Tige tank foar it besykjen fan natuer.com. De ferzje fan browser dy't jo brûke hat CSS-stipe beheind. Foar bêste resultaten, advisearje wy in nijere ferzje fan jo browser te brûken (of útsette kompatibiliteitsmodus yn Internet Explorer). Yn 'e tuskentiid, om oanhâldende stipe te garandearjen, litte wy de side sjen sûnder styling as javascript.
Applikaasjes fan klinyske keunstmjittige yntelliginsje (AI) groeie rap, mar besteande medyske skoalmodikobilije oanbod beheind learen dy't dit gebiet bedekt. Hjir beskriuwe wy in kursus fan keunstmjittige yntelligines dy't wy ûntwikkele en levere oan Kanadeeske medyske studinten en meitsje oanbefellings foar takomstige training.
Keunstmjittige yntelliginsje (AI) yn medisinen kin wurkfieding effisjinsje ferbetterje en it meitsjen fan klinyske beslút. Om feilich te hanthavenjen it gebrûk fan keunstmjittige yntelliginsje, moatte dokters wat begryp hawwe fan keunstmjittige yntelliginsje. In protte opmerkings dy't foarstelle foar lear AI Concepts1, lykas ferklearje fan AI-modellen en ferifikaasje Prosesses2. Lykwols, pear struktureare plannen binne lykwols ymplementearre, foaral op it lanlike nivo. Pinto Dos Santos et al.3. 263 Medyske studinten waarden ûndersocht en 71% iens dat se training nedich wiene yn keunstmjittige yntelliginsje. It learjen fan keunstmjittige yntelliginsje oan in medysk publyk fereasket soarchfâldich ûntwerp dat it technyske en net-technyske konsepten kombineart foar studinten dy't faak wiidweidige foarkommende foarkende kennis hawwe. Wy beskriuwe ús ûnderfining dy't in searje workshops leveret oan trije groepen medyske studinten en meitsje oanbefellings foar takomstige medyske oplieding yn AI.
Us fiifentbou ynlieding ta keunstmjittige yntelliginsje yn medisinen foar medyske studinten waard trije kear hâlden tusken febrewaris 2019 en 2021. In skema. In planne foar elke wurkfier, mei in koarte beskriuwing oan 'e kursus, wurdt toand yn figuer 1. Us kursus hat Trije primêre leardoelen: Studinten begripe hoe't gegevens wurde ferwurke yn tapassing fan keunstmjittige yntelliginsje, en profitearje fan kânsen om te wurkjen mei yngenieurs dy't keunstmjittige gearwurking fan 'e ynliedingen.
Blau is it ûnderwerp fan 'e lêzing en ljochtblau is de ynteraktive fraach en antwurdperioade. De grize seksje is de fokus fan 'e koarte literatuerresinsje. De oranje seksjes binne selekteare case-stúdzjes dy't keunstmjittige yntelliginsje-modellen of techniken beskriuwe. Green is in begelieden programmearje kursus ûntworpen om keunstmjittige yntelliginsje te learen om klinyske problemen op te lossen en modellen te evaluearjen. De ynhâld en doer fan 'e workshops ferskille op basis fan in beoardieling fan' e studinteferluting.
De earste workshop waard holden oan 'e universiteit fan Britsk-Kolumbia út febrewaris nei april 2019, en alle 8 dielnimmers joegen positive feedback4. Fanwegen Covid-19 waard de twadde workshop suver hâlden yn oktober-novimber 2020, mei 222 medyske studinten en 3 ynwenners fan 8 Kanadeeske medyske skoallen registrearje. Presintaasje dia's en koade binne opladen nei in iepen tagongsside (http://ubcaimed.github.io). De kaai feedback fan 'e earste iteraasje wie dat de lêzingen te yntinsyf wiene en it materiaal te teoretysk. Serving Kanada's seis ferskillende tiidsônes stelt ekstra útdagings stellen. Sa koarte de twadde workshop elke sesje oan 1 oere, ferienfâldige it kursusmateriaal mear befestige programma's dy't dielnimmers hawwe tastiene koade-stikjes te foltôgjen mei minimale debuggen (fak 1). Kaai feedback fan 'e twadde iteraasje omfette positive feedback op' e programmearfoarvees en in fersyk om plannen te demonstrearjen foar in masjine-learprojekt. Dêrom holden yn ús tredde workshop, holden yn 'e 126 medyske studinten yn maart-2021, omfette wy mear ynteraktive kodearring en projekt feedback-sesjes om de ynfloed te bewizen fan wurkplakskonsepten op projekten.
Gegevensanalyse: In fjild fan stúdzje yn statistiken dy't betsjuttende patroanen identifisearret yn gegevens troch analysearjen, ferwurkjen, en kommunisearjende gegevenspatroanen.
Data-mining: it proses fan it identifisearjen en ekstrahearje fan gegevens. Yn 'e kontekst fan keunstmjittige yntelliginsje is dit faaks grut, mei meardere fariabelen foar elk stekproef.
Dimensionality Reduksje: It proses fan transformearjen fan gegevens mei in protte yndividuele funksjes yn minder funksjes by it behâlden fan 'e wichtige eigenskippen fan' e orizjinele gegevensset.
Skaaimerken (yn 'e kontekst fan keunstmjittige yntelliginsje): Mjitbere eigenskippen fan in stekproef. Faak brûkt útwikselber mei "eigendom" of "fariabele".
GradienT aktivaasjekaart: In technyk dat wurdt brûkt om keunstmjittige yntelliginsje te ynterpretearjen (foaral neurale netwurken), dy't it proses analysearje fan it netwurk om regio's fan gegevens of ôfbyldings te identifisearjen dy't heul foarsizze.
Standertmodel: In besteande AI-model dat foarôf oplaat is om ferlykbere taken út te fieren.
Testing (yn 'e kontekst fan keunstmjittige yntelliginsje): Observearje hoe't in model in taak útfiert mei gegevens dy't it net earder tsjinkaam.
Training (yn 'e kontekst fan keunstmjittige yntelliginsje): In model leverje mei gegevens en resultaten, sadat it model syn ynterne parameters oanpast om de mooglikheid te meitsjen om taken út te fieren mei nije gegevens.
Vector: Array fan gegevens. Yn masine learen is elk array-elemint normaal in unike skaaimerk fan 'e stekproef.
Tabel 1 Lislisten de lêste kursussen foar april 2021, ynklusyf rjochte leardoelen foar elk ûnderwerp. Dizze workshop is bedoeld foar dyjingen foar dyjingen oant it technysk nivo en fereasket gjin wiskundige kennis bûten it earste jier fan in undergraduate-medyske graad. De kursus waard ûntwikkele troch 6 medyske studinten en 3 dosinten mei avansearre graden yn engineering. Yngenieurs ûntwikkelje keunstmjittige yntelliginsje teory om te learen, en medyske studinten leare klinysk relevant materiaal.
Workshops omfetsje lêzingen, Case-stúdzjes, en begelaat programmearring. Yn 'e earste lêzing besjogge wy selekteare begripen fan gegevensanalyse yn biostatistyk, ynklusyf gegevens fisualisaasje, logistyske regression, en de fergeliking en de fergeliking en induktive statistyk. Hoewol gegevens-analyse is de stifting fan keunstmjittige yntelliginsje, útslút wy ûnderwerpen lykas gegevensmijn, betsjutting testen, as ynteraktive fisualisaasje. Dit wie te tankjen oan tiidbeperkingen en ek, om't guon undergraduate studinten foarôfgeande training hawwe yn biostatistyk en woene mear unike machine-learen ûnderwerpen wolle dekking. De folgjende lêzing yntroduseart moderne metoaden en besprekt AI-probleemfemualiteit, foardielen en beheiningen fan AI-modellen, en model testen. De lêzingen wurde komplementeare troch literatuer en praktysk ûndersyk nei besteande keunstmjittige apparaten. Wy beklamje de feardigens dy't nedich binne om de effektiviteit fan in model te evaluearjen om klinyske fragen oan te pakken, ynklusyf de beheiningen fan besteande keunstmjittige lokwinsjes te begripen. Wy stiene bygelyks om de rjochtline fan Pediatryske HEAD-blessuere te ynterpretearjen troch Kupperman en al te ynterpretearjen fan in ANGIFICIALE YNFORMAASJE TREE OM TE BEFESTJE OM EIN SCAN NUST WURKT WANNE OAN DE EKSAMEN WURDE OM TE BEFESTEN OM TE BEFESTEN OF BEFALLEN OAN DE SKAASJE WURDE OAN DEMPEN OM TE BEFESTEN OF EIN BESLOT OF EIN BESLOT OAN DE SECOSION. Wy beklamje dat dit in mienskiplik foarbyld is fan AI it foarsizzen fan foarsizzende analytyk foar dokters om te ynterpretearjen, ynstee fan te ferfangen fan dokters.
Yn 'e beskikbere iepen boarne-bootstrap-programming-foarbylden (https://github.com/ubithub.com/ubcaimed/ubcaim.Gitbu: Wy demonstrearje hoe't jo feroverjende gegevensanalyse hawwe, fermindering, standert model laden, en training . en testen. Wy brûke Google Colaboratory Notebooks (Google LLC, Mountain View, CA), wat Python-koade tastean te wurde útfierd út in webbrowser. Yn Fig. Figuer 2 leveret in foarbyld fan in programmearjende oefening. Dizze oefening omfettet foarsizzen fan Malignances mei it Wisconsin Open Breur Bestaging DataSet6 en in beslútbeam-algoritme.
Presintearje programma's troch de wike op besibbe ûnderwerpen en selektearje foarbylden fan publisearre AI-applikaasjes. Programme-eleminten binne allinich opnommen as se wurde beskôge as relevant om ynsjoch te leverjen yn takomstige klinyske praktyk, lykas it te evaluearjen om te bepalen oft se klear binne foar gebrûk yn klinyske proeven. Dizze foarbylden kulminearje yn in folsleine oanbelangjende ein-nei-ein-applikaasje dy't tumors klassifiseart as goedaardigens as malignant basearre op medyske ôfbyldingsparameters.
Heterogeniteit fan foarkennis. Us dielnimmers ferskille yn har nivo fan wiskundige kennis. Bygelyks, studinten mei avansearre technyske eftergrûnen sykje nei mear yngeande materiaal, lykas hoe't jo har eigen Fourier-transforts útfiere. Besprekje lykwols dat de Fourier-algoritme lykwols net mooglik is, om't it yngeande kennis fan sinjaalferwurking nedich is.
Oanwêzich útstream. Oanwêzigens by ferfolch gearkomsten wegere, foaral yn online formaten. In oplossing kin wêze om oanwêzich te folgjen en in sertifikaat fan foltôging te leverjen. Medyske skoallen binne bekend om transkripsjes te erkennen fan bûtenlânske extracurrikulêre akademyske aktiviteiten, dy't studinten kinne stimulearje om in graad te ferfolgjen.
Kursusûntwerp: Omdat AI span safolle subferden, selektearje, selektearje kearnbegripen fan passende djipte en breedte kinne útdaagjend wêze. Bygelyks de kontinuïteit fan gebrûk fan AI-ark fan it laboratoarium foar de klinyk is in wichtich ûnderwerp. Wylst wy gegevens foarôfgeand, modelgebou, en validaasje omfetsje, befetsje wy net ûnderwerpen, lykas grutte gegevens analytisaasje, ynteraktive fisualisaasje, of útfiere fan AI klinyske proeven, ynstee rjochtsje wy op 'e meast unike AI-konsepten. Us liedende prinsipe is om literatuer te ferbetterjen, net feardigens. Begjin bygelyks hoe't in modelprosessen ynfierfunksjes wichtich is foar ynterpretabiliteit. Ien manier om dit te dwaan is om hellingaktivearringskaarten te brûken, dy't kin visualisearje hokker regio's fan 'e gegevens foarsisber binne. Dit fereasket lykwols multivariate Calculus en kin net yntrodusearje8. In mienskiplike terminology ûntwikkele wie útdaagjend om't wy besochten te ferklearjen hoe te wurkjen mei gegevens as vectoren sûnder wiskundige formalisme. Tink derom dat ferskate betingsten deselde betsjutting hawwe, bygelyks yn Epidemiology, wurdt in "karakteristyk" beskreaun as in "fariabele" of "attribút."
Kennisferhâlding. Om't de tapassing fan AI is beheind, de mjitte wêryn't dielnimmers kennis bliuwt bliuwt te sjen. Medyske skoalkurrikula fertrouwe faak op ôfstân om kennis te fersterkjen yn 'e praktyske rotaasjes, 9 dy't ek kin wurde tapast op AI-oplieding.
Professionalisme is wichtiger dan literatuer. De djipte fan it materiaal is ûntwurpen sûnder wiskundige rigor, dy't in probleem wie by it lansearjen fan klinyske kursussen yn keunstmjittige yntelliginsje. Yn 'e programmearjen fan programmearring brûke wy in sjabloanprogramma wêrtroch dielnimmers kinne ynfolje en de software útfiere sûnder út te finen hoe't jo in folsleine programmear-omjouwing moatte ynstelle.
Soargen oer keunstmjittige yntelliginsje oanpast: d'r is wiidferspraat soargen dat keunstmjittige yntelliginsje wat klinyske plichten3 koe ferfange. Om dit probleem oan te pakken, ferklearje wy de beheiningen fan AI, wêrûnder it feit dat hast alle AI-technologyen goedkard wurde troch regulators fergoede-tafersjochhâlders nedich. Wy beklamje ek it belang fan BIAS om't Algoritmen benijd binne foar bias, foaral as de dataset net ferskaat is. Sadwaande kin in bepaalde subgroep ferkeard modele wurde, liedend ta ûnrjochtfeardige klinyske besluten.
Boarnen binne iepenbier beskikber: Wy hawwe iepenbier beskikbere boarnen makke, ynklusyf lêzen en koade. Hoewol tagong ta synchrone-ynhâld is beheind ta tiidsônes, is iepen boarne-ynhâld in maklike metoade foar asynchrone learen, om't AI-ekspertize net beskikber is op alle medyske skoallen.
Interdisciplinêre gearwurking: Dizze workshop is in mienskiplik venture inisjeare troch medyske studinten om kursussen tegearre te plannen mei yngenieurs. Dit demonstreart gearwurkingskolearheden en kennis gatten yn beide gebieten, wêrtroch dielnimmers de potensjele rol kinne begripe dat se yn 'e takomst kinne bydrage kinne bydrage yn' e takomst.
Definiearje Ai Core Competcies. In list fan kompetinsjes definiearje biedt in standerdisearre struktuer dy't kin wurde yntegrearre yn besteande kompetinsje-basearre medyske kurrikula. Dizze workshop brûkt op it stuit learen objektive nivo's 2 (begryp), 3 (applikaasje), en 4 (analyse) fan de taksonomy fan Bloom. Om boarnen te hawwen op hegere nivo's fan 'e klassifikaasje, lykas it kreëarjen fan projekten, kinne de kennis fierder fersterkje. Dit freget wurkjen mei klinyske saakkundigen om te bepalen hoe't AI-ûnderwerpen kin tapast wurde op klinyske wurkstreame en foarkomme dat it learen fan repetitive ûnderwerpen al opnommen binne yn standert medyske kurrikula.
Create-stúdzjes mei AI. Fergelykber mei klinyske foarbylden, kin kaaikembegripen fersterkje fersterkje abstrakte konsepten troch har relevânsje te markearjen oan klinyske fragen. Bygelyks ien workshopstúdzje analysearre Google's AI-basearre Diability Detynopathy-systeem 13 om útdagings te identifisearjen oer it paad fan Lab, lykas eksterne validaasje-easken en regeljouwingspoarten.
Brûk eksperiminteel learen: Technyske feardigens fereaskje rjochte praktyk en werhelle applikaasje om te behearskjen, gelyk oan de draaiende learûnderfiningen fan klinyske trainees fan klinyske trainees. Ien potensjele oplossing is it flippele klaslokaalmodel, dat is rapporteare om kennisferhâlding te ferbetterjen yn Engineering Underwiis14. Yn dit model review studinten teoretyske materiaal ûnôfhinklik en klasse tiid is wijd oan it oplossen fan problemen fia gefallen troch gefallen.
Skaaljen foar multydissiplinêre dielnimmers: wy foarstelle AI-oanniming mei gearwurking oer meardere dissiplines, ynklusyf dokters en alliearde sûnensprofsjers mei wikseljende nivo's. Dêrom moat, kurrikula moatte wurde ûntwikkele wurde yn oerlis mei fakulteit út ferskate ôfdielingen om har ynhâld oan te passen oan ferskate gebieten fan sûnenssoarch.
Keunstmjittige yntelliginsje is hege tech en har kearnbegripen binne besibbe oan wiskunde en kompjûterwittenskip. Training Sûnensynpersoanen om keunstmjittige yntelliginsje te begripen, unike útdagings yn ynhâldseleksje, klinyske relevânsje, en leveringsmetoaden. Wy hoopje dat de ynsjoch krongen fan 'e AI yn workshops fan' e ûnderwiis workshops sille helpe om ynnovative manieren te omearmen om AI te yntegrearjen yn medyske oplieding.
It Google Colaboratory Python-skript is iepen boarne en te krijen by: https://github.com/ubcaimed/ubcaimed/ubcaimed.github.io/MOVE/.
Probert, KG en Khan, S. Rethinking Medical-oplieding: in oprop nei aksje. Akkad. medisinen. 88, 1407-1410 (2013).
McCoy, LG ensfh. Wat moatte medyske studinten wirklik witte oer keunstmjittige yntelliginsje? NPZH-sifers. Medicine 3, 1-3 (2020).
Dos Santos, DP, et al. De hâlding fan medyske studinten nei keunstmjittige yntelliginsje: in multicenter-enkête. Euro. strieling. 29, 1640-1646 (2019).
Fan, KY, HU, R., en Singla, R. Yntroduksje om te learen foar Medyske studinten: in pilotprojekt. J. Med. ûnderwize. 54, 1042-1043 (2020).
Cooperman N, et al. Bern identifisearje by heul leech risiko fan klinysk signifikante harsensblessuere nei holle blessuere: in potensjele kohortstúdzje. Lancet 374, 1160-1170 (2009).
Strjitte, WN, Wolberg, WH en Mangasarian, ol. Nukleêre funksje-ekstraksje foar diagnoaze boarst tumor. Biomedyske wittenskip. Ofbyldingferwurking. Biomedyske wittenskip. Weiss. 1905, 861-870 (1993).
Chen, PHC, Liu, Y. en Peng, L. Hoe kinne jo masjine learmodellen ûntwikkelje foar sûnenssoarch. Nat. Matt. 18, 410-414 (2019).
Selvaraju, rr et al. Grad-cam: fisuele ynterpretaasje fan djippe netwurken fia lokaasjebasearre lokalisaasje. Prosedueres fan 'e IEEE-ynternasjonale konferinsje oer kompjûterfisy, 618-626 (2017).
Kumaravel B, Stewart K en Ilic D. Untwikkeling en evaluaasje fan in spiraalmodel foar it beoardieljen fan bewiis-basearre medisinen kompetinsjes mei OSCE yn undergraduate-oplieding. BMK Medicine. ûnderwize. 21, 1-9 (2021).
Kolachalama VB en Garg PS Masine Learning en medyske oplieding. NPZH-sifers. medisinen. 1, 1-3 (2018).
Van Leeuwen, KG, Schalekamp, S., Rutten, MJ, Van Ginneken, B. en de Rooy, M. Keylens yn radiology: 100 kommersjele produkten en har wittenskiplik bewiis. Euro. strieling. 31, 3797-3804 (2021).
Topol, EJ Hege prestaasjes Medicine: de konverginsje fan 'e minske fan' e minske en keunstmjittige yntelliginsje. Nat. medisinen. 25, 44-56 (2019).
Bede, E. et al. Minsklike-sintreare evaluaasje fan in djip learsysteem ynset yn 'e klinyk foar de deteksje fan diabiletyske retinopaty. Prosedueres fan 'e 2020 Chi-konferinsje oer minsklike faktoaren yn it berekkenjen fan systemen (2020).
Kerr, B. The Flipped Classroom yn Engineering Underwiis: In ûndersyksresinsje. Prosedueres fan 'e ynternasjonale konferinsje 2015 op ynteraktyf gearwurkjen lear (2015).
De auteurs Tanke Danielle Walker, Tim Salcudin, en Peter Zandstra fan 'e Biomedyske Imaging en keunstmjittige Undersyk Undersyk nei de Universiteit fan Britsk-Kolumbia foar stipe en finansiering.
RH, PP, ZH, RS en MA wiene ferantwurdelik foar it ûntwikkeljen fan 'e wurkplak fan workshop-lear. RH en PP wiene ferantwurdelik foar it ûntwikkeljen fan 'e programmearjen foaroanbuorden. Kyf, oy, mt en pw wiene ferantwurdelik foar de logistike organisaasje fan it projekt en de analyze fan 'e workshops. RH, Oy, MT, RS wiene ferantwurdlik foar it kreëarjen fan de figueren en tafels. RH, KYF, PP, ZH, Oy, myn, PW, TL, MA, RS wiene ferantwurdelik foar it beynfloede en bewurkjen fan it dokumint.
Kommunikaasje medisinen Thanks Carolyn McGregor, Fabio Moraes, en Aditya Borakati foar har bydragen oan 'e resinsje fan dit wurk.
Posttiid: FEB-19-2024