеллигенчиликтин контекстинде): Моделдердеги маалымат жана натыйжалар менен моделин берүү, анын ички параметрлерин жаңы маалыматтарды колдонуп, тапшырмаларды аткаруу жөндөмүн оптималдаштырууга байланыштуу.
Вектор: Маалымат массиви. Машинада окутууда, ар бир массивдин элементи, адатта, тандалма өзгөчөлүгү.
1-таблица 2021-жылдын апрелиндеги акыркы курстардын ар бир темасына багытталган окуу максаттарын кошо алганда, анын ичинде ар бир теманын максаттуу максаттарын тизмелейт. Бул семинар техникалык деңгээлге чейин жаңыга арналган жана бакалавриаттын медициналык даражасынын биринчи жылынан тышкары, математикалык билимди талап кылбайт. Курс 6 медициналык студент жана 3 мугалим тарабынан иштелип чыккан. Инженерлер окутуу үчүн жасалма чалгындоо теориясын иштеп жатышат, жана медициналык студенттер клиникалык тиешелүү материалдарды үйрөнүшөт.
Семинарларга лекциялар, ишти изилдөө жана жетекчиликке алынган программалоо кирет. Биринчи лекцияда биостатистикада, анын ичинде маалыматтарды визуализациялоо, логистикалык регрессияны жана сүрөттөөчү жана индуктивдик статистиканы салыштыруу, материалдык анализдин талдоо концепцияларын карап чыгабыз. Маалыматтарды талдоо жасалма интеллект фонду болуп саналат, бирок биз маалыматтарды казып алуу, маанидеги тестирлөө же интерактивдүү визуализациялоо сыяктуу темаларды алып салабыз. Бул убакыттын чектелгендигине байланыштуу, анткени биостатикада бир нече студенттердин биостатистикасында алдын ала машыгууну каалаган жана көбүрөөк уникалдуу машинаны камтыйт. Кийинки лекция заманбап методдорду киргизет жана AI Маселелеринин артыкчылыгын, артыкчылыктарын жана чектөөлөрүн жана моделин текшерүү маселелерин талкуулайт. Лекциялар адабият жана жасалма чалгындоо түзмөктөрүндө иш жүзүндө изилдөө жүргүзүлөт. Клиникалык суроолорду чечүү үчүн моделдин натыйжалуулугун жана ыңгайсыздыгын баалоо үчүн талап кылынган көндүмдөрдү баса белгилейбиз, анын ичинде жасалма чалгындоо түзмөктөрүнүн чектөөлөрүн түшүнүү. Мисалы, биз студенттерден квпперман ж.б.у.с.-нуска колдонмолорун чечмелеп берүүнү сурандым, 5, 5 дарыгердин экзаменинин негизинде пайдалуу болгонун аныктоо үчүн, жасалма интеллект Биз бул ды варианттарга алмаштыруунун ордуна, дарыгерлер үчүн чечкиндүүлүк аналитикасын сунуш кылган АИдин жалпы үлгүсү экендигин баса белгилейбиз.
Ачык булак Булай Программа программалоо мисалдары (https://github.com/UBCAID/UBCAIMED.Githe/mice/Master/programming_Examples), биз чалгындоо маалыматтарды талдоо, өлчөмдү азайтуу, стандарттык моделди азайтуу жана окутуу . жана тестирлөө. Биз Google Colaborator NoBooks (Google LLC, Тоолуу көрүнүш, CA), бул Python кодун веб-браузеринен аткарууга мүмкүндүк берет. 2-сүрөт. 2-сүрөт программалоо көнүгүүсүнүн мисалын келтирет. Бул көнүгүү Висконсиндин Ачык эмчегин элестетүү боюнча, чечимдин дарагынын алгоритмин колдонуп, зыяндуу божомолдукту болжолдойт.
Программаларды жума бою тиешелүү темалар боюнча сунуштап, жарыяланган AI тиркемелеринен мисалдарды тандаңыз. Программалоо элементтери, эгерде алар келечектеги клиникалык практиканы түшүнүү үчүн тиешелүү деп эсептесе, анда клиникалык сыноолордо колдонууга даяр экендигин аныктоо үчүн моделдерди аныктоо үчүн, алардан кандай маалымат берилет. Бул мисалдар шишиктерди медициналык сүрөт параметрлерине негизделген шишиктерди толук же кооптуу деп эсептешет.
Алдын-ала билимдин гетерогендүүлүгү. Биздин катышуучулар биздин математикалык билим деңгээлинде өзгөрүштү. Мисалы, өнүккөн инженердик тек-жайы бар студенттер өзүлөрүнүн фурээмди кантип аткаруу үчүн терең материал издеп жатышат. Бирок класстагы Фурье алгоритмди талкуулоо мүмкүн эмес, анткени ал сигналды кайра иштетүү жөнүндө терең билимди талап кылат.
Катышуу агып кетиши. Кийинки жолугушууларга катышуу, айрыкча онлайн форматтарда баш тартты. Сабакка катышуу жана аяктоо жөнүндө күбөлүк берүү үчүн чечим болушу мүмкүн. Медициналык окуу жайлары студенттердин экстрактивдүүлүк менен академиялык академиялык иш-аракеттердин стенограммаларын таанып, студенттерди даражага умтулууда.
Сабактын дизайны: Себеби AI ушунчалык көптөгөн субстанттерди жантайак, анткени тийиштүү тереңдиктин жана тууралуу негизги түшүнүктөрдү тандоо кыйынга турушу мүмкүн. Мисалы, лабораториядан AI куралдарын клиникага чейин колдонуунун үзгүлтүксүздүгү маанилүү тема болуп саналат. Маалыматтарды алдын-ала иштетүү, моделдик имаратты жана текшерүүдөн өткөндө, бизде чоң маалыматтар анализикасы, интерактивдүү визуализация, интерактивдүү визуализация, интерактивдүү визуализация, анын ордуна биз эң уникалдуу ai түшүнүктөрүнө көңүл бурабыз. Биздин жетектөөчү принцип - сабаттуулукту өркүндөтүү, көндүмдөр эмес. Мисалы, моделдин киргизилишинин киргизүү өзгөчөлүктөрүн кандайча чечмелөө үчүн маанилүү экендигин түшүнүү маанилүү. Мунун бир жолу - бул маалыматтардын кайсы аймактарынын кайсы аймактарын элестрациялоо градиент активдештирүү карталарын колдонуу. Бирок, бул көп жолу эсептөө талап кылынат жана киргизүү мүмкүн эмес8. Жалпы терминдерди өнүктүрүү татаал болду, анткени математикалык формаласыз, векторлор менен иштөөнү түшүндүрүүгө аракет кылып жатабыз. Мисалы, эпидемиологияда, мисалы, эпидемиологияда бирдей мааниге ээ, мисалы, "мүнөздүү" же "атрибут" деп сүрөттөлөт.
Билимди кармоо. AI колдонуу чектелгендиги чектелгендиктен, катышуучулардын билимин сактап калгандыгы көрүнүп турат. Медициналык окуу окуу программасы көп учурда билимди практикалык ротацияларда, 9га билим берүүгө дагы бир билимди бекемдөө үчүн биротоло кайталоого ишенишет.
Адабияттуулукка караганда кесипкөйлүк маанилүү. Материалдын тереңдиги математикалык катаал, бул жасалма интеллект боюнча клиникалык курстарды иштетүүдө көйгөй болгон. Программалоо мисалдары, биз катышуучуларга талааларды толтурууга жана программалык камсыздоонун толук чөйрөсүн кантип орнотууга жана программалык камсыздоону иштетүүгө мүмкүнчүлүк берген Калыптын программасын колдонобуз.
Жасалма интеллектке байланыштуу тынчсыздануулар: жасалма интеллект бир аз клиникалык милдеттерин алмаштырышы мүмкүн деген кеңири таралган. Бул маселени чечүү үчүн, Айдын чектөөлөрүн, анын ичинде жөнгө салуучулук көзөмөлдөнгөн дээрлик бардык AI технологияларын түшүндүрүп беребиз. Ошондой эле, алгоритмдер жакындап калгандыктан, алгоритмдердин, айрыкча, маалымат топтому ар түрдүү эмес болсо, алгоритмдерге дуушар болгонун баса белгилейбиз. Демек, белгилүү бир топко бир топ калпыраак, адилетсиз клиникалык чечимдерге алып келиши мүмкүн.
Ресурстар жалпыга жеткиликтүү: биз элге ачык ресурстарды, анын ичинде лекция слайддарын жана кодун кошо чыктык. Синхрондук мазмунга жетүү мөөнөттөрү чектелбегенине карабастан, ачык булактын мазмуну - бул AI тажрыйбасы бардык медициналык окуу жайларда мүмкүн эмес
Өзгөртүү аралык кызматташуу: Бул семинар - инженерлер менен биргелешип курстарды пландаштыруу үчүн медициналык студенттер тарабынан демилгеленген биргелешкен ишкана. Бул катышуучуларга келечекте мүмкүн болгон ролун түшүнүүгө мүмкүнчүлүк берген кызматташтык мүмкүнчүлүктөрүн жана билиминин кемчиликтерин жана билимсиздигин көрсөтөт.
Ai Core Core компетенациясын аныктаңыз. Компетенциянын тизмесин аныктоо, компетенттүүлүктүн негизинде медициналык окуу пландарына интеграцияланган стандартташтырылган структураны камсыз кылат. Бул семинар учурда окуу максатында 2 (түшүнүү), 3 (колдонуу), 3 (анкета) жана 4 (анализ) колдонулат. Долбоорлорду түзүү сыяктуу классификациялоонун жогорку деңгээлдеринде ресурстар бар, мисалы, билимди андан ары бекемдей алат. Бул Clinical адистери менен AI темаларын клиникалык жумуштарга кантип колдонсоңуз болот жана кайталануучу темаларды окутуунун алдын алуу үчүн, бир нече кайталануучу темаларды окутуунун алдын алуу талап кылынат.
AI колдонуп ишти изилдөөлөрдү түзүңүз. Клиникалык мисалдарга окшош, кылмыштуу билим берүү, алардын клиникалык суроолорго ылайыктуулугун белгилөө менен абстрактуу түшүнүктөрдү бекемдей алат. Мисалы, бир семинардын биригүүсү Google компаниясынын АИге жайгашкан диабеттик ретинопатияны талдап, лабораториядан келген кыйынчылыктарды, мисалы, тышкы текшерүү талаптары жана жөнгө салуу жолдору сыяктуу кыйынчылыктарды аныктоо үчүн лабораториядан келген кыйынчылыктарды аныктоо үчүн.
Ресмендик билим алуу: Техникалык көндүмдөр клиникалык стажирлердин айланма тажрыйбаларына окшош, мырзага багытталган практиканы жана бир нече жолу кайталануучу колдонмону талап кылат. Потенциалдуу чечим - бул инженердик билим берүүдө билимди сактап калууну жакшыртуу үчүн, болжолдуу класстын модели14. Бул моделде студенттер теориялык материалдарды өз алдынча карап чыгып, өз алдынча жана класстык убакытты текшерүүгө арналган көйгөйлөрдү чечүүгө арналган.
Маарлычылардын көптүгүн таратуу үчүн, биз AI кабыл алуусун, бир нече дисциплиналар, анын ичинде дарыгерлер жана медициналык адистер ар кандай деңгээлде окутуу деңгээли менен кызматташуудан баш тартууну элестетебиз. Демек, окуу программаларын ар кандай бөлүмдөрдөн, алардын мазмунун медициналык жардамдын ар кандай чөйрөлөрүнө ылайыкташтырууга ар кандай бөлүмдөрдөн консультациялоодо иштелип чыгышы мүмкүн.
Жасалма интеллекти жогорку технологиялуу жана анын негизги түшүнүктөрү математика жана информатика илимине байланыштуу. Жасалма интеллекти түшүнүү үчүн саламаттыкты сактоо кызматкерлери мазмун тандоонун, клиникалык актуалдуулукту жана жеткирүү ыкмаларынын өзгөчө көйгөйлөрүн сунуштайт. Билим семинарларында АИден келген түшүнүктөр келечектеги окутуучуларга Айды медициналык билимге интеграв кылуу үчүн инновациялык жолдорду кабыл алууга жардам берет деп үмүттөнөбүз.
Google Colaboratory Python сценарийи ачык булак жана: https://github.com/ubcaimed/ubcaimed.github.io/tree/mre/mase/maser/.
Пробер, кг жана хан, С. Ретинк Билим берүү: Иш-аракетке чакыруу. Аккад. дары. 88, 1407-1410 (2013).
MCCoy, LG ж.б. NPZ сандар. Медицина 3, 1-3 (2020).
Дос Сантос, DP, ж.б. Медициналык студенттердин жасалма акылына карата мамилеси: Мультикистр сурамжылоосу. Евро. Радиация. 29, 1640-1646 (2019).
Фан, Кы, Ху, Р., Сингла, Р. Медициналык студенттерди үйрөнүү үчүн машинаны үйрөнүү: пилоттук долбоор. J. med. окутуу. 54, 1042-1043 (2020).
Cooperman n жана al. Балдарды клиникалык жактан олуттуу мээнин жаракат алуу коркунучу астында, баштын жаракат алганынан кийин мээнин жаракат алуу коркунучу төмөн: Болочок когорттук изилдөө. Lancet 374, 1160-1170 (2009).
Көчө, WN, Вольберг, WH жана Мангасариан, Ол. Мүлкүн туман диагнозу үчүн өзөктүк өзгөчөлүктөрүн алуу. Биомедициналык илим. Сүрөттү иштеп чыгуу. Биомедициналык илим. Вайс. 1905, 861-870 (1993).
Чен, PHC, LIU, Y. жана Peng, L. Саламаттыкты сактоо үчүн машинаны үйрөнүү моделдерин кантип иштеп чыгуу керек. Нат. Мт. 18, 410-414 (2019).
Selvaraju, RR ж.б. GRAD-CAM: Граждуу жерлерде терең тармактар аркылуу терең тармактардын визуалдык чечмелөө. IEEE International конференциясынын компьютер Vision боюнча, 618-626 (2017).
ЕККУнун Медициналык билим берүүсүндө ЕККУнун медициналык билимин колдонуп, далилдүү медициналык билим берүүнү баалоо үчүн далилдүү медицинанын компетенциясын баалоо үчүн спиральдык моделди иштеп чыгуу жана баалоо. BMK дарысы. окутуу. 21, 1-9 (2021).
KolaChalama vb жана Garg PS машинасын үйрөнүү жана медициналык билим берүү. NPZ сандар. дары. 1, 1-3 (2018).
Van leeuwen, KG, Шалекамп, С., Руттен, МЖ, Ван Гиннекен, Б. жана де-Рой, М. Радиология боюнча жасалма интеллект: 100 коммерциялык продукциялар жана алардын илимий далилдери. Евро. Радиация. 31, 3797-3804 (2021).
Топол, EJ Нат. дары. 25, 44-56 (2019).
БЕДЕ, Э. ж.б. Диабеттик ретинопатияны аныктоо үчүн клиникага жайгаштырылган терең үйрөнүү тутумун ишенимдүүлүгүнө баа берүү. 2020-жылдагы деп эсептөө тутумдарында (2020).
Керр, Б. Инженердик билим берүүдөгү слеппоздук класс: Изилдөөлөрдү карап чыгуу. Интерактивдүү Биргелешип окутуу боюнча 2015-жылдын жыйынтыгы (2015).
Авторлор Даниэлл Уолкер, Тим Салкудин жана Питер Зандстра, Британиялык Колумбия университетинин биомедициналык сүрөтчөсүнөн, колдоо көрсөтүү жана каржылоо үчүн биомедициналык сүрөтчүлүк жана жасалма чалгындоо кластери
RH, PP, ZH, RS жана MA Семинардын окутуу мазмунун иштеп чыгуу үчүн жооптуу болушкан. RH жана PP программалык мисалдарды иштеп чыгуу үчүн жооптуу болушкан. Kyf, Oy, MT жана PW долбоорду логикалык уюштурууга жана семинарларды талдоого жооптуу болушкан. RH, Oy, MT, RS цифраларды жана таблицаларды түзүү үчүн жооптуу. Rh, kyf, pp, zh, oy, my, pw, tl, ma, Rs документти иштеп чыгуу жана редакциялоо үчүн жооптуу.
Байланыш Медицина, рахмат Кэролин МакГрегор, Фабио Мора, Адита Боракати алардын бул ишти карап чыгуу үчүн өз салымын кошуу үчүн.
Пост убактысы: Февраль-19-2024