Kunstig intelligens og beregningsorientert medisin
Masteremne
- Studiepoeng
- 6
- Undervisningssemester
- Vår
- Emnekode
- ELMED219
- Talet på semester
- 1
- Undervisningsspråk
- Norsk (engelsk vil bli brukt dersom utvekslingsstudenter følger kurset). Alt kursmateriell er på engelsk.
- Ressursar
- Timeplan
Emnebeskrivelse
Mål og innhald
- Kurset vil adressere fordeler og ulemper ved «The computational mindset», maskinlæring og kunstig intelligens i fremtidens medisin, samt etiske aspekter og regulatoriske forhold ved medisinsk AI.
- Kurset er en veiledet «reise» gjennom utvalgte beregningsorienterte modelleringsteknikker innen biomedisinske og kliniske anvendelser. Eksempler, demonstrasjoner og oppgaver vil bli relatert til in vivo avbildning (MRI) og segmentering, biomarkører og prediksjon, nettverksanalyse («patient similarity networks»), multimodale data, samt store språkmodeller («foundation models») innen medisin og helse. Gjennom hele kurset vil studentene benytte prinsipper og moderne verktøy for dataanalyse, maskinlæring og generativ AI (e.g. ChatGPT) innen medisinske anvendelser. Dette vil gi studentene en introduksjon til Python og Jupyter notebooks, bruk av «skyen» for tilgang til åpne data, beregninger og kunnskap, samt innsikt i og begrunnelse for «open science» og «reproducible research».
Læringsutbyte
Studenten skal ved avsluttet emne ha følgende læringsutbyte definert i kunnskaper, ferdigheter og generell kompetanse:
Kunnskapar
Studenten..
- Har bred kunnskap om begrepene «big data», «nettverksanalyse», «maskinlæring», «dyplæring» og «generativ AI» (store språkmodeller) og kunne relatere disse begrepene til eksempler fra persontilpasset og prediktiv medisin.
Ferdigheiter
Studenten..
- Kan finn frem til og bruke et utvalg av moderne programvare for dataanalyse, visualisering, rapportering og generativ AI (e.g. dataanalyse, figur og grafikk produksjon med Jupyter notebooks, bruk av store språkmodeller som ChatGPT).
- Kan kommunisere om utvalgte metoder og programvare der disse er implementert og forklare relevans for medisinsk forskning og klinisk praksis.
Generell kompetanse
Studenten..
- Erkjenner betydningen av matematiske modeller og beregninger samt store språkmodeller for analyse og forståelse av komplekse systemer og sykdoms-prosesser og behovet for tverrfaglig samarbeid i fremtidens medisin. Etiske aspekter og regulatoriske forhold ved medisinsk AI.
- Kan analysere hvordan vitenskapelig samarbeid i form av «open science», deling av data og «reproducible research» kan føre vitenskapen fremover.
Studiepoeng, omfang
Studienivå (studiesyklus)
Undervisningssemester
Krav til forkunnskapar
Tilrådde forkunnskapar
Fagleg overlapp
Studiepoengsreduksjon
Krav til studierett
Studenter tatt opp ved Det medisinske fakultet eller Fakultet for naturvitskap og teknologi ved UiB (eller annet universitet) og studenter opptatt til ingeniørstudiet ved HVL (eller annet universitet/høgskole e.g. Erasmus student). Studenter utenfra UiB vil få gjestestudent-status ved opptak til emnet.
Ver merksam på at påmelding skjer ved epost til
Arbeids- og undervisningsformer
Undervisningsformen er orientert mot «blended learning» og «flipped classroom»:
- To dager med introduksjon- og motivasjons-forelesninger, inklusive demonstrasjoner. Studentene medbringer egen laptop.
- e-læring- / lab-moduler (før, under, og tilgjengelig etter kurset) med fokus på læringsutbytte for emnet vil også omfatte refleksjonsspørsmål og tematiske flervalgsspørsmål.
- En innlevering relatert til spesifikke tema innen (bio)medisin, valgt blant et lite utvalg på forhånd definerte prosjekter der en tilstreber samarbeid mellom minst én medisinerstudent og én ingeniørstudent (i.e. «tandem»). Dette tverrfaglige gruppeprosjekt skal presenteres muntlig ved en av de fire samlingene.
- Fire «meet-ups» / samlinger med lærere og undervisnings-assistenter. Avsluttende digital eksamen.
Emnet vil basere seg på at studenten har egen eller lånt laptop.