Εφαρμογή μεθόδων ΑΙ στην βιοτεχνολογία

Το παρόν υλοποιείται υπό την επιστημονική επιμέλεια των ΠΔΒΜ του ΚΕΔΙΒΙΜ του Παν. Αιγαίου και την ακαδημαϊκή ευθύνη του Εθνικού και Καποδιστριακού Πανεπιστημίου Αθηνών (Τμήμα Φαρμακευτικής), σε συνεργασία με τον Πανελλήνιο Φαρμακευτικό Σύλλογο (ΠΦΣ).

Περιγραφή Προγράμματος

Αντικείμενο & Σκοπός Προγράμματος:

Το πρόγραμμα «Εφαρμογή μεθόδων ΑΙ στην βιοτεχνολογία» έχει ως αντικείμενο την εισαγωγή και εξοικείωση των συμμετεχόντων με τις αρχές και τις σύγχρονες μεθόδους τεχνητής νοημοσύνης (Artificial Intelligence – AI), με ιδιαίτερη έμφαση στις εφαρμογές τους στη βιοτεχνολογία, την ιατρική ακριβείας, τη βιοαπεικόνιση, τη συλλογή/ανάλυση δεδομένων υγείας και την τηλεϊατρική.
Στόχος του προγράμματος είναι η κατανόηση των βασικών θεωρητικών εννοιών της AI, η εξοικείωση με τα διαθέσιμα εργαλεία και η εφαρμογή τους σε πραγματικά σενάρια από τον χώρο της υγείας και των βιοεπιστημών. Περιλαμβάνει εισαγωγή στις βασικές αρχές AI, πρακτικές εφαρμογές στην Ιατρική Ακριβείας και ενσωμάτωση μαθησιακών συστημάτων υγείας σε ψηφιακές πλατφόρμες και συστήματα τηλεϊατρικής.
Η υλοποίηση του προγράμματος προβλέπει σύγχρονη και ασύγχρονη εξ αποστάσεως εκπαίδευση, με διαλέξεις, πρακτικές ασκήσεις και εφαρμογές, δίνοντας έμφαση στην αξιοποίηση ανοικτού λογισμικού και πραγματικών βιοϊατρικών δεδομένων.
Το πρόγραμμα απευθύνεται σε αποφοίτους ή φοιτητές Θετικών Επιστημών, Ιατρικής, Επιστημών Υγείας, Βιολογίας, Βιοπληροφορικής και συναφών πεδίων, καθώς και σε επαγγελματίες που εργάζονται στον τομέα της έρευνας, της φαρμακοβιομηχανίας ή της βιοτεχνολογίας. Απαραίτητες προϋποθέσεις είναι η εξοικείωση με χρήση υπολογιστή.
Το πρόγραμμα ανταποκρίνεται στις αυξανόμενες ανάγκες των τομέων Υγείας, Βιοτεχνολογίας και Βιοϊατρικής Πληροφορικής για εξειδικευμένα στελέχη ικανά να εφαρμόζουν έξυπνες τεχνολογίες σε πραγματικά προβλήματα, τόσο στον δημόσιο όσο και στον ιδιωτικό τομέα.

Μαθησιακοί Στόχοι Προγράμματος:

Με την ολοκλήρωση του προγράμματος, ο/η επιμορφούμενος/η θα είναι σε θέση να:
1. Κατανοεί τις θεμελιώδεις αρχές της της τεχνητής νοημοσύνης και των μεθόδων μηχανικής μάθησης.
2. Αναγνωρίζει βασικά χαρακτηριστικά των μαθησιακών συστημάτων υγείας και των τεχνολογιών τηλεϊατρικής.
3. Έχει γενικότερη εξοικείωση με τη χρήση υπολογιστικών εργαλείων για την ανάκτηση δεδομένων και το σχεδιασμό μίας ολοκληρωμένης πορείας εργασιών ΑΙ προγνωστικών μοντέλων.
4. Εφαρμόζει εργαλεία ανάλυσης δεδομένων (π.χ. supervised learning) σε γονιδιωματικά και κλινικά δεδομένα.
5. Κατασκευάζει βασικά μοντέλα πρόβλεψης για φαινοτύπους και εξατομικευμένες θεραπείες.
6. Ενσωματώνει πολυεπίπεδα δεδομένα (multi-omics, clinical, wearable) σε σενάρια υποστήριξης υγειονομικής φροντίδας.
7. Ερμηνεύει και να αξιολογεί τα αποτελέσματα των ΑΙ προγνωστικών μοντέλων.
8. Αντιμετωπίζει ηθικά και τεχνικά ζητήματα που σχετίζονται με τη χρήση της AI στις βιοεπιστήμες.
9. Συνεργάζεται αποτελεσματικά σε διεπιστημονικές ομάδες και να κοινοποιεί τα αποτελέσματα της χρήσης ΑΙ στις βιοεπιστήμες και την Ιατρική τόσο σε επιστημονικό όσο και σε μη εξειδικευμένο κοινό.
10. Παρακολουθεί τις εξελίξεις, αντιλαμβάνεται τις σύγχρονες μεθοδολογίες και να αξιολογεί τα ερευνητικά αποτελέσματα που προκύπτουν στο πεδίο της τηλεϊατρικής και των βιοεπιστημών.

Μεθοδολογία Υλοποίησης:

[Online εξ αποστάσεως]
Χρήση powerpoint στις διαλέξεις
Χρήση Βάσεων Δεδομένων και Εξειδικευμένου Λογισμικού στις Εργαστηριακές Ασκήσεις

Μεθοδολογία αξιολόγησης:

Οι Μέθοδοι Αξιολόγησης περιλαμβάνουν:
• Ενεργή συμμετοχή στις θεωρητικές διαλέξεις και τις εργαστηριακές ασκήσεις.
• Ανάπτυξη και παρουσίαση Τελικής Εργασίας
• Τελική Εξέταση Αξιολόγησης
Για την επιτυχή ολοκλήρωση του προγράμματος και την Απόδοση Πιστοποιητικού Επιμόρφωσης οι συμμετέχοντες θα πρέπει:
• Να έχουν παρακολουθήσει το σύνολο των διδακτικών ενοτήτων. Οι απουσίες δεν μπορούν να υπερβαίνουν το 10 % των προβλεπόμενων ωρών εκπαίδευσης.
• Να έχον ολοκληρώσει με επιτυχία την τελική εργασία.
Να έχουν ολοκληρώσει με επιτυχία την τελική εξέταση του προγράμματος. Οι εκπαιδευόμενοι πρέπει να απαντήσουν σωστά τουλάχιστον στο 50% των ερωτήσεων της τελικής εξέτασης, να επιτύχουν δηλαδή βαθμό τουλάχιστον 50, με άριστα το 100.

Ελάχιστα Προσόντα Υποψηφίων:

Δεν υπάρχουν προαπαιτούμενα για τη συμμετοχή στο συγκεκριμένο επιμορφωτικό πρόγραμμα.

Το πρόγραμμα υλοποιείται στο πλαίσιο της πράξης «HEALTH HUB – ΕΚΨΚ για τον μετασχηματισμό του κλάδου της Υγείας και Φαρμάκου με τη χρήση ψηφιακών υπηρεσιών τεχνητής νοημοσύνης» με κωδικό ΟΠΣ 6001682 και συγχρηματοδοτείται από την Ευρωπαϊκή Ένωση μέσω του Προγράμματος Ανταγωνιστικότητα (ΕΣΠΑ 2021-2027).