Kunstig intelligens og beregningsorientert medisin

• 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». Alt kursmateriale vil være åpent og tilgjengelig på GitHub: github.com/arvidl/ELMED219-2026

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

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.