Merci fir Äre Besuch op Nature.com. D'Versioun vum Browser, déi Dir benotzt, huet limitéiert CSS-Ënnerstëtzung. Fir déi bescht Resultater empfeele mir Iech eng méi nei Versioun vun Ärem Browser ze benotzen (oder de Kompatibilitéitsmodus am Internet Explorer auszeschalten). An der Zwëschenzäit, fir déi weider Ënnerstëtzung ze garantéieren, weisen mir d'Websäit ouni Styling oder JavaScript.
D'Uwendunge vun der klinescher kënschtlecher Intelligenz (KI) wuessen rapid, awer déi existent Léierpläng fir Medizinstudenten bidden limitéiert Léierméiglechkeeten an dësem Beräich. Hei beschreiwe mir en Trainingscours iwwer kënschtlech Intelligenz, deen mir entwéckelt a kanadesch Medizinstudenten ugebueden hunn, a mir maachen Empfehlungen fir zukünfteg Ausbildung.
Kënschtlech Intelligenz (KI) an der Medizin kann d'Effizienz um Aarbechtsplaz verbesseren an d'klinesch Entscheedungsfindung ënnerstëtzen. Fir d'Benotzung vun der kënschtlecher Intelligenz sécher ze guidéieren, mussen d'Dokteren e gewësse Verständnis vun der kënschtlecher Intelligenz hunn. Vill Kommentarer empfeelen d'Léiere vun KI-Konzepter1, wéi d'Erklärung vun KI-Modeller a Verifizéierungsprozesser2. Wéineg strukturéiert Pläng goufen awer ëmgesat, besonnesch op nationalem Niveau. Pinto dos Santos et al.3. 263 Medizinstudenten goufen befrot an 71% waren averstanen, datt si eng Ausbildung an der kënschtlecher Intelligenz brauchen. D'Léiere vun kënschtlecher Intelligenz un e medizinescht Publikum erfuerdert e virsiichtegen Design, deen technesch an net-technesch Konzepter fir Studenten kombinéiert, déi dacks extensiv Virwëssen hunn. Mir beschreiwen eis Erfahrung mat der Duerchféierung vun enger Serie vun KI-Workshops fir dräi Gruppe vu Medizinstudenten a maachen Empfehlungen fir zukünfteg medizinesch Ausbildung an der KI.
Eise fënnef Woche laange Workshop iwwer d'Aféierung an d'kënschtlech Intelligenz an der Medezin fir Medizinstudenten gouf tëscht Februar 2019 an Abrëll 2021 dräimol ofgehalen. E Plang fir all Workshop, mat enger kuerzer Beschreiwung vun den Ännerungen am Cours, ass an der Figur 1 gewisen. Eise Cours huet dräi Haaptléierziler: d'Studenten verstoen, wéi Daten an Uwendungen iwwer kënschtlech Intelligenz veraarbecht ginn, d'Literatur iwwer kënschtlech Intelligenz fir klinesch Uwendungen analyséieren a Méiglechkeeten notzen, fir mat Ingenieuren zesummenzeschaffen, déi kënschtlech Intelligenz entwéckelen.
Blo ass den Thema vun der Virliesung a hellblo ass déi interaktiv Froen- an Äntwertphase. Déi gro Sektioun ass de Fokus vun der kuerzer Literaturstudie. Déi orange Sektioune sinn ausgewielte Fallstudien, déi Modeller oder Technike vun der kënschtlecher Intelligenz beschreiwen. Gréng ass e guidéierte Programméierungscours, dee fir d'Léiere vun der kënschtlecher Intelligenz entwéckelt gouf, fir klinesch Problemer ze léisen a Modeller ze evaluéieren. Den Inhalt an d'Dauer vun de Workshops variéieren jee no der Bewäertung vun de Bedierfnesser vun de Studenten.
Den éischte Workshop gouf vu Februar bis Abrëll 2019 op der University of British Columbia ofgehalen, an all 8 Participanten hunn e positivt Feedback ginn4. Wéinst COVID-19 gouf den zweete Workshop am Oktober-November 2020 virtuell ofgehalen, mat 222 Medizinstudenten an 3 Reservisten aus 8 kanadesche Medizinfakultéiten, déi sech ageschriwwen hunn. Presentatiounsfolien a Code goufen op eng Open-Access-Websäit (http://ubcaimed.github.io) eropgelueden. De wichtegste Feedback vun der éischter Iteratioun war, datt d'Virliesungen ze intensiv an de Material ze theoretesch waren. D'Betreiung vu Kanadas sechs verschiddenen Zäitzonen stellt zousätzlech Erausfuerderungen duer. Dofir huet den zweete Workshop all Sessioun op 1 Stonn verkierzt, de Coursmaterial vereinfacht, méi Fallstudien derbäigesat a Standardprogrammer erstallt, déi et de Participanten erlaabt hunn, Code-Snippets mat minimalem Debugging ofzeschléissen (Box 1). De wichtegste Feedback vun der zweeter Iteratioun war e positivt Feedback zu de Programméierungsübungen an eng Ufro, d'Planung fir e Maschinnléierprojet ze demonstréieren. Dofir hu mir an eisem drëtte Workshop, deen am Mäerz-Abrëll 2021 virtuell fir 126 Medizinstudenten ofgehale gouf, méi interaktiv Programméierungsübungen a Projetfeedback-Sessiounen abegraff, fir den Impakt vun der Notzung vu Workshopkonzepter op Projeten ze demonstréieren.
Datenanalyse: E Studieberäich an der Statistik, dat bedeitend Muster an Daten identifizéiert andeems Datenmuster analyséiert, veraarbecht a kommunizéiert ginn.
Data Mining: de Prozess vun der Identifikatioun an der Extraktioun vun Daten. Am Kontext vun der kënschtlecher Intelligenz ass dëst dacks grouss, mat verschiddene Variablen fir all Prouf.
Dimensionalitéitsreduktioun: De Prozess vun der Transformatioun vun Daten mat ville individuellen Eegeschaften a manner Eegeschaften, während déi wichteg Eegeschafte vum ursprénglechen Datesaz erhale bleiwen.
Charakteristiken (am Kontext vun der kënschtlecher Intelligenz): moossbar Eegeschafte vun enger Prouf. Dacks austauschbar mat "Eegeschaft" oder "Variabel" benotzt.
Gradient Activation Map: Eng Technik déi benotzt gëtt fir Modeller vun kënschtlecher Intelligenz (besonnesch konvolutionell neuronal Netzwierker) z'interpretéieren, déi de Prozess vun der Optimiséierung vum leschten Deel vum Netzwierk analyséiert fir Regiounen vun Daten oder Biller z'identifizéieren, déi héich prädiktiv sinn.
Standardmodell: En existent KI-Modell, dat virtrainéiert gouf fir ähnlech Aufgaben auszeféieren.
Testen (am Kontext vun der kënschtlecher Intelligenz): observéieren, wéi e Modell eng Aufgab mat Hëllef vun Daten ausféiert, op déi et nach ni gestouss ass.
Training (am Kontext vun der kënschtlecher Intelligenz): En Modell mat Daten a Resultater zur Verfügung stellen, sou datt de Modell seng intern Parameteren upasst fir seng Fäegkeet ze optimiséieren, Aufgaben mat neien Daten auszeféieren.
Vektor: Datenarray. Beim maschinelle Léieren ass all Array-Element normalerweis eng eenzegaarteg Eegeschaft vum Beispill.
Tabelle 1 weist déi aktuellst Coursen fir Abrëll 2021 op, inklusiv gezielte Léierziler fir all Thema. Dëse Workshop ass fir déi geduecht, déi nei um techneschen Niveau sinn, a verlaangt keng mathematesch Kenntnesser iwwer dat éischt Joer vun engem Bachelorstudium an der Medizin eraus. De Cours gouf vu 6 Medizinstudenten an 3 Enseignanten mat engem akademeschen Ofschloss am Ingenieurswiesen entwéckelt. Ingenieuren entwéckelen d'Theorie vun der kënschtlecher Intelligenz fir ze léieren, a Medizinstudenten léiere klinesch relevant Material.
D'Workshops enthalen Virliesungen, Fallstudien a guidéiert Programméierung. An der éischter Virliesung iwwerpréife mir ausgewielte Konzepter vun der Datenanalyse an der Biostatistik, dorënner Datenvisualiséierung, logistesch Regressioun an de Verglach vun deskriptiver an induktiver Statistik. Obwuel d'Datenanalyse d'Grondlag vun der kënschtlecher Intelligenz ass, schléissen mir Themen wéi Data Mining, Signifikanztest oder interaktiv Visualiséierung aus. Dëst war wéinst Zäitbeschränkungen an och well e puer Bachelorstudenten eng virleefeg Ausbildung an der Biostatistik haten a méi eenzegaarteg Maschinnléierthemen ofdecke wollten. Déi uschléissend Virliesung stellt modern Methoden vir an diskutéiert KI-Problemformuléierung, Virdeeler a Grenzen vun KI-Modeller a Modelltestung. D'Virliesunge gi vun der Literatur a praktescher Fuerschung iwwer existent kënschtlech Intelligenz-Geräter ergänzt. Mir betounen d'Fäegkeeten, déi néideg sinn, fir d'Effektivitéit an d'Machbarkeet vun engem Modell ze evaluéieren, fir klinesch Froen ze beäntwerten, dorënner d'Verständnis vun de Grenzen vun existente kënschtlecher Intelligenz-Geräter. Zum Beispill hu mir d'Studenten gefrot, d'Richtlinne fir pädiatresch Kappverletzungen z'interpretéieren, déi vum Kupperman et al. proposéiert goufen,5 déi en Entscheedungsbam-Algorithmus fir kënschtlech Intelligenz implementéiert hunn, fir ze bestëmmen, ob en CT-Scan nëtzlech wier op Basis vun der Untersuchung vun engem Dokter. Mir betounen, datt dëst e gemeinsamt Beispill ass, wéi KI prediktiv Analysen fir Dokteren ubitt, anstatt Dokteren z'ersetzen.
An de verfügbaren Open-Source Bootstrap-Programméierungsbeispiller (https://github.com/ubcaimed/ubcaimed.github.io/tree/master/programming_examples) demonstréiere mir, wéi een explorativ Datenanalyse, Dimensionalitéitsreduktioun, Standardmodellluede, Training an Tester duerchféiere kann. Mir benotze Google Colaboratory Notebooks (Google LLC, Mountain View, CA), déi et erlaben, Python-Code vun engem Webbrowser aus auszeféieren. An der Fig. 2 gëtt et e Beispill vun enger Programméierungsübung. Dës Übung ëmfaasst d'Prognose vu Malignitéiten mat Hëllef vum Wisconsin Open Breast Imaging Dataset6 an engem Entscheedungsbam-Algorithmus.
Presentéiert Programmer déi ganz Woch iwwer ähnlech Themen a wielt Beispiller aus publizéierten KI-Applikatiounen. Programméierungselementer ginn nëmme mat abegraff, wa se als relevant ugesi ginn, fir Abléck an déi zukünfteg klinesch Praxis ze ginn, wéi zum Beispill wéi Modeller evaluéiert kënne ginn, fir ze bestëmmen, ob se prett sinn, fir a klineschen Studien ze benotzen. Dës Beispiller kulminéieren an enger vollwäerteger End-to-End-Applikatioun, déi Tumoren op Basis vu medizinesche Bildparameter als guttartiger oder béisartiger klasséiert.
Heterogenitéit vum Virwëssen. Eis Participanten hunn ënnerschiddlech mathematesch Kenntnesser erreecht. Zum Beispill sichen Studenten mat engem fortgeschrattenen Ingenieurshannergrond no méi detailléiertem Material, wéi zum Beispill wéi se hir eege Fourier-Transformatiounen duerchféiere kënnen. Wéi och ëmmer, de Fourier-Algorithmus am Cours ze diskutéieren ass net méiglech, well et e grëndlecht Wëssen iwwer d'Signalveraarbechtung erfuerdert.
Präsenzoflaf. D'Präsenz bei Nofollegversammlungen ass zréckgaang, besonnesch an Online-Formater. Eng Léisung kéint sinn, d'Präsenz ze verfollegen an e Certificat vum Ofschloss auszestellen. Medizinesch Fakultéiten si bekannt dofir, Transkriptioune vun ausserschouleschen akademeschen Aktivitéite vun de Studenten unerkennen, wat d'Studenten encouragéiere kann, en Diplom ze maachen.
Coursdesign: Well KI sou vill Ënnerberäicher ëmfaasst, kann d'Auswiel vu Kärkonzepter mat passender Déift a Breet eng Erausfuerderung sinn. Zum Beispill ass d'Kontinuitéit vun der Notzung vun KI-Tools vum Laboratoire bis an d'Klinik en wichtegt Thema. Wärend mir Datenvirveraarbechtung, Modellbau a Validatioun ofdecken, enthalen mir keng Themen wéi Big Data Analyse, interaktiv Visualiséierung oder d'Duerchféierung vu klineschen KI-Studien, mee konzentréiere mir eis op déi eenzegaartegst KI-Konzepter. Eist Leedprinzip ass d'Verbesserung vun der Alphabetiséierung, net vun de Fäegkeeten. Zum Beispill ass et wichteg fir d'Interpretabilitéit ze verstoen, wéi e Modell Inputfeatures veraarbecht. Eng Méiglechkeet fir dëst ze maachen ass d'Benotzung vu Gradientenaktivéierungskaarten, déi visualiséiere kënnen, wéi eng Regioune vun den Daten virauszesoen sinn. Dëst erfuerdert awer multivariate Kalkulatioun a kann net agefouert ginn8. D'Entwécklung vun enger gemeinsamer Terminologie war eng Erausfuerderung, well mir versicht hunn z'erklären, wéi een mat Daten als Vektoren ouni mathematesche Formalismus schafft. Bedenkt datt verschidde Begrëffer déiselwecht Bedeitung hunn, zum Beispill gëtt an der Epidemiologie eng "Charakteristik" als eng "Variabel" oder "Attribut" beschriwwen.
Wëssensbehalen. Well d'Uwendung vun der KI limitéiert ass, bleift ofzewaarden, a wéi engem Mooss d'Participanten d'Wëssen behalen. D'Léierpläng vun de Medizinstudien baséieren dacks op ofgestëmmte Widderhuelungen, fir d'Wëssen während de praktesche Rotatiounen ze verstäerken,9 wat och op d'KI-Ausbildung ugewannt ka ginn.
Professionalitéit ass méi wichteg wéi Alphabetiséierung. D'Déift vum Material ass ouni mathematesch Strengheet entworf, wat e Problem war beim Start vu klinesche Coursen an der kënschtlecher Intelligenz. An de Programméierungsbeispiller benotze mir e Schablouneprogramm, dat et de Participanten erlaabt, Felder auszefëllen an d'Software ze starten, ouni erauszefannen, wéi se eng komplett Programméierungsëmfeld opsetzen.
Bedenken iwwer kënschtlech Intelligenz ugeschwat: Et gëtt wäit verbreet Suergen, datt kënschtlech Intelligenz verschidde klinesch Aufgaben kéint ersetzen3. Fir dëst Thema unzegoen, erkläre mir d'Limiten vun der KI, dorënner d'Tatsaach, datt bal all KI-Technologien, déi vun de Reguléierungsautoritéiten guttgeheescht ginn, en Dokter iwwerwaacht mussen11. Mir betounen och d'Wichtegkeet vu Viruerteeler, well Algorithmen ufälleg fir Viruerteeler sinn, besonnesch wann den Datesaz net divers ass12. Dofir kann eng bestëmmt Ënnergrupp falsch modeléiert ginn, wat zu ongerechte klineschen Entscheedunge féiert.
Ressourcen sinn ëffentlech verfügbar: Mir hunn ëffentlech verfügbar Ressourcen erstallt, dorënner Virliesungsfolien a Code. Och wann den Zougang zu synchronen Inhalter wéinst Zäitzonen limitéiert ass, ass Open-Source-Inhalter eng praktesch Method fir asynchront Léieren, well KI-Expertise net op alle Medizinstudiumen verfügbar ass.
Interdisziplinär Zesummenaarbecht: Dëse Workshop ass e gemeinsamt Projet, dat vu Medizinstudenten initiéiert gouf, fir Coursen zesumme mat Ingenieuren ze plangen. Dëst weist d'Méiglechkeeten fir Zesummenaarbecht a Wëssenslücken an deenen zwou Beräicher, sou datt d'Participanten déi potenziell Roll verstoen, déi se an Zukunft bäidroe kënnen.
Definéiert d'Kärkompetenze vun der KI. D'Definitioun vun enger Lëscht vu Kompetenzen erméiglecht eng standardiséiert Struktur, déi an existent kompetenzbaséiert medizinesch Léierpläng integréiert ka ginn. Dëse Workshop benotzt aktuell d'Léierzilerniveauen 2 (Verständnis), 3 (Uwendung) a 4 (Analyse) vun der Bloom-Taxonomie. Ressourcen op méi héije Klassifikatiounsniveauen, wéi z. B. d'Erstelle vu Projeten, kënnen d'Wëssen weider stäerken. Dëst erfuerdert d'Zesummenaarbecht mat klineschen Experten fir ze bestëmmen, wéi KI-Themen op klinesch Workflows ugewannt kënne ginn an d'Léiere vu widderhuelende Themen, déi scho a Standardmedizin-Léierpläng abegraff sinn, ze verhënneren.
Erstellt Fallstudien mat Hëllef vun KI. Ähnlech wéi bei klineschen Beispiller kann Fallbaséiert Léieren abstrakt Konzepter verstäerken, andeems hir Relevanz fir klinesch Froen ervirgehuewe gëtt. Zum Beispill huet eng Workshopstudie de KI-baséierte System fir d'Detektioun vun diabetescher Retinopathie vu Google 13 analyséiert, fir Erausfuerderungen um Wee vum Laboratoire an d'Klinik z'identifizéieren, wéi z. B. extern Validatiounsufuerderungen a Weeër fir d'Zoustëmmung vun de Reguléierungsautoritéiten.
Benotzt erfahrungsbaséiert Léieren: Technesch Fäegkeeten erfuerderen eng gezielt Übung an eng widderholl Uwendung fir se ze meeschteren, ähnlech wéi déi rotéierend Léiererfahrungen vun de klineschen Traineeën. Eng potenziell Léisung ass de "Flipped Classroom"-Modell, vun deem et sech erausgestallt huet, datt et d'Wëssenserhaltung an der Ingenieursausbildung verbessert14. An dësem Modell iwwerpréiwen d'Studenten theoretescht Material onofhängeg an d'Zäit am Cours gëtt der Léisung vu Problemer duerch Fallstudien gewidmet.
Skalierung fir multidisziplinär Participanten: Mir stellen eis vir, datt d'Adoptioun vun KI d'Zesummenaarbecht tëscht verschiddene Disziplinnen ëmfaasst, dorënner Dokteren a Gesondheetsspezialisten mat ënnerschiddlechen Ausbildungsniveauen. Dofir musse Léierpläng eventuell a Consultatioun mat Fakultéitsmemberen aus verschiddenen Departementer entwéckelt ginn, fir hiren Inhalt op verschidde Beräicher vum Gesondheetswiesen unzepassen.
Kënschtlech Intelligenz ass High-Tech an hir Kärkonzepter betreffen d'Mathematik an d'Informatik. D'Ausbildung vum Gesondheetspersonal fir d'Verständnis vun der kënschtlecher Intelligenz stellt eenzegaarteg Erausfuerderungen an der Inhaltsauswiel, der klinescher Relevanz an de Liwwermethoden duer. Mir hoffen, datt d'Abléck, déi mir an den AI in Education Workshops gewonnen hunn, zukünftegen Enseignanten hëllefen, innovativ Weeër ze fannen, fir KI an d'medizinesch Ausbildung z'integréieren.
De Google Colaboratory Python Skript ass Open Source a verfügbar ënner: https://github.com/ubcaimed/ubcaimed.github.io/tree/master/.
Prober, KG a Khan, S. Medizinesch Ausbildung nei iwwerdenken: e Ruff zum Handeln. Akkad. medicine. 88, 1407–1410 (2013).
McCoy, LG etc. Wat mussen d'Medizinstudenten wierklech iwwer kënschtlech Intelligenz wëssen? NPZh-Zuelen. Medicine 3, 1–3 (2020).
Dos Santos, DP, et al. D'Astellung vu Medizinstudenten zu kënschtlecher Intelligenz: eng multizentresch Ëmfro. EURO. radiation. 29, 1640–1646 (2019).
Fan, KY, Hu, R., a Singla, R. Aféierung an d'Maschinellt Léieren fir Medizinstudenten: e Pilotprojet. J. Med. teach. 54, 1042–1043 (2020).
Cooperman N, et al. Identifikatioun vu Kanner mat engem ganz niddrege Risiko fir klinesch bedeitend Gehirverletzungen no Kappverletzungen: eng prospektiv Kohortstudie. Lancet 374, 1160–1170 (2009).
Street, WN, Wolberg, WH a Mangasarian, OL. Extraktioun vu Kärfeatures fir d'Diagnos vu Broschttumoren. Biomedical Science. Bildveraarbechtung. Biomedical Science. Weiss. 1905, 861–870 (1993).
Chen, PHC, Liu, Y. a Peng, L. Wéi ee maschinellt Léiermodell fir d'Gesondheetsversuergung entwéckelt. Nat. Matt. 18, 410–414 (2019).
Selvaraju, RR et al. Grad-cam: Visuell Interpretatioun vun déiwen Netzwierker iwwer Gradientenbaséiert Lokalisatioun. 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 evidenzbaséierte Medizinkompetenzen mat Hëllef vun OSCE an der medizinescher Bachelorausbildung. BMK Medicine. teach. 21, 1–9 (2021).
Kolachalama VB a Garg PS Maschinnléieren a medizinesch 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 Héichleistungsmedizin: d'Konvergenz vun der mënschlecher an der kënschtlecher Intelligenz. Nat. medicine. 25, 44–56 (2019).
Bede, E. et al. Mënschzentriert Evaluatioun vun engem Deep-Learning-System, dat an der Klinik fir d'Detektioun vun der diabetescher Retinopathie agesat gëtt. Proceedings vun der CHI Konferenz 2020 iwwer mënschlech Faktoren a Computing Systemer (2020).
Kerr, B. De flipped classroom an der Ingenieursausbildung: E Fuerschungsreview. Proceedings vun der 2015 Internationaler Konferenz iwwer interaktivt kollaborativt Léieren (2015).
D'Auteuren soen der Danielle Walker, dem Tim Salcudin an dem Peter Zandstra vum Biomedical Imaging and Artificial Intelligence Research Cluster vun der University of British Columbia Merci fir hir Ënnerstëtzung a Finanzéierung.
Den RH, PP, ZH, RS an MA ware verantwortlech fir d'Entwécklung vum Léierinhalt vum Workshop. Den RH an de PP ware verantwortlech fir d'Entwécklung vun de Programméierungsbeispiller. Den KYF, den OY, den MT an de PW ware verantwortlech fir déi logistesch Organisatioun vum Projet an d'Analyse vun de Workshoppen. Den RH, den OY, den MT an den RS ware verantwortlech fir d'Erstelle vun de Figuren an den Tabellen. Den RH, KYF, PP, ZH, OY, MY, PW, TL, MA an RS ware verantwortlech fir d'Entworf an d'Redigéierung vum Dokument.
D'Communication Medicine seet Merci un d'Carolyn McGregor, de Fabio Moraes an d'Aditya Borakati fir hir Bäiträg zur Iwwerpréiwung vun dëser Aarbecht.
Zäitpunkt vun der Verëffentlechung: 19. Februar 2024