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:
Αντικείμενο του προγράμματος είναι η εισαγωγή στις εφαρμογές της τεχνητής νοημοσύνης στην υγειονομική περίθαλψη, με στόχο την εξοικείωση των συμμετεχόντων με τις βασικές αρχές, τις τεχνολογίες και τα πεδία εφαρμογής της. Το πρόγραμμα έχει τη μορφή διαπιστευμένου MOOC (mini-MBA), διάρκειας 12 εβδομάδων, και καλύπτει τομείς αιχμής όπως η ιατρική ακριβείας, η βιοαπεικόνιση υψηλής έντασης, η μοντελοποίηση βιολογικών συστημάτων, τα εργαλεία συλλογής δεδομένων, η τηλεϊατρική και τα μαθησιακά συστήματα υγείας.
Η διάρθρωση του μαθήματος έχει ως εξής:
1. Εισαγωγή στην τεχνητή νοημοσύνη και τις εφαρμογές της στην υγεία
2. Ιατρική ακριβείας και προσωποποιημένα υπολογιστικά μοντέλα
3. Εφαρμογές υψηλής έντασης στη βιοαπεικόνιση και επεξεργασία σημάτων
4. Μοντελοποίηση βιολογικών και φυσιολογικών συστημάτων
5. Ψηφιακά εργαλεία συλλογής και διαχείρισης δεδομένων υγείας
6. Τηλεϊατρική και καινοτόμες μορφές παροχής φροντίδας
7. Μαθησιακά συστήματα υγείας και ανατροφοδοτούμενη βελτίωση
8. Ηθικά και νομικά ζητήματα εφαρμογής της ΤΝ στην υγεία
9. Σύγχρονες τάσεις και μελλοντικές προκλήσεις στη χρήση ΤΝ στην υγειονομική περίθαλψη
Μαθησιακοί Στόχοι Προγράμματος:
Με την ολοκλήρωση του προγράμματος, ο/η επιμορφούμενος/η θα είναι σε θέση να γνωρίζει:
1. τις βασικές αρχές και τεχνικές της τεχνητής νοημοσύνης που εφαρμόζονται στην υγειονομική περίθαλψη
2. τις δυνατότητες αξιοποίησης της ΤΝ στην ιατρική ακριβείας, τη βιοαπεικόνιση και τη μοντελοποίηση βιολογικών συστημάτων
3. τα βασικά εργαλεία συλλογής, διαχείρισης και ανάλυσης δεδομένων υγείας σε ψηφιακά περιβάλλοντα
4. τις βασικές προκλήσεις της ΤΝ στην κλινική πράξη, συμπεριλαμβανομένων των ηθικών και κανονιστικών θεμάτων
Μεθοδολογία Υλοποίησης:
[Online εξ αποστάσεως]
Παρουσίαση, Συζήτηση, Αξιολόγηση
Μεθοδολογία αξιολόγησης:
Απάντηση σε ερωτηματολόγιο
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).
Curriculum
- 1 Section
- 4 Lessons
- 10 Hours
- High intensity bioimaging με ΑΙΗ έννοια της βιοαπεικόνισης υψηλής έντασης και οι τύποι απεικονιστικών δεδομένων σε εφαρμογές υγειονομικής περίθαλψης Τεχνικές επεξεργασίας και ανάλυσης πολυδιάστατων απεικονιστικών δεδομένων με τη χρήση τεχνητής νοημοσύνης Εισαγωγή σε μοντέλα βαθιάς μάθησης (CNNs, Transformers) για την αναγνώριση προτύπων και την εξαγωγή χαρακτηριστικών Προγραμματιστικά περιβάλλοντα και εργαλεία για τη δημιουργία και αξιολόγηση μοντέλων AI (PyTorch, TensorFlow, Keras) Αντιμετώπιση προβλημάτων ποιότητας και θορύβου σε δεδομένα απεικόνισης – τεχνικές ενίσχυσης και εξομάλυνσης εικόνας Εφαρμογές στην ιατρική ακριβείας: πρώιμη διάγνωση, στοχευμένη θεραπεία, ψηφιακή παθολογία και απεικόνιση σε πραγματικό χρόνο Θέματα διαλειτουργικότητας, υποδομών δεδομένων και δεοντολογίας στη χρήση AI για τη βιοαπεικόνιση υψηλής έντασης.4
- 1.1Εισαγωγή στη Βιοαπεικόνιση Υψηλής Έντασης και στην Ανάλυση Ιατρικών Εικόνων με Python
- 1.2Καθαρισμός και Εμπλουτισμός Απεικονιστικών Δεδομένων: Από την Προεπεξεργασία στην Ενίσχυση
- 1.3Ανάλυση Ιατρικών Εικόνων με Τεχνητά Νευρωνικά Δίκτυα
- 1.4Εφαρμογές, Προκλήσεις και Ερμηνεύσιμα Μοντέλα στη Σύγχρονη Ιατρική
ΔΩΡΕΑΝ
ΥΠΕΥΘΥΝΟΣ/H ΕΠΙΚΟΙΝΩΝΙΑΣ: ΑΡΙΣΤΕΙΔΗΣ ΒΡΑΧΑΤΗΣ [aris.vrahatis(at)ionio.gr - Τηλ. 6947677069]