Дзякуй за наведванне Nature.com.Версія браўзера, якой вы карыстаецеся, мае абмежаваную падтрымку CSS.Для дасягнення найлепшых вынікаў мы рэкамендуем выкарыстоўваць больш новую версію вашага браўзера (або адключыць рэжым сумяшчальнасці ў Internet Explorer).Тым часам, каб забяспечыць пастаянную падтрымку, мы паказваем сайт без стылізацыі і JavaScript.
Прымяненне клінічнага штучнага інтэлекту (AI) хутка расце, але існуючыя навучальныя праграмы медыцынскіх школ прапануюць абмежаваную колькасць выкладання, якое ахоплівае гэтую вобласць.Тут мы апісваем курс навучання штучнаму інтэлекту, які мы распрацавалі і правялі для канадскіх студэнтаў-медыкаў, і даем рэкамендацыі для будучага навучання.
Штучны інтэлект (AI) у медыцыне можа павысіць эфектыўнасць працы і дапамагчы ў прыняцці клінічных рашэнняў.Каб бяспечна кіраваць выкарыстаннем штучнага інтэлекту, лекары павінны мець пэўныя ўяўленні аб штучным інтэлекце.Многія каментарыі выступаюць за навучанне канцэпцыям штучнага інтэлекту1, такім як тлумачэнне мадэляў штучнага інтэлекту і працэсаў праверкі2.Аднак рэалізавана мала структураваных планаў, асабліва на нацыянальным узроўні.Пінту дос Сантас і інш.3.Былі апытаныя 263 студэнты-медыкі, і 71% пагадзіліся, што ім патрэбна навучанне штучнаму інтэлекту.Навучанне штучнаму інтэлекту медыцынскай аўдыторыі патрабуе дбайнай распрацоўкі, якая спалучае тэхнічныя і нетэхнічныя канцэпцыі для студэнтаў, якія часта маюць шырокія папярэднія веды.Мы апісваем наш вопыт правядзення серыі семінараў па ІІ для трох груп студэнтаў-медыкаў і даем рэкамендацыі для будучай медыцынскай адукацыі па ІІ.
Наш пяцітыднёвы семінар "Уводзіны ў штучны інтэлект у медыцыне" для студэнтаў-медыкаў праводзіўся тройчы з лютага 2019 г. па красавік 2021 г. Расклад кожнага семінара з кароткім апісаннем змяненняў у курсе паказаны на малюнку 1. Наш курс мае тры асноўныя мэты навучання: студэнты разумеюць, як даныя апрацоўваюцца ў праграмах штучнага інтэлекту, аналізуюць літаратуру па штучным інтэлекце для клінічнага прымянення і карыстаюцца магчымасцямі супрацоўніцтва з інжынерамі, якія распрацоўваюць штучны інтэлект.
Сіні - гэта тэма лекцыі, а светла-блакітны - інтэрактыўны перыяд пытанняў і адказаў.Шэры раздзел знаходзіцца ў цэнтры ўвагі кароткага агляду літаратуры.Аранжавыя раздзелы - гэта выбраныя тэматычныя даследаванні, якія апісваюць мадэлі або метады штучнага інтэлекту.Green - гэта кіраваны курс праграмавання, прызначаны для навучання штучнаму інтэлекту вырашэнню клінічных праблем і ацэнцы мадэляў.Змест і працягласць семінараў вар'іруюцца ў залежнасці ад ацэнкі патрэб студэнтаў.
Першы семінар прайшоў ва Універсітэце Брытанскай Калумбіі з лютага па красавік 2019 г., і ўсе 8 удзельнікаў далі станоўчыя водгукі4.З-за COVID-19 другі семінар быў праведзены віртуальна ў кастрычніку-лістападзе 2020 г. На яго зарэгістраваліся 222 студэнты-медыкі і 3 рэзідэнты з 8 медыцынскіх школ Канады.Слайды і код прэзентацыі былі загружаны на сайт адкрытага доступу (http://ubcaimed.github.io).Ключавой зваротнай сувяззю з першай ітэрацыі было тое, што лекцыі былі занадта інтэнсіўнымі, а матэрыял занадта тэарэтычным.Абслугоўванне шасці розных гадзінных паясоў Канады стварае дадатковыя праблемы.Такім чынам, другі семінар скараціў кожную сесію да 1 гадзіны, спрасціў матэрыял курса, дадаў больш тэматычных даследаванняў і стварыў шаблонныя праграмы, якія дазволілі ўдзельнікам завяршаць фрагменты кода з мінімальнай адладкай (Рок 1).Асноўныя водгукі з другой ітэрацыі ўключалі станоўчыя водгукі аб практыкаваннях па праграмаванні і просьбу прадэманстраваць планаванне праекта машыннага навучання.Такім чынам, на нашым трэцім семінары, праведзеным віртуальна для 126 студэнтаў-медыкаў у сакавіку-красавіку 2021 г., мы ўключылі больш інтэрактыўных практыкаванняў па кадаванні і сеансаў зваротнай сувязі па праектах, каб прадэманстраваць уплыў выкарыстання канцэпцый семінара на праекты.
Аналіз даных: вобласць вывучэння статыстыкі, якая вызначае значныя заканамернасці ў даных шляхам аналізу, апрацоўкі і перадачы заканамернасцей даных.
Інтэлектуальны аналіз дадзеных: працэс ідэнтыфікацыі і здабывання дадзеных.У кантэксце штучнага інтэлекту гэта часта бывае вялікім, з некалькімі зменнымі для кожнай выбаркі.
Памяншэнне памернасці: Працэс пераўтварэння даных з вялікай колькасцю індывідуальных функцый у меншую колькасць функцый з захаваннем важных уласцівасцей зыходнага набору даных.
Характарыстыкі (у кантэксце штучнага інтэлекту): вымерныя ўласцівасці выбаркі.Часта выкарыстоўваецца як узаемазаменны з «уласцівасць» або «зменная».
Градыентная карта актывацыі: метад, які выкарыстоўваецца для інтэрпрэтацыі мадэляў штучнага інтэлекту (асабліва згортковых нейронавых сетак), які аналізуе працэс аптымізацыі апошняй часткі сеткі для ідэнтыфікацыі рэгіёнаў даных або малюнкаў, якія з'яўляюцца высокапрагнастычнымі.
Стандартная мадэль: існуючая мадэль штучнага інтэлекту, якая была папярэдне падрыхтавана для выканання падобных задач.
Тэставанне (у кантэксце штучнага інтэлекту): назіранне за тым, як мадэль выконвае задачу з выкарыстаннем дадзеных, з якімі яна раней не сутыкалася.
Навучанне (у кантэксце штучнага інтэлекту): прадастаўленне мадэлі дадзеных і вынікаў, каб мадэль карэктавала свае ўнутраныя параметры для аптымізацыі здольнасці выконваць задачы з выкарыстаннем новых даных.
Вектар: масіў даных.У машынным навучанні кожны элемент масіва звычайна з'яўляецца унікальнай асаблівасцю ўзору.
У табліцы 1 пералічаны апошнія курсы за красавік 2021 г., у тым ліку мэтавыя мэты навучання для кожнай тэмы.Гэты семінар прызначаны для тых, хто пачатковец у тэхнічным узроўні і не патрабуе ніякіх матэматычных ведаў пасля першага года бакалаўрыяту медыцынскай ступені.Курс быў распрацаваны 6 студэнтамі-медыкамі і 3 выкладчыкамі з вучонымі ступенямі інжынера.Інжынеры распрацоўваюць тэорыю штучнага інтэлекту для навучання, а студэнты-медыкі вывучаюць клінічна важныя матэрыялы.
Семінары ўключаюць у сябе лекцыі, тэматычныя даследаванні і кіраванае праграмаванне.У першай лекцыі мы разгледзім асобныя канцэпцыі аналізу даных у біястатыстыцы, уключаючы візуалізацыю даных, лагістычную рэгрэсію і параўнанне апісальнай і індуктыўнай статыстыкі.Хаця аналіз даных з'яўляецца асновай штучнага інтэлекту, мы выключаем такія тэмы, як інтэлектуальны аналіз даных, тэставанне значнасці або інтэрактыўная візуалізацыя.Гэта адбылося з-за недахопу часу, а таксама з-за таго, што некаторыя студэнты бакалаўрыяту прайшлі папярэднюю падрыхтоўку па біястатыстыцы і жадалі асвятляць больш унікальныя тэмы машыннага навучання.Наступная лекцыя знаёміць з сучаснымі метадамі і абмяркоўвае пастаноўку задач ІІ, перавагі і абмежаванні мадэляў ІІ, а таксама тэставанне мадэляў.Лекцыі дапаўняюцца літаратурай і практычнымі даследаваннямі існуючых прылад штучнага інтэлекту.Мы падкрэсліваем навыкі, неабходныя для ацэнкі эфектыўнасці і выканальнасці мадэлі для вырашэння клінічных пытанняў, уключаючы разуменне абмежаванняў існуючых прылад штучнага інтэлекту.Напрыклад, мы папрасілі студэнтаў інтэрпрэтаваць рэкамендацыі па дзіцячых траўмах галавы, прапанаваныя Kupperman et al., 5 якія рэалізавалі алгарытм дрэва рашэнняў штучнага інтэлекту, каб вызначыць, ці будзе КТ карысная на падставе агляду лекара.Мы падкрэсліваем, што гэта звычайны прыклад штучнага інтэлекту, які дае прагнастычную аналітыку для інтэрпрэтацыі лекарамі, а не замяняе іх.
У даступных прыкладах праграмавання пачатковай загрузкі з адкрытым зыходным кодам (https://github.com/ubcaimed/ubcaimed.github.io/tree/master/programming_examples) мы дэманструем, як выконваць даследчы аналіз даных, памяншэнне памернасці, загрузку стандартнай мадэлі і навучанне .і тэставанне.Мы выкарыстоўваем нататнікі Google Colaboratory (Google LLC, Mountain View, CA), якія дазваляюць выконваць код Python з вэб-браўзера.На малюнку. Малюнак 2 паказвае прыклад практыкавання па праграмаванні.Гэта практыкаванне прадугледжвае прагназаванне злаякасных пухлін з выкарыстаннем Wisconsin Open Breast Imaging Dataset6 і алгарытму дрэва рашэнняў.
Прадстаўляйце праграмы на сумежныя тэмы на працягу тыдня і выбірайце прыклады з апублікаваных праграм штучнага інтэлекту.Элементы праграмавання ўключаюцца толькі ў тым выпадку, калі яны лічацца важнымі для разумення будучай клінічнай практыкі, напрыклад, як ацэньваць мадэлі, каб вызначыць, ці гатовыя яны да выкарыстання ў клінічных выпрабаваннях.Гэтыя прыклады завяршаюцца паўнавартасным скразным дадаткам, якое класіфікуе пухліны як дабраякасныя і злаякасныя на падставе параметраў медыцынскага малюнка.
Неаднастайнасць папярэдніх ведаў.Нашы ўдзельнікі былі рознымі па ўзроўні матэматычных ведаў.Напрыклад, студэнты з перадавой інжынернай адукацыяй шукаюць больш глыбокі матэрыял, напрыклад, як выконваць свае ўласныя пераўтварэнні Фур'е.Аднак абмеркаванне алгарытму Фур'е ў класе немагчымае, таму што гэта патрабуе глыбокіх ведаў па апрацоўцы сігналаў.
Адток наведвальнасці.Наведванне наступных сустрэч знізілася, асабліва ў анлайн-фарматах.Рашэннем можа быць адсочванне наведвальнасці і прадастаўленне сертыфіката аб заканчэнні.Вядома, што медыцынскія школы прызнаюць стэнаграмы пазакласнай акадэмічнай дзейнасці студэнтаў, што можа заахвоціць студэнтаў атрымаць ступень.
Дызайн курса: паколькі штучны інтэлект ахоплівае так шмат падполляў, выбар асноўных канцэпцый адпаведнай глыбіні і шырыні можа быць складаным.Напрыклад, важнай тэмай з'яўляецца бесперапыннасць выкарыстання інструментаў штучнага інтэлекту ад лабараторыі да клінікі.Хаця мы разглядаем папярэднюю апрацоўку даных, стварэнне мадэляў і праверку, мы не ўключаем такія тэмы, як аналітыка вялікіх даных, інтэрактыўная візуалізацыя або правядзенне клінічных выпрабаванняў штучнага інтэлекту, замест гэтага мы засяроджваемся на самых унікальных канцэпцыях штучнага інтэлекту.Наш галоўны прынцып - павышэнне пісьменнасці, а не навыкаў.Напрыклад, разуменне таго, як мадэль апрацоўвае ўваходныя функцыі, важна для інтэрпрэтацыі.Адзін са спосабаў зрабіць гэта - выкарыстоўваць градыентныя карты актывацыі, якія могуць візуалізаваць, якія вобласці дадзеных прадказальныя.Аднак гэта патрабуе шматмернага вылічэння і не можа быць уведзена8.Распрацоўка агульнай тэрміналогіі была складанай задачай, таму што мы спрабавалі растлумачыць, як працаваць з данымі як вектарамі без матэматычнага фармалізму.Звярніце ўвагу, што розныя тэрміны маюць аднолькавае значэнне, напрыклад, у эпідэміялогіі «характарыстыка» апісваецца як «пераменная» або «атрыбут».
Захаванне ведаў.Паколькі прымяненне штучнага інтэлекту абмежавана, яшчэ трэба высветліць, у якой ступені ўдзельнікі захоўваюць веды.Навучальныя праграмы медыцынскіх школ часта абапіраюцца на паўтарэнне з інтэрвалам, каб замацаваць веды падчас практычных чаргавання9, што таксама можа быць прыменена да адукацыі штучнага інтэлекту.
Прафесіяналізм важнейшы за пісьменнасць.Глыбіня матэрыялу распрацавана без матэматычнай строгасці, што было праблемай пры запуску клінічных курсаў па штучным інтэлекце.У прыкладах праграмавання мы выкарыстоўваем шаблонную праграму, якая дазваляе ўдзельнікам запаўняць палі і запускаць праграмнае забеспячэнне без неабходнасці высвятляць, як наладзіць поўную сераду праграмавання.
Заклапочанасць адносна штучнага інтэлекту разгледжана: шырока распаўсюджана занепакоенасць тым, што штучны інтэлект можа замяніць некаторыя клінічныя абавязкі3.Каб вырашыць гэтую праблему, мы тлумачым абмежаванні штучнага інтэлекту, у тым ліку той факт, што амаль усе тэхналогіі штучнага інтэлекту, ухваленыя рэгулятарамі, патрабуюць назірання лекара11.Мы таксама падкрэсліваем важнасць зрушэння, таму што алгарытмы схільныя да зрушэння, асабліва калі набор даных не разнастайны12.Такім чынам, пэўная падгрупа можа быць змадэлявана няправільна, што прывядзе да несправядлівых клінічных рашэнняў.
Рэсурсы агульнадаступныя: мы стварылі агульнадаступныя рэсурсы, у тым ліку слайды лекцый і код.Нягледзячы на тое, што доступ да сінхроннага змесціва абмежаваны з-за часавых паясоў, змесціва з адкрытым зыходным кодам з'яўляецца зручным метадам для асінхроннага навучання, паколькі вопыт штучнага інтэлекту даступны не ва ўсіх медыцынскіх школах.
Міждысцыплінарнае супрацоўніцтва: Гэты семінар з'яўляецца сумесным прадпрыемствам, ініцыяваным студэнтамі-медыкамі для планавання курсаў разам з інжынерамі.Гэта дэманструе магчымасці супрацоўніцтва і прабелы ў ведах у абедзвюх галінах, што дазваляе ўдзельнікам зразумець патэнцыйную ролю, якую яны могуць унесці ў будучыню.
Вызначце асноўныя кампетэнцыі ІІ.Вызначэнне спісу кампетэнцый забяспечвае стандартызаваную структуру, якую можна інтэграваць у існуючыя медыцынскія навучальныя праграмы, заснаваныя на кампетэнцыях.На гэтым семінары ў цяперашні час выкарыстоўваюцца ўзроўні мэт навучання 2 (разуменне), 3 (прымяненне) і 4 (аналіз) таксанаміі Блума.Наяўнасць рэсурсаў на больш высокіх узроўнях класіфікацыі, такіх як стварэнне праектаў, можа яшчэ больш умацаваць веды.Гэта патрабуе працы з клінічнымі экспертамі, каб вызначыць, як тэмы штучнага інтэлекту можна прымяніць да клінічных працоўных працэсаў і прадухіліць выкладанне паўтаральных тэм, якія ўжо ўключаны ў стандартныя медыцынскія навучальныя праграмы.
Стварыце тэматычныя даследаванні з дапамогай штучнага інтэлекту.Падобна клінічным прыкладам, навучанне на аснове канкрэтных выпадкаў можа ўзмацніць абстрактныя паняцці, падкрэсліўшы іх дачыненне да клінічных пытанняў.Напрыклад, падчас аднаго семінара была прааналізавана сістэма выяўлення дыябетычнай рэтынапатыі Google на аснове штучнага інтэлекту 13, каб выявіць праблемы на шляху ад лабараторыі да клінікі, такія як патрабаванні знешняй праверкі і шляхі зацвярджэння нарматыўнымі органамі.
Выкарыстанне эксперыментальнага навучання: тэхнічныя навыкі патрабуюць мэтанакіраванай практыкі і шматразовага прымянення для авалодання, падобна таму, як перыядычны вопыт навучання клінічных стажораў.Адным з патэнцыйных рашэнняў з'яўляецца мадэль перавернутага класа, якая, як паведамляецца, паляпшае захаванне ведаў у інжынернай адукацыі14.У гэтай мадэлі студэнты праглядаюць тэарэтычны матэрыял самастойна, а час заняткаў прысвячаецца вырашэнню задач праз тэматычныя даследаванні.
Маштабаванне для міждысцыплінарных удзельнікаў: мы мяркуем, што прыняцце штучнага інтэлекту прадугледжвае супрацоўніцтва паміж рознымі дысцыплінамі, уключаючы ўрачоў і сумежных медыцынскіх работнікаў з розным узроўнем падрыхтоўкі.Такім чынам, навучальныя праграмы, магчыма, спатрэбіцца распрацаваць у кансультацыі з выкладчыкамі розных дэпартаментаў, каб адаптаваць іх змест да розных абласцей аховы здароўя.
Штучны інтэлект - гэта высокатэхналогія, і яго асноўныя паняцці звязаны з матэматыкай і інфарматыкай.Навучанне медыцынскага персаналу разуменню штучнага інтэлекту ўяўляе унікальныя праблемы ў выбары кантэнту, клінічнай значнасці і спосабах дастаўкі.Мы спадзяемся, што разуменне, атрыманае на семінарах па штучным інтэлекту ў адукацыі, дапаможа будучым педагогам асвоіць інавацыйныя спосабы інтэграцыі штучнага інтэлекту ў медыцынскую адукацыю.
Скрыпт Google Collaboratory Python з адкрытым зыходным кодам даступны па адрасе: https://github.com/ubcaimed/ubcaimed.github.io/tree/master/.
Prober, KG і Khan, S. Пераасэнсаванне медыцынскай адукацыі: заклік да дзеяння.Акад.лекі.88, 1407–1410 (2013).
Маккой, Л. Г. і г.д. Што сапраўды трэба ведаць студэнтам-медыкам пра штучны інтэлект?Нумары НПЖ.Медыцына 3, 1–3 (2020).
Дос Сантас, Д. П. і інш.Стаўленне студэнтаў-медыкаў да штучнага інтэлекту: шматцэнтравае апытанне.ЕЎРА.выпраменьванне.29, 1640–1646 (2019).
Фан, Кентуккі, Ху, Р. і Сінгла, Р. Уводзіны ў машыннае навучанне для студэнтаў-медыкаў: пілотны праект.J. Med.навучыць.54, 1042–1043 (2020).
Куперман Н і інш.Выяўленне дзяцей з вельмі нізкім рызыкай клінічна значнай чэрапна-мазгавой траўмы пасля траўмы галавы: проспективное кагортнае даследаванне.Lancet 374, 1160–1170 (2009).
Стрыт, WN, Wolberg, WH і Mangasarian, OL.Вылучэнне ядзерных прыкмет для дыягностыкі пухліны малочнай залозы.Біямедыцынскія навукі.Апрацоўка малюнкаў.Біямедыцынскія навукі.Вайс.1905, 861–870 (1993).
Chen, PHC, Liu, Y. і Peng, L. Як распрацаваць мадэлі машыннага навучання для аховы здароўя.Нац.Мэт.18, 410–414 (2019).
Selvaraju, RR і інш.Grad-cam: Візуальная інтэрпрэтацыя глыбокіх сетак праз лакалізацыю на аснове градыенту.Працы Міжнароднай канферэнцыі IEEE па камп'ютэрным зроку, 618–626 (2017).
Kumaravel B, Stewart K і Ilic D. Распрацоўка і ацэнка спіральнай мадэлі для ацэнкі навукова-абгрунтаванай медыцыны кампетэнцыі з выкарыстаннем АБСЕ ў бакалаўрыяце медыцынскай адукацыі.БМК Медыцына.навучыць.21, 1–9 (2021).
Калачалама В. Б. і Гарг П. С. Машыннае навучанне і медыцынская адукацыя.Нумары НПЖ.лекі.1, 1–3 (2018).
van Leeuwen, KG, Schalekamp, S., Rutten, MJ, van Ginneken, B. і de Rooy, M. Штучны інтэлект у радыялогіі: 100 камерцыйных прадуктаў і іх навуковыя доказы.ЕЎРА.выпраменьванне.31, 3797–3804 (2021).
Topol, EJ Высокаэфектыўная медыцына: канвергенцыя чалавечага і штучнага інтэлекту.Нац.лекі.25, 44–56 (2019).
Бедэ, Э. і інш.Чалавекаарыентаваная ацэнка сістэмы глыбокага навучання, разгорнутай у клініцы для выяўлення дыябетычнай рэтынапатыі.Матэрыялы канферэнцыі CHI 2020 г. па чалавечым фактары ў вылічальных сістэмах (2020 г.).
Кер, Б. Перавернуты клас у інжынернай адукацыі: агляд даследавання.Матэрыялы Міжнароднай канферэнцыі па інтэрактыўным сумесным навучанні 2015 г. (2015 г.).
Аўтары дзякуюць Даніэль Уокер, Ціма Салкудзіна і Пітэра Зандстру з Даследчага кластара біямедыцынскай візуалізацыі і штучнага інтэлекту пры Універсітэце Брытанскай Калумбіі за падтрымку і фінансаванне.
RH, PP, ZH, RS і MA адказвалі за распрацоўку зместу навучання семінара.RH і PP адказвалі за распрацоўку прыкладаў праграмавання.KYF, OY, MT і PW адказвалі за матэрыяльна-тэхнічную арганізацыю праекта і аналіз семінараў.RH, OY, MT, RS адказвалі за стварэнне малюнкаў і табліц.RH, KYF, PP, ZH, OY, MY, PW, TL, MA, RS адказвалі за складанне і рэдагаванне дакумента.
Communication Medicine дзякуе Кэралін Макгрэгар, Фабіа Мораес і Адыцья Боракаці за іх уклад у рэцэнзію гэтай працы.
Час публікацыі: 19 лютага 2024 г