Merci fir besicht Nature.com.D'Versioun vum Browser Dir benotzt huet limitéiert CSS Ënnerstëtzung.Fir bescht Resultater empfeelen mir eng nei Versioun vun Ärem Browser ze benotzen (oder de Kompatibilitéitsmodus am Internet Explorer auszeschalten).An der Tëschenzäit, fir weider Ënnerstëtzung ze garantéieren, weisen mir de Site ouni Styling oder JavaScript.
Uwendunge vu klinescher kënschtlecher Intelligenz (AI) wuessen séier, awer existent medizinesch Schoulkurrikula bidden limitéiert Léier déi dëst Gebitt ofdecken.Hei beschreiwen mir e kënschtlechen Intelligenz Trainingscours, dee mir fir kanadesch medizinesch Studenten entwéckelt a geliwwert hunn an Empfehlungen fir zukünfteg Ausbildung maachen.
Kënschtlech Intelligenz (AI) an der Medizin kann d'Effizienz vun der Aarbechtsplaz verbesseren an d'klinesch Entscheedung hëllefen.Fir d'Benotzung vu kënschtlecher Intelligenz sécher ze guidéieren, mussen d'Dokteren e bësse Verständnis vu kënschtlecher Intelligenz hunn.Vill Kommentare plädéiere fir AI Konzepter1 ze léieren, sou wéi d'Erklärung vun AI Modeller a Verifizéierungsprozesser2.Wéi och ëmmer, wéineg strukturéiert Pläng goufen ëmgesat, besonnesch op nationalem Niveau.Pinto dos Santos et al.3.263 Medezinstudente goufe befrot an 71% ware sech eens, datt si Training a kënschtlecher Intelligenz brauchen.Kënschtlech Intelligenz un engem medizinesche Publikum ze léieren erfuerdert virsiichteg Design deen technesch an net-technesch Konzepter fir Studenten kombinéiert déi dacks extensiv Virwëssen hunn.Mir beschreiwen eis Erfahrung mat enger Serie vun AI Workshops un dräi Gruppe vu medizinesche Studenten ze liwweren a maachen Empfehlungen fir zukünfteg medizinesch Ausbildung an AI.
Eise fënnef-Wochen Aféierung fir Kënschtlech Intelligenz an der Medizin Workshop fir Medizinstudenten gouf dräimol tëscht Februar 2019 an Abrëll 2021 ofgehalen. E Zäitplang fir all Atelier, mat enger kuerzer Beschreiwung vun Ännerungen am Cours, gëtt an der Figur 1 gewisen. dräi primär Léierziler: Studenten verstinn wéi Daten a kënschtlech Intelligenz Uwendungen veraarbecht ginn, analyséieren d'kënschtlech Intelligenz Literatur fir klinesch Uwendungen, a profitéiere vu Méiglechkeete fir mat Ingenieuren ze kollaboréieren déi kënschtlech Intelligenz entwéckelen.
Blo ass d'Thema vum Virtrag a Liichtblo ass déi interaktiv Fro an Äntwert Period.Déi gro Sektioun ass de Fokus vun der kuerzer Literaturrevisioun.Déi orange Sektioune sinn ausgewielte Fallstudien déi kënschtlech Intelligenz Modeller oder Techniken beschreiwen.Green ass e guidéierte Programméierungscours entwéckelt fir kënschtlech Intelligenz ze léieren fir klinesch Probleemer ze léisen an Modeller ze evaluéieren.Den Inhalt an d'Dauer vun den Atelieren variéieren op Basis vun enger Bewäertung vun de Studentebedürfnisser.
Den éischten Atelier gouf op der University of British Columbia vu Februar bis Abrëll 2019 ofgehalen, an all 8 Participanten hunn positive Feedback4 ginn.Wéinst COVID-19 gouf den zweeten Workshop quasi am Oktober-November 2020 ofgehalen, mat 222 medizinesche Studenten an 3 Awunner aus 8 kanadesche medizinesche Schoulen, déi sech registréiert hunn.Presentatioun Rutschen a Code goufen op eng Open Access Site eropgelueden (http://ubcaimed.github.io).De Schlësselfeedback vun der éischter Iteratioun war datt d'Virliesungen ze intensiv waren an d'Material ze theoretesch.D'Déngscht vu Kanada sechs verschidden Zäitzonen stellt zousätzlech Erausfuerderungen.Also huet den zweeten Atelier all Sessioun op 1 Stonn verkierzt, d'Coursematerial vereinfacht, méi Fallstudien bäigefüügt, a Boilerplate Programmer erstallt, déi d'Participanten erlaabt Code Snippets mat minimalem Debugging ze kompletéieren (Box 1).Schlëssel Feedback vun der zweeter Iteratioun abegraff positiv Feedback iwwert d'Programméierungsübungen an eng Ufro fir Planung fir e Maschinn Léieren Projet ze demonstréieren.Dofir, an eisem drëtten Atelier, quasi fir 126 medizinesch Studenten am Mäerz-Abrëll 2021 ofgehale, hu mir méi interaktiv Kodéierungsübungen a Projet Feedback Sessiounen abegraff fir den Impakt vun der Benotzung vun Workshopkonzepter op Projeten ze demonstréieren.
Dateanalyse: E Studieberäich an der Statistik, déi sënnvoll Mustere an Daten identifizéiert andeems d'Datemuster analyséiert, veraarbecht a kommunizéiert.
Data Mining: de Prozess fir Daten z'identifizéieren an ze extrahieren.Am Kontext vun der kënschtlecher Intelligenz ass dëst dacks grouss, mat multiple Variablen fir all Probe.
Dimensionalitéitsreduktioun: De Prozess fir Daten mat villen individuellen Features a manner Features ze transforméieren, wärend déi wichteg Eegeschafte vum originelle Dateset behalen.
Charakteristiken (am Kontext vun der kënschtlecher Intelligenz): moossbar Eegeschafte vun enger Probe.Dacks austauschbar mat "Eegeschaft" oder "Variabel" benotzt.
Gradient Activation Map: Eng Technik déi benotzt gëtt fir kënschtlech Intelligenz Modeller ze interpretéieren (besonnesch convolutional neural Netzwierker), déi de Prozess analyséiert fir de leschten Deel vum Netz ze optimiséieren fir Regiounen vun Daten oder Biller z'identifizéieren déi héich prévisibel sinn.
Standard Model: En existent AI Modell dee viraus trainéiert gouf fir ähnlech Aufgaben auszeféieren.
Testen (am Kontext vun der kënschtlecher Intelligenz): Beobachten wéi e Modell eng Aufgab ausféiert mat Daten déi se net virdru begéint hunn.
Training (am Kontext vun der kënschtlecher Intelligenz): E Modell mat Daten a Resultater ubidden, sou datt de Modell seng intern Parameteren upasst fir seng Fäegkeet ze optimiséieren fir Aufgaben mat neien Donnéeën ze maachen.
Vektor: Array vun Daten.Am Maschinnléieren ass all Arrayelement normalerweis eng eenzegaarteg Feature vun der Probe.
Tabell 1 lëscht déi lescht Coursen fir Abrëll 2021, inklusiv geziilte Léierziler fir all Thema.Dësen Atelier ass fir déi nei op den techneschen Niveau geduecht an erfuerdert keng mathematesch Kenntnisser iwwer dat éischt Joer vun engem undergraduate medezinesche Grad.De Cours gouf vu 6 medizinesche Studenten an 3 Enseignanten mat fortgeschrattem Ingenieursgrad entwéckelt.Ingenieuren entwéckelen kënschtlech Intelligenz Theorie fir ze léieren, a medizinesch Studenten léiere klinesch relevant Material.
Workshops enthalen Virliesungen, Fallstudien a guidéiert Programméierung.An der éischter Virliesung iwwerpréift mir ausgewielte Konzepter vun der Dateanalyse an der Biostatistik, dorënner Datenvisualiséierung, logistesch Regressioun, an de Verglach vun deskriptiven an induktiven Statistiken.Och wann d'Datenanalyse d'Basis vun der kënschtlecher Intelligenz ass, ausgeschloss mir Theme wéi Datemining, Bedeitungstester oder interaktiv Visualiséierung.Dëst war wéinst Zäitbeschränkungen an och well e puer Bachelorstudenten virdru Training an der Biostatistik haten a méi eenzegaarteg Maschinn Léieren Themen wollten ofdecken.Déi spéider Virliesung stellt modern Methoden vir an diskutéiert d'AI-Problemformuléierung, d'Virdeeler an d'Aschränkungen vun AI Modeller, a Modelltesten.D'Virliesunge ginn ergänzt duerch Literatur a praktesch Fuerschung iwwer existéierend kënschtlech Intelligenz Apparater.Mir ënnersträichen d'Fäegkeeten, déi néideg sinn fir d'Effizienz an d'Machbarkeet vun engem Modell ze evaluéieren fir klinesch Froen unzegoen, och d'Aschränkungen vun existéierende kënschtlechen Intelligenz-Geräter ze verstoen.Zum Beispill hu mir d'Schüler gefrot fir d'Pediatresch Kappverletzungsrichtlinnen ze interpretéieren, proposéiert vu Kupperman et al., 5, déi e kënschtlechen Intelligenz Entscheedungsbaum Algorithmus implementéiert hunn fir ze bestëmmen ob en CT Scan nëtzlech wier op Basis vun engem Dokteruntersuchung.Mir betounen datt dëst e gemeinsamt Beispill ass vun AI déi prévisiv Analyse fir Dokteren ubitt fir ze interpretéieren, anstatt d'Dokteren z'ersetzen.
An de verfügbaren Open Source Bootstrap Programméierungsbeispiller (https://github.com/ubcaimed/ubcaimed.github.io/tree/master/programming_examples), weisen mir wéi exploratoresch Datenanalyse, Dimensiounsreduktioun, Standardmodell Luede a Training auszeféieren. .an Testen.Mir benotzen Google Colaboratory Notizbicher (Google LLC, Mountain View, CA), déi Python Code aus engem Webbrowser ausféieren.An der Figur 2 gëtt e Beispill vun engem programméiere Übung.Dës Übung beinhalt d'Previsioun vu Malignitéiten mat der Wisconsin Open Breast Imaging Dataset6 an engem Entscheedungsbaum Algorithmus.
Presentéiert Programmer duerch d'ganz Woch iwwer verwandte Themen a wielt Beispiller aus publizéierten AI Uwendungen.Programméierungselementer ginn nëmme mat abegraff wa se als relevant ugesi ginn fir Abléck an zukünfteg klinesch Praxis ze bidden, sou wéi d'Modeller evaluéieren fir ze bestëmmen ob se prett sinn fir an de klineschen Studien ze benotzen.Dës Beispiller kulminéieren an enger vollwäerter End-to-End Applikatioun déi Tumoren als benign oder malignant klasséiert baséiert op medizinesche Bildparameter.
Heterogenitéit vu Virwëssen.Eis Participanten variéieren an hirem Niveau vu mathematesche Wëssen.Zum Beispill, Schüler mat fortgeschratt Ingenieur Hannergrënn sichen no méi am-Déift Material, wéi wéi hir eege Fourier Transformatiounen.Wéi och ëmmer, de Fourier-Algorithmus an der Klass ze diskutéieren ass net méiglech well et am-Déift Wëssen iwwer Signalveraarbechtung erfuerdert.
Präsenz Ausfluss.D'Präsenz bei de Suiviversammlungen ass erofgaang, besonnesch an Online Formater.Eng Léisung ka sinn d'Präsenz ze verfolgen an e Certificat vun der Fäerdegstellung ze bidden.Medizinesch Schoule si bekannt fir Transkripter vun de Studenten hir ausserschoulesch akademesch Aktivitéiten z'erkennen, déi Studenten encouragéiere kënnen e Grad ze verfollegen.
Course Design: Well AI sou vill Ënnerfelder ausdehnt, kann d'Auswiel vu Kärkonzepter vu passenden Déift a Breet Erausfuerderung sinn.Zum Beispill ass d'Kontinuitéit vun der Notzung vun AI Tools vum Laboratoire bis an d'Klinik e wichtegt Thema.Wärend mir d'Datevirveraarbechtung, d'Modellbau an d'Validatioun ofdecken, enthalen mir keng Themen wéi Big Data Analyse, interaktiv Visualiséierung oder d'Ausféierung vun AI klineschen Studien, amplaz konzentréiere mir eis op déi eenzegaarteg AI Konzepter.Eise Leedungsprinzip ass d'Alphabetiséierung ze verbesseren, net d'Fäegkeeten.Zum Beispill, ze verstoen wéi e Modell Input Feature veraarbecht ass wichteg fir Interpretabilitéit.Ee Wee fir dëst ze maachen ass Gradient Aktivéierungskaarten ze benotzen, déi kënne visualiséieren wéi eng Regioune vun den Daten prévisibel sinn.Wéi och ëmmer, dëst erfuerdert multivariate Berechnung a kann net agefouert ginn8.Eng gemeinsam Terminologie z'entwéckelen war Erausfuerderung well mir probéiert hunn ze erklären wéi mir mat Daten als Vektore schaffen ouni mathematesche Formalismus.Notéiert datt verschidde Begrëffer déiselwecht Bedeitung hunn, zum Beispill, an der Epidemiologie, gëtt e "Charakteristik" als "Variabel" oder "Attribut" beschriwwen.
Wëssen Retention.Well d'Applikatioun vun AI limitéiert ass, bleift d'Ausmooss wéi d'Participanten d'Wëssen behalen ze gesinn.Medizinesch Schoulkurrikula vertrauen dacks op spatzen Widderhuelung fir Wëssen während praktesch Rotatiounen ze verstäerken,9 déi och op AI Ausbildung applizéiert kënne ginn.
Professionalitéit ass méi wichteg wéi Alphabetiséierung.D'Tiefe vum Material ass ouni mathematesch Rigor entworf, wat e Problem war beim Start vun klineschen Coursen an der kënschtlecher Intelligenz.An de programméiere Beispiller benotze mir e Schablounprogramm deen d'Participanten erlaabt Felder auszefëllen an d'Software auszeféieren ouni erauszefannen wéi een e komplette Programméierungsëmfeld opbaut.
Bedenken iwwer kënschtlech Intelligenz adresséiert: Et gëtt verbreet Suergen datt kënschtlech Intelligenz e puer klinesch Flichten ersetzen kéint3.Fir dëst Thema unzegoen, erkläre mir d'Aschränkungen vun AI, inklusiv d'Tatsaach datt bal all AI Technologien, déi vu Reguléierer guttgeheescht goufen, Dokter Iwwerwaachung erfuerderen11.Mir ënnersträichen och d'Wichtegkeet vu Bias well Algorithmen ufälleg sinn fir Bias, besonnesch wann d'Dateset net divers ass12.Dofir kann eng gewëssen Ënnergrupp falsch modelléiert ginn, wat zu ongerechte klineschen Entscheedungen féiert.
Ressourcen sinn ëffentlech verfügbar: Mir hunn ëffentlech verfügbare Ressourcen erstallt, dorënner Virtrag Rutschen a Code.Och wann den Zougang zu synchronen Inhalt limitéiert ass wéinst Zäitzonen, Open Source Inhalt ass eng praktesch Method fir asynchron Léieren well AI Expertise net an all medizinesche Schoule verfügbar ass.
Interdisziplinär Zesummenaarbecht: Dëse Workshop ass e Joint Venture initiéiert vu medizinesche Studenten fir Coursen zesumme mat Ingenieuren ze plangen.Dëst weist Zesummenaarbechtsméiglechkeeten a Wëssenslücken a béide Beräicher, wat d'Participanten erlaabt d'potenziell Roll ze verstoen déi se an Zukunft kënne bäidroen.
Definéieren AI Kär Kompetenzen.Eng Lëscht vu Kompetenzen ze definéieren bitt eng standardiséiert Struktur déi an existent Kompetenzbaséiert medizinesch Léierpläng integréiert ka ginn.Dësen Atelier benotzt de Moment Léierzilniveauen 2 (Verständnis), 3 (Applikatioun) an 4 (Analyse) vun der Bloom's Taxonomie.Ressourcen op méi héije Klassifikatiounsniveauen ze hunn, wéi zum Beispill Projeten ze kreéieren, kënnen d'Wëssen weider stäerken.Dëst erfuerdert d'Aarbecht mat klineschen Experten fir ze bestëmmen wéi AI Themen op klinesch Workflows applizéiert kënne ginn an d'Léier vu repetitive Themen verhënnert, déi scho a Standard medizinesche Curriculen abegraff sinn.
Erstellt Fallstudien mat AI.Ähnlech wéi klinesch Beispiller, case-baséiert Léieren kann abstrakt Konzepter verstäerken andeems se hir Relevanz fir klinesch Froen ervirhiewen.Zum Beispill huet eng Workshopstudie dem Google säin AI-baséierten diabetesche Retinopathie Detektiounssystem 13 analyséiert fir Erausfuerderunge laanscht de Wee vu Labo zu Klinik z'identifizéieren, sou wéi extern Validatiounsufuerderungen a reglementaresche Genehmegungsweeër.
Benotzt experimentell Léieren: Technesch Fäegkeeten erfuerderen fokusséiert Praxis a widderholl Uwendung fir ze beherrschen, ähnlech wéi déi rotéierend Léiererfarunge vu klineschen Stagiairen.Eng potenziell Léisung ass de gekippte Klassesallmodell, dee gemellt gouf fir d'Wëssenbehalen an der Ingenieursausbildung ze verbesseren14.An dësem Modell iwwerpréiwen d'Schüler theoretesch Material onofhängeg an d'Klasszäit ass gewidmet fir Probleemer duerch Fallstudien ze léisen.
Skaléieren fir multidisziplinär Participanten: Mir stellen d'AI Adoptioun vir, déi Zesummenaarbecht iwwer verschidde Disziplinnen involvéiert, dorënner Dokteren an alliéierten Gesondheetsspezialisten mat ënnerschiddlechen Trainingsniveauen.Dofir musse Léierplang a Berodung mat Fakultéit aus verschiddenen Departementer entwéckelt ginn fir hiren Inhalt op verschidde Beräicher vun der Gesondheetsversuergung unzepassen.
Kënschtlech Intelligenz ass High-Tech a seng Kärkonzepter si mat der Mathematik an der Informatik verbonnen.Training Gesondheetspersonal fir kënschtlech Intelligenz ze verstoen stellt eenzegaarteg Erausfuerderunge bei der Auswiel vun Inhalt, klinescher Relevanz a Liwwermethoden.Mir hoffen datt d'Abléck, déi vun den AI an Education Workshops gewonnen goufen, zukünfteg Educateuren hëllefen innovativ Weeër z'integréieren fir AI an d'medizinesch Ausbildung z'integréieren.
De Google Colaboratory Python Skript ass Open Source a verfügbar op: https://github.com/ubcaimed/ubcaimed.github.io/tree/master/.
Prober, KG a Khan, S. Rethinking medezinesch Ausbildung: A Call to Action.Akkad.Medizin.88, 1407–1410 (2013).
McCoy, LG etc. Wat musse Medizinstudenten iwwer kënschtlech Intelligenz wëssen?NPZh Zuelen.Medezin 3, 1–3 (2020).
Dos Santos, DP, et al.Medizinesch Studenten hir Attitudë vis-à-vis kënschtlech Intelligenz: eng Multicenter Ëmfro.EURO.Stralung.29, 1640–1646 (2019).
Fan, KY, Hu, R., a Singla, R. Aféierung fir Maschinnléiere fir medizinesch Studenten: e Pilotprojet.J. Med.léieren.54, 1042–1043 (2020).
Cooperman N, et al.D'Identifikatioun vun Kanner mat engem ganz nidderegen Risiko vu klinesch signifikante Gehir Verletzung no Kappverletzung: eng potenziell Kohortstudie.Lancet 374, 1160-1170 (2009).
Street, WN, Wolberg, WH and Mangasarian, OL.Nuklear Feature Extraktioun fir Brusttumor Diagnostik.Biomedizinesch Wëssenschaft.Bildveraarbechtung.Biomedizinesch Wëssenschaft.Weiss.1905, 861–870 (1993).
Chen, PHC, Liu, Y. a Peng, L. Wéi entwéckelen Maschinn Léieren Modeller fir Gesondheetsariichtung.Nat.Matt.18, 410–414 (2019).
Selvaraju, RR et al.Grad-Cam: Visuell Interpretatioun vun déif Netzwierker iwwer Gradient-baséiert Lokaliséierung.Proceedings vun der IEEE International Conference on Computer Vision, 618–626 (2017).
Kumaravel B, Stewart K an Ilic D. Entwécklung an Evaluatioun vun engem Spiralmodell fir d'Bewäertung vun Evidenzbaséiert Medizinkompetenzen mat der OSCE an der Undergraduate Medical Education.BMK Medezin.léieren.21, 1–9 (2021).
Kolachalama VB an Garg PS Maschinn Léieren a medezinesch Ausbildung.NPZh Zuelen.Medizin.1, 1–3 (2018).
van Leeuwen, KG, Schalekamp, S., Rutten, MJ, van Ginneken, B., and de Rooy, M. Artificial intelligence in radiology: 100 commercial products and their scientific evidence.EURO.Stralung.31, 3797-3804 (2021).
Topol, EJ High-Performance Medizin: D'Konvergenz vu mënschlecher a kënschtlecher Intelligenz.Nat.Medizin.25, 44–56 (2019).
Bede, E. et al.Mënsch-zentréiert Evaluatioun vun engem Deep Learning System an der Klinik agesat fir d'Detektioun vun diabetescher Retinopathie.Proceedings vun der 2020 CHI Konferenz iwwer Mënschleche Faktoren a Rechensystemer (2020).
Kerr, B. The flipped classroom in engineering education: A research review.Proceedings vun der 2015 International Conference on Interactive Collaborative Learning (2015).
D'Autoren soen Danielle Walker, Tim Salcudin, a Peter Zandstra vum Biomedical Imaging a Artificial Intelligence Research Cluster op der University of British Columbia fir Ënnerstëtzung a Finanzéierung.
RH, PP, ZH, RS a MA ware responsabel fir d'Entwécklung vum Workshop Léierinhalt.RH a PP ware responsabel fir d'Programméierungsbeispiller z'entwéckelen.KYF, OY, MT a PW ware responsabel fir d'logistesch Organisatioun vum Projet an d'Analyse vun den Atelieren.RH, OY, MT, RS waren responsabel fir d'Figuren an Dëscher ze kreéieren.RH, KYF, PP, ZH, OY, MY, PW, TL, MA, RS ware verantwortlech fir d'Ausschaffen an d'Editioun vum Dokument.
Kommunikatioun Medezin Merci Carolyn McGregor, Fabio Moraes, an Aditya Borakati fir hir Contributiounen zu der Iwwerpréiwung vun dëser Aarbecht.
Post Zäit: Februar-19-2024