Beregningsorientert avbildning, modellering og KI i biomedisin

Målet og innhaldet i kurset tek for seg: Berekningstankegangen, biletbehandling, modellering, maskinlæring og KI i framtidig biomedisin - etiske og regulatoriske aspekt ved KI. Kurset er ei guida "reise" med ein praktisk komponent gjennom utvalde bereknings- og modelleringsteknikkar innan biomedisinske og medisinske applikasjonar. Døme, demonstrasjonar og oppgåver vil vera relatert til in vivo avbilding (MRI) og segmentering, biletdannande massecytometri (IMC), biomarkørar og prediksjon, nettverksanalyse ("pasientlikskapsnettverk"), multimodale data, og dessutan store språkmodellar (foundationmodels) innan medisin og biologi. Gjennom heile kurset vil studentane nyttte prinsipp og moderne verktøy for dataanalyse, maskinlæring og generativ KI (t.d. ChatGPT) innan biomedisinske applikasjonar. Dette vil gi studentane ei innføring i Python og Jupyter notebooks, bruk av «skya» for tilgang til opne data, berekningar og kunnskap, og dessutan innsikt i og grunngiving for «open science» og «reproduserbar forsking». Alt kursmateriell vil vera ope tilgjengeleg på eit GitHub-repositorium.

Bruk av kunstig intelligens (KI)

Bruk av KI-verktøy i akademisk arbeid skal vere basert på prinsippa om ærlegdom, openheit og fagleg integritet. Studentar skal følgje Det medisinske fakultetet sitt klassifiseringssystem for KI-bruk (nivå G), og tydeleg dokumentere kva nivå som gjeld for deira masteroppgåve.

Studentansvar

- Eiga vurdering: Studentar skal sjølve vurdere og opplyse om kva nivå av KI-bruk som er nytta i oppgåva, i tråd med det offisielle klassifiseringssystemet.

- Kritisk vurdering: KI-generert innhald skal ikkje brukast ukritisk. All informasjon må kontrollerast, faktasjekkast og integrerast med fagleg grundigheit.

- Val av verktøy: Studentar vert oppmoda til å bruke sikre og institusjonsstøtta KI-verktøy. Ved Universitetet i Bergen (UiB) er Microsoft Copilot og UiBchat tilgjengeleg og rekna som eit trygt alternativer for akademisk bruk.

For meir informasjon om klassifiseringssystemet og retningslinjene, sjå:

www.uib.no/med/174307/bruk-av-kunstig-intelligens-ki-ved-det-medisinske-fakultet

Ved fullført emne skal studenten ha følgjande læringsutbytte definert i form av kunnskap, ferdigheiter og generell kompetanse:

Kunnskap

Studenten ...Har brei kunnskap om omgrepa "fleirskala og multiparametrisk biomedisinsk avbilding",

"berekningsorientert modellering", "big data", "nettverksanalyse", "maskinlæring", "djup læring" og "generativ KI" (t.d. store språkmodellar) og var i stand til å relatera desse omgrepa til døme frå biomedisin, og persontilpassa medisin / presisjonsmedisin.

Ferdigheiter

Studenten ...Kan finna og bruka eit utval av moderne programvareverktøy for dataanalyse, visualisering, rapportering og generativ KI, t.d. eksplorativ dataanalyse, figur- og grafikkproduksjon med Jupyter notebooks, og effektiv prompting av store språkmodellar som ChatGPT. Kan kommunisera om utvalde metodar og programpakker / -bibliotek der desse metodar er implementert og forklara deira relevans i biomedisinsk forsking og medisin.

Generell kompetanse

Studenten ...Erkjenner betydninga av matematiske modellar, berekningsorientering og store språkmodellar for analyse og forståing av komplekse system og sjukdomsprosessar. Erkjenne behovet for tverrfagleg samarbeid innan biomedisinen i framtida. Etiske og regulatoriske aspekt ved biomedisinsk KI. Kan analysera korleis vitskapleg samarbeid i form av «open science», deling av data og «reproduserbar forsking» kan føra vitskapen vidare.