Kunstig intelligens og beregningsorientert medisin

Masteremne

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

    6 studiepoeng (sp)

    Studienivå (studiesyklus)

    Master

    Undervisningssemester

    Første fire uker av vårsemesteret.
    Krav til forkunnskapar
    Fortrinnsvis gjennomført første to år på medisinstudiet, eller første to år på ingeniørstudiet med fagretning innen data, elektronikk, maskin, kjemi, eller første to år på bachelorstudiet i matematikk / informatikk / fysikk / kjemi / biologi.
    Tilrådde forkunnskapar
    Medisinerstudenter bør ha forkunnskaper innen organfysiologi, anatomi og cellebiologi / molekylærbiologi tilsvarende andre års studium, samt interesser innen teknikk / matematikk / informatikk. Forskerlinjestudenter er velkomne til å ta kurset. Ingeniørstudenter og realfagstudenter bør ha forkunnskaper innen kalkulus / lineær algebra og programmering tilsvarende andre års studium, samt interesse for fenomener og anvendelser innen biologi og medisin.
    Fagleg overlapp
    BMED360/HUFY372 (2 ECTS)
    Studiepoengsreduksjon
    Ingen
    Krav til studierett

    Studenter tatt opp ved Det medisinske fakultet eller Det matematisk-naturvitenskapelige fakultet 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 elektiv@med.uib.no for studenter som ikke tilhører UiB. Det er en frist for å melde seg opp. For opplysning om denne fristen kontakt elektiv@med.uib.no.

    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.

    Obligatorisk undervisningsaktivitet
    En obligatorisk innlevering og én muntlig presentasjon, dels med hverandre-vurdering. Obligatoriske aktiviteter registreres av emneansvarlig og skal være bestått før eksamen.
    Vurderingsformer
    Avsluttende hjemmeeksamen (2 timar) med quiz og flervalgsoppgaver.
    Karakterskala
    Bestått / ikke bestått
    Vurderingssemester
    Vår
    Litteraturliste
    Litteraturlista vil vere klar innan 01.06 for haustsemesteret og 01.12 for vårsemesteret.
    Emneevaluering
    Skriftleg evaluering ved bruk av elektronisk evalueringsverktøy.
    Programansvarleg
    Programutval for medisin
    Administrativt ansvarleg
    Institutt for biomedisin