طبي شاگردن کي مصنوعي ذهانت جي تعليم تي ڪينيڊا جو نقشو

Nature.com گهمڻ لاءِ توهان جي مهرباني.توھان استعمال ڪري رھيا آھيو برائوزر جو نسخو محدود CSS سپورٽ آھي.بهترين نتيجن لاءِ، اسان توهان جي برائوزر جو نئون ورزن استعمال ڪرڻ جي صلاح ڏيو ٿا (يا انٽرنيٽ ايڪسپلورر ۾ مطابقت واري موڊ کي بند ڪريو).ساڳئي وقت ۾، جاري حمايت کي يقيني بڻائڻ لاء، اسان سائيٽ کي بغير اسٽائل يا جاوا اسڪرپٽ ڏيکاري رهيا آهيون.
ڪلينڪل مصنوعي ذهانت (AI) جون ايپليڪيشنون تيزيءَ سان وڌي رهيون آهن، پر موجوده طبي اسڪول جو نصاب پيش ڪري ٿو محدود تدريس هن علائقي کي ڍڪيندي.هتي اسان هڪ مصنوعي ذهانت واري تربيتي ڪورس جي وضاحت ڪريون ٿا جيڪو اسان ترقي ڪئي ۽ ڪينيڊا جي طبي شاگردن تائين پهچايو ۽ مستقبل جي تربيت لاءِ سفارشون ڪيون.
دوائن ۾ مصنوعي ذهانت (AI) ڪم ڪار جي ڪارڪردگي کي بهتر بڻائي سگهي ٿي ۽ ڪلينڪل فيصلا ڪرڻ ۾ مدد ڪري ٿي.مصنوعي ذهانت جي استعمال کي محفوظ طور تي رهنمائي ڪرڻ لاءِ، طبيبن کي مصنوعي ذهانت جي ڪجهه سمجھ هجڻ گهرجي.ڪيترائي رايا AI تصورات1 کي سيکارڻ جي حمايت ڪن ٿا، جيئن ته AI ماڊلز ۽ تصديق جي عمل جي وضاحت ڪرڻ.تنهن هوندي، ڪجهه منظم منصوبا لاڳو ڪيا ويا آهن، خاص طور تي قومي سطح تي.Pinto dos Santos et al.3.263 طبي شاگردن کي سروي ڪيو ويو ۽ 71 سيڪڙو اتفاق ڪيو ته انهن کي مصنوعي ذهانت ۾ تربيت جي ضرورت آهي.طبي سامعين کي مصنوعي ذهانت جي سکيا ڏيڻ لاءِ محتاط ڊيزائن جي ضرورت آهي جيڪا انهن شاگردن لاءِ ٽيڪنيڪل ۽ غير ٽيڪنيڪل تصورن کي گڏ ڪري ٿي جن کي اڪثر اڳئين ڄاڻ هوندي آهي.اسان پنهنجي تجربي کي بيان ڪريون ٿا AI ورڪشاپس جو هڪ سلسلو طبي شاگردن جي ٽن گروپن تائين پهچايو ۽ AI ۾ مستقبل جي طبي تعليم لاءِ سفارشون ڪيون.
طبي شاگردن لاءِ اسان جو پنجن هفتن جو تعارف آرٽيفيشل انٽيليجنس ان ميڊيسن جو ورڪشاپ ٽي ڀيرا فيبروري 2019 ۽ اپريل 2021 جي وچ ۾ منعقد ڪيو ويو. هر ورڪشاپ جو هڪ شيڊول، ڪورس ۾ تبديلين جي مختصر وضاحت سان، تصوير 1 ۾ ڏيکاريل آهي. اسان جو ڪورس آهي. ٽي پرائمري سکيا جا مقصد: شاگرد سمجهن ٿا ته ڪيئن ڊيٽا مصنوعي ذهانت جي ايپليڪيشنن ۾ پروسيس ڪئي ويندي آهي، ڪلينڪل ايپليڪيشنن لاءِ مصنوعي ذهانت ادب جو تجزيو ڪيو، ۽ مصنوعي ذهانت کي ترقي ڪندڙ انجنيئرن سان تعاون ڪرڻ جي موقعن جو فائدو وٺن.
نيرو ليڪچر جو موضوع آهي ۽ هلڪو نيرو انٽرويو سوال ۽ جواب جو دور آهي.سرمائي وارو حصو مختصر ادب جي جائزي جو مرڪز آهي.نارنگي حصا چونڊيل ڪيس مطالعو آهن جيڪي بيان ڪن ٿا مصنوعي ذهانت جا ماڊل يا ٽيڪنالاجي.گرين هڪ رهنمائي وارو پروگرامنگ ڪورس آهي جيڪو مصنوعي ذهانت کي سيکارڻ لاءِ ٺهيل آهي ڪلينڪل مسئلن کي حل ڪرڻ ۽ ماڊل جو جائزو وٺڻ.ورڪشاپ جو مواد ۽ مدو مختلف هوندو آهي شاگردن جي ضرورتن جي تشخيص جي بنياد تي.
پهرين ورڪشاپ يونيورسٽي آف برٽش ڪولمبيا ۾ فيبروري کان اپريل 2019 تائين منعقد ڪئي وئي، جنهن ۾ سڀني 8 شرڪت ڪندڙن مثبت موٽ ڏني4.COVID-19 جي ڪري، ٻيو ورڪشاپ عملي طور تي آڪٽوبر-نومبر 2020 ۾ منعقد ڪيو ويو، جنهن ۾ 222 طبي شاگردن ۽ 3 ڪينيڊا جي طبي اسڪولن مان 8 رهائشي رجسٽرڊ ٿيا.پريزنٽيشن سلائيڊس ۽ ڪوڊ اپ لوڊ ڪيا ويا آهن کليل رسائي واري سائيٽ (http://ubcaimed.github.io).پهرين ورهاڱي کان اهم راءِ اها هئي ته ليڪچر تمام سخت ۽ مواد تمام گهڻو نظرياتي هو.ڪئناڊا جي ڇهن مختلف وقت جي علائقن جي خدمت ڪرڻ اضافي چئلينج کي منهن ڏئي ٿو.اهڙيءَ طرح، ٻئي ورڪشاپ هر سيشن کي 1 ڪلاڪ تائين مختصر ڪيو، ڪورس جي مواد کي آسان ڪيو، وڌيڪ ڪيس اسٽڊيز شامل ڪيا، ۽ بوائلر پليٽ پروگرام ٺاهيا جن ۾ شرڪت ڪندڙن کي اجازت ڏني وئي ته اهي گهٽ ۾ گهٽ ڊيبگنگ (باڪس 1) سان ڪوڊ اسنيپيٽس مڪمل ڪن.ٻئي ورهاڱي جي اهم موٽ ۾ پروگرامنگ مشقن تي مثبت موٽ ۽ مشين لرننگ پروجيڪٽ لاءِ رٿابندي جو مظاهرو ڪرڻ جي درخواست شامل هئي.تنهن ڪري، اسان جي ٽئين ورڪشاپ ۾، عملي طور تي 126 طبي شاگردن لاءِ مارچ-اپريل 2021 ۾ منعقد ڪئي وئي، اسان شامل ڪيو وڌيڪ انٽرايڪٽو ڪوڊنگ مشقون ۽ پروجيڪٽ جي راءِ جا سيشن ته جيئن پروجيڪٽ تي ورڪشاپ جي تصورن کي استعمال ڪرڻ جي اثر کي ظاهر ڪري سگهجي.
ڊيٽا تجزيي: انگن اکرن ۾ مطالعي جو هڪ ميدان جيڪو ڊيٽا جي نمونن جي تجزيو، پروسيسنگ، ۽ گفتگو ڪندي ڊيٽا ۾ بامعني نمونن جي سڃاڻپ ڪري ٿو.
ڊيٽا مائننگ: ڊيٽا کي سڃاڻڻ ۽ ڪڍڻ جو عمل.مصنوعي ذهانت جي حوالي سان، اهو اڪثر ڪري وڏو آهي، هر نموني لاء ڪيترن ئي متغيرن سان.
Dimensionality جي گھٽتائي: ڊيٽا کي تبديل ڪرڻ جو عمل ڪيترن ئي انفرادي خاصيتن سان گھٽ خاصيتن ۾ جڏهن ته اصل ڊيٽا سيٽ جي اهم ملڪيتن کي محفوظ ڪندي.
خاصيتون (مصنوعي ذهانت جي حوالي سان): هڪ نموني جا ماپيل خاصيتون.گهڻو ڪري "ملڪيت" يا "متغير" سان مٽائي استعمال ڪيو ويندو آهي.
Gradient Activation Map: مصنوعي ذهانت جي ماڊلز جي تشريح ڪرڻ لاءِ استعمال ٿيندڙ هڪ ٽيڪنڪ (خاص طور تي convolutional neural networks)، جيڪا ڊيٽا يا تصويرن جي علائقن کي سڃاڻڻ لاءِ نيٽ ورڪ جي آخري حصي کي بهتر ڪرڻ جي عمل جو تجزيو ڪري ٿي جيڪي انتهائي اڳڪٿي ڪندڙ آهن.
معياري ماڊل: هڪ موجوده AI ماڊل جنهن کي اڳ ۾ تربيت ڏني وئي آهي ساڳئي ڪمن کي انجام ڏيڻ لاء.
ٽيسٽنگ (مصنوعي ذهانت جي حوالي سان): مشاهدو ڪيو ته هڪ ماڊل هڪ ڪم ڪيئن انجام ڏئي ٿو ڊيٽا استعمال ڪندي ان کي اڳ ۾ نه آيو آهي.
ٽريننگ (مصنوعي ذهانت جي حوالي سان): ڊيٽا ۽ نتيجن سان هڪ ماڊل مهيا ڪرڻ ته جيئن ماڊل پنهنجي اندروني پيٽرولن کي ترتيب ڏئي نئين ڊيٽا استعمال ڪندي ڪم انجام ڏيڻ جي صلاحيت کي بهتر بڻائي.
ویکٹر: ڊيٽا جي صف.مشين سکيا ۾، هر صف جو عنصر عام طور تي نموني جي هڪ منفرد خصوصيت آهي.
جدول 1 اپريل 2021 لاءِ جديد ڪورسن جي فهرست ڏئي ٿو، بشمول هر موضوع لاءِ ٽارگيٽيڊ سکيا جا مقصد.هي ورڪشاپ انهن لاءِ آهي جيڪي ٽيڪنيڪل سطح تي نوان آهن ۽ ڪنهن به رياضياتي علم جي ضرورت نه آهي انڊر گريجوئيٽ ميڊيڪل ڊگري جي پهرين سال کان ٻاهر.اهو ڪورس 6 ميڊيڪل شاگردن ۽ 3 استادن پاران تيار ڪيو ويو جن سان انجنيئرنگ ۾ اعليٰ درجا آهن.انجنيئر سيکارڻ لاءِ مصنوعي ذهانت وارو نظريو ٺاهي رهيا آهن، ۽ طبي شاگرد ڪلينڪ سان لاڳاپيل مواد سکي رهيا آهن.
ورڪشاپ ۾ ليڪچرز، ڪيس اسٽڊيز، ۽ ھدايت واري پروگرامنگ شامل آھن.پهرين ليڪچر ۾، اسان بائيو اسٽيٽسٽڪس ۾ ڊيٽا جي تجزيي جي چونڊيل تصورن جو جائزو وٺون ٿا، بشمول ڊيٽا بصري، لاجسٽڪ ريگريشن، ۽ تشريحاتي ۽ انوکي انگن اکرن جو مقابلو.جيتوڻيڪ ڊيٽا جو تجزيو مصنوعي ذهانت جو بنياد آهي، اسان موضوعن کي خارج ڪريون ٿا جهڙوڪ ڊيٽا مائننگ، اهميت جي جاچ، يا انٽرايڪٽو ويزولائيزيشن.اهو وقت جي پابندين جي ڪري هو ۽ اهو پڻ ڇاڪاڻ ته ڪجهه انڊر گريجوئيٽ شاگردن کي بايو اسٽيٽسٽڪس ۾ اڳواٽ تربيت حاصل هئي ۽ اهي وڌيڪ منفرد مشين لرننگ عنوانن کي ڍڪڻ چاهيندا هئا.ايندڙ ليڪچر جديد طريقن کي متعارف ڪرايو ۽ AI مسئلن جي ٺهڻ، AI ماڊل جي فائدن ۽ حدن، ۽ ماڊل ٽيسٽنگ تي بحث ڪيو.ليڪچر موجوده مصنوعي ذهانت ڊوائيسز تي ادب ۽ عملي تحقيق سان مڪمل ڪيا ويا آهن.اسان ڪلينڪل سوالن کي حل ڪرڻ لاءِ ماڊل جي اثرائتي ۽ فزيبلٽي جو جائزو وٺڻ لاءِ گهربل صلاحيتن تي زور ڏيون ٿا، بشمول موجوده مصنوعي ذهانت جي ڊوائيسز جي حدن کي سمجهڻ.مثال طور، اسان شاگردن کان پڇيو ته ٻارن جي سر جي زخم جي هدايتن جي تجويز ڪيل تجويز ڪيل Kupperman et al.، 5 جنهن کي لاڳو ڪيو ويو هڪ مصنوعي ذهانت واري فيصلي واري وڻ جي الگورتھم کي اهو طئي ڪرڻ لاء ته ڇا هڪ CT اسڪين مفيد ٿيندو هڪ طبيب جي امتحان جي بنياد تي.اسان زور ڀريون ٿا ته هي AI جو هڪ عام مثال آهي جيڪو طبيب جي بدلي بدران طبيبن جي تشريح ڪرڻ لاءِ اڳڪٿي ڪندڙ تجزياتي مهيا ڪري ٿو.
دستياب اوپن سورس بوٽ اسٽريپ پروگرامنگ مثالن ۾ (https://github.com/ubcaimed/ubcaimed.github.io/tree/master/programming_examples)، اسان ڏيکاريون ٿا ته ڪئين ڊيٽا جي تجزيي کي انجام ڏيڻ، طول و عرض گھٽائڻ، معياري ماڊل لوڊ ڪرڻ، ۽ تربيت .۽ جاچ.اسان استعمال ڪريون ٿا Google Colaboratory Notebooks (Google LLC, Mountain View, CA), جيڪي اجازت ڏين ٿا Python ڪوڊ کي ويب برائوزر کان ڪم ڪرڻ جي.تصوير ۾ تصوير 2 پروگرامنگ مشق جو مثال ڏئي ٿو.ھن مشق ۾ وڪوسنسن اوپن بريسٽ اميجنگ Dataset6 ۽ فيصلي واري وڻ جي الگورتھم استعمال ڪندي خرابين جي اڳڪٿي ڪرڻ شامل آھي.
لاڳاپيل عنوانن تي هفتي دوران پروگرام پيش ڪريو ۽ شايع ٿيل AI ايپليڪيشنن مان مثال چونڊيو.پروگرامنگ عناصر صرف ان صورت ۾ شامل ڪيا ويا آھن جيڪڏھن اھي لاڳاپيل سمجھيا وڃن مستقبل جي ڪلينڪل مشق ۾ بصيرت مهيا ڪرڻ لاءِ، جھڙوڪ ماڊل جو اندازو لڳائڻ لاءِ ته ڇا اھي ڪلينڪل ٽرائلز ۾ استعمال لاءِ تيار آھن.اهي مثال مڪمل طور تي ختم ٿيڻ واري آخر کان آخر تائين ايپليڪيشن ۾ ختم ٿي ويا آهن جيڪي طبي تصوير جي پيٽرولن جي بنياد تي ٽيومر کي غير معمولي يا خراب طور تي درجه بندي ڪري ٿو.
اڳوڻن علم جي متفاوتيت.اسان جا شرڪت ڪندڙ رياضياتي علم جي سطح ۾ مختلف هئا.مثال طور، ترقي يافته انجنيئرنگ پس منظر وارا شاگرد وڌيڪ گہرا مواد ڳولي رهيا آهن، جيئن ته پنهنجو فوئرر ٽرانسفارمز ڪيئن انجام ڏين.بهرحال، ڪلاس ۾ فوئرئر الگورٿم تي بحث ڪرڻ ممڪن ناهي ڇو ته ان کي سگنل پروسيسنگ جي گهڻي ڄاڻ جي ضرورت آهي.
حاضري جو نڪرڻ.فالو اپ ميٽنگن ۾ حاضري گهٽجي وئي، خاص ڪري آن لائين فارميٽ ۾.هڪ حل ٿي سگهي ٿو حاضري کي ٽريڪ ڪرڻ ۽ مڪمل ٿيڻ جو سرٽيفڪيٽ مهيا ڪرڻ.ميڊيڪل اسڪول شاگردن جي غير نصابي تعليمي سرگرمين جي ٽرانسڪرپشن کي سڃاڻڻ لاءِ سڃاتل آهن، جيڪي شاگردن کي ڊگري حاصل ڪرڻ جي حوصلا افزائي ڪري سگهن ٿيون.
ڪورس ڊيزائن: ڇاڪاڻ ته AI ڪيترن ئي ذيلي شعبن تي پکڙيل آهي، مناسب کوٽائي ۽ ويڪرائي جي بنيادي تصورن کي چونڊڻ مشڪل ٿي سگهي ٿو.مثال طور، ليبارٽري کان ڪلينڪ تائين AI اوزار جي استعمال جو تسلسل هڪ اهم موضوع آهي.جڏهن ته اسان ڊيٽا جي اڳڀرائي، ماڊل بلڊنگ، ۽ تصديق کي ڍڪيندا آهيون، اسان موضوع شامل نه ڪندا آهيون جهڙوڪ بگ ڊيٽا اينالائيٽڪس، انٽرايڪٽو ويزولائيزيشن، يا اي آءِ ڪلينڪل ٽرائلز کي هلائڻ، ان جي بدران اسان سڀ کان وڌيڪ منفرد AI تصورن تي ڌيان ڏيون ٿا.اسان جو رهنما اصول خواندگيءَ کي بهتر ڪرڻ آهي، مهارت نه.مثال طور، سمجھڻ ته هڪ ماڊل ان پٽ خاصيتن کي ڪيئن پروسيس ڪري ٿو تشريح لاءِ اهم آهي.اهو ڪرڻ جو هڪ طريقو اهو آهي ته گريجوئيٽ ايڪٽيويشن نقشن کي استعمال ڪيو وڃي، جيڪو تصور ڪري سگهي ٿو ته ڊيٽا جا ڪهڙا علائقا اڳڪٿي لائق آهن.بهرحال، ان لاءِ گھڻائي واري حساب ڪتاب جي ضرورت آهي ۽ متعارف نه ٿي ڪري سگھجي 8.هڪ عام اصطلاح ٺاهڻ مشڪل هو ڇو ته اسان اهو بيان ڪرڻ جي ڪوشش ڪري رهيا هئاسين ته ڊيٽا سان ڪيئن ڪم ڪجي جيئن رياضياتي رسم الخط کان سواءِ.نوٽ ڪريو ته مختلف اصطلاحن جو ساڳيو مطلب آهي، مثال طور، ايپيڊميولوجي ۾، هڪ "خصوصيت" کي "متغير" يا "صفت" طور بيان ڪيو ويو آهي.
علم رکڻ.ڇاڪاڻ ته AI جي ايپليڪيشن محدود آهي، جنهن جي حد تائين شرڪت ڪندڙن کي ڄاڻ برقرار رکي ٿي، اهو ڏسڻ ۾ اچي ٿو.ميڊيڪل اسڪول جو نصاب عملي گردش دوران علم کي مضبوط ڪرڻ لاءِ اڪثر فاصلي واري ورهاڱي تي ڀاڙيندو آهي، 9 جنهن کي AI تعليم تي پڻ لاڳو ڪري سگهجي ٿو.
پروفيشنلزم خواندگي کان وڌيڪ اهم آهي.مواد جي کوٽائي بغير رياضياتي سختي جي ٺهيل آهي، جيڪا مصنوعي ذهانت ۾ ڪلينڪ ڪورسز شروع ڪرڻ وقت هڪ مسئلو هئي.پروگرامنگ جي مثالن ۾، اسان هڪ ٽيمپليٽ پروگرام استعمال ڪريون ٿا جيڪو شرڪت ڪندڙن کي فيلڊ ڀرڻ ۽ سافٽ ويئر هلائڻ جي اجازت ڏئي ٿو بغير اهو ڄاڻڻ جي ته ڪيئن مڪمل پروگرامنگ ماحول قائم ڪجي.
مصنوعي ذهانت جي باري ۾ خدشات جو پتو لڳايو ويو آهي: اتي وڏي پئماني تي خدشو آهي ته مصنوعي ذهانت ڪجهه ڪلينڪ فرائض 3 کي تبديل ڪري سگهي ٿي.هن مسئلي کي حل ڪرڻ لاءِ، اسان AI جي حدن جي وضاحت ڪريون ٿا، جنهن ۾ اها حقيقت به شامل آهي ته ريگيوليٽرز پاران منظور ڪيل تقريبن سڀ AI ٽيڪنالاجيز کي طبيب جي نگراني جي ضرورت آهي11.اسان تعصب جي اهميت تي پڻ زور ڏيون ٿا ڇاڪاڻ ته الگورٿمس تعصب جو شڪار آهن، خاص طور تي جيڪڏهن ڊيٽا سيٽ متنوع نه آهي12.نتيجي طور، ھڪڙي خاص ذيلي گروپ کي غلط نموني سان نموني ٿي سگھي ٿو، غير منصفانه ڪلينڪ فيصلن جي ڪري.
وسيلا عوامي طور تي دستياب آهن: اسان عوامي طور تي دستياب وسيلا ٺاهيا آهن، بشمول ليڪچر سلائڊ ۽ ڪوڊ.جيتوڻيڪ هم وقت سازي مواد تائين رسائي محدود آهي وقت جي زونن جي ڪري، اوپن سورس مواد غير مطابقت بخش سکيا لاءِ هڪ آسان طريقو آهي ڇاڪاڻ ته AI ماهر سڀني طبي اسڪولن ۾ دستياب ناهي.
بين الضابطه تعاون: هي ورڪشاپ هڪ گڏيل منصوبو آهي جيڪو طبي شاگردن پاران شروع ڪيو ويو آهي ڪورسز پلان ڪرڻ لاءِ انجنيئرن سان گڏ.اهو ٻنهي علائقن ۾ تعاون جا موقعا ۽ علم جي فرق کي ظاهر ڪري ٿو، شرڪت ڪندڙن کي اهو سمجهڻ جي اجازت ڏئي ٿو ته اهي مستقبل ۾ ڪردار ادا ڪري سگهن ٿا.
AI بنيادي صلاحيتن جي وضاحت ڪريو.قابليت جي فهرست کي بيان ڪرڻ هڪ معياري جوڙجڪ مهيا ڪري ٿي جيڪا موجوده قابليت جي بنياد تي طبي نصاب ۾ ضم ٿي سگهي ٿي.هي ورڪشاپ هن وقت استعمال ڪري ٿو سکيا جا مقصد ليولز 2 (سمجھڻ)، 3 (ايپليڪيشن)، ۽ 4 (تجزيو) بلوم جي ٽيڪسونامي جا.درجي بندي جي اعليٰ سطح تي وسيلن جو هجڻ، جهڙوڪ منصوبا ٺاهڻ، علم کي وڌيڪ مضبوط ڪري سگهن ٿا.ان لاءِ ڪلينڪل ماهرن سان گڏ ڪم ڪرڻ جي ضرورت آهي ته اهو طئي ڪيو وڃي ته ڪيئن AI موضوع ڪلينڪل ڪم جي فلوز تي لاڳو ٿي سگهن ٿا ۽ معياري طبي نصاب ۾ اڳ ۾ ئي شامل ڪيل بار بار مضمونن جي تدريس کي روڪڻ.
AI استعمال ڪندي ڪيس مطالعو ٺاهيو.ساڳي طرح ڪلينڪل مثالن سان، ڪيس جي بنياد تي سکيا تجريدي تصورن کي مضبوط ڪري سگهي ٿي ڪلينڪل سوالن سان انهن جي مطابقت کي اجاگر ڪندي.مثال طور، ھڪڙي ورڪشاپ جي مطالعي جو تجزيو ڪيو گوگل جي AI-based ذیابيطس ريٽينوپيپي جي سڃاڻپ سسٽم 13 ليب کان ڪلينڪ تائين رستي ۾ چيلنجز کي سڃاڻڻ لاء، جيئن ته خارجي تصديق جي گهرج ۽ ريگيوليٽري منظوري جا رستا.
تجرباتي سکيا استعمال ڪريو: ٽيڪنيڪل مهارتن لاءِ مرڪوز مشق ۽ ماسٽر لاءِ بار بار ايپليڪيشن جي ضرورت آهي، ساڳي طرح ڪلينڪل ٽرينين جي گھمڻ واري سکيا جا تجربا.ھڪڙو امڪاني حل فلپ ٿيل ڪلاس روم ماڊل آھي، جنھن کي ڄاڻايو ويو آھي ته انجنيئرنگ تعليم ۾ ڄاڻ برقرار رکڻ کي بهتر بڻائي.هن ماڊل ۾، شاگرد نظرياتي مواد جو آزاديءَ سان جائزو وٺندا آهن ۽ ڪلاس جو وقت صرف ڪيسن جي مطالعي ذريعي مسئلن کي حل ڪرڻ لاءِ وقف ڪيو ويندو آهي.
گھڻن ڊسيپلينري شرڪت ڪندڙن لاءِ اسڪيلنگ: اسان AI اپنائڻ جو تصور ڪريون ٿا جنھن ۾ گھڻن شعبن ۾ تعاون شامل آھي، بشمول طبيب ۽ صحت جي لاڳاپيل پروفيسر تربيت جي مختلف سطحن سان.تنهن ڪري، نصاب کي مختلف شعبن جي فيڪلٽي سان صلاح مشوري سان تيار ڪرڻ جي ضرورت آهي ته جيئن انهن جي مواد کي صحت جي سنڀال جي مختلف شعبن سان ترتيب ڏئي سگهجي.
مصنوعي ذهانت اعليٰ ٽيڪنالاجي آهي ۽ ان جا بنيادي تصور رياضي ۽ ڪمپيوٽر سائنس سان لاڳاپيل آهن.مصنوعي ذهانت کي سمجهڻ لاءِ صحت جي سارسنڀال جي عملي کي تربيت ڏيڻ مواد جي چونڊ، ڪلينڪل لاڳاپن ۽ ترسيل طريقن ۾ منفرد چئلينج پيش ڪري ٿو.اسان اميد ٿا ڪريون ته AI کان حاصل ڪيل بصيرتون تعليمي ورڪشاپس ۾ مستقبل جي استادن جي مدد ڪنديون AI کي طبي تعليم ۾ ضم ڪرڻ جا نوان طريقا اختيار ڪن.
Google Colaboratory Python اسڪرپٽ کليل ذريعو آهي ۽ دستياب آهي: https://github.com/ubcaimed/ubcaimed.github.io/tree/master/.
پروبر، ڪي جي ۽ خان، ايس. ري ٿنڪنگ ميڊيڪل ايجوڪيشن: اي ڪال ٽو ايڪشن.اڪاد.دوا.88، 1407-1410 (2013).
McCoy, LG وغيره. طبي شاگردن کي مصنوعي ذهانت بابت ڇا ڄاڻڻ جي ضرورت آهي؟NPZh نمبر.دوائون 3، 1-3 (2020).
Dos Santos، DP، et al.مصنوعي ذهانت جي طرف طبي شاگردن جو رويو: هڪ ملٽي سينٽر سروي.يورو.تابڪاري.29، 1640-1646 (2019).
Fan, KY, Hu, R., and Singla, R. ميڊيڪل شاگردن لاءِ مشين لرننگ جو تعارف: هڪ پائلٽ پروجيڪٽ.جي ميڊسيکارڻ.54، 1042-1043 (2020).
Cooperman N، et al.سر جي زخم کان پوء ڪلينڪ طور تي اهم دماغي زخم جي تمام گهٽ خطري تي ٻارن جي سڃاڻپ: هڪ امڪاني ڪوهٽ مطالعو.لينسٽ 374، 1160-1170 (2009).
اسٽريٽ، WN، Wolberg، WH ۽ Mangasarian، OL.چھاتی جي طومار جي تشخيص لاء ايٽمي خصوصيت ڪڍڻ.حياتياتي سائنس.تصويري پروسيسنگ.حياتياتي سائنس.ويس.1905، 861-870 (1993).
Chen, PHC, Liu, Y. and Peng, L. How to develop machine learning models for Healthcare.نيٽ.مٽي.18، 410-414 (2019).
سيلواراجو، آر آر وغيره.گرڊ-ڪئم: گريجوئيٽ تي ٻڌل لوڪلائيزيشن ذريعي گہرے نيٽ ورڪ جي بصري تفسير.ڪمپيوٽر ويزن، 618-626 (2017) تي IEEE انٽرنيشنل ڪانفرنس جي ڪارروائي.
ڪماراول بي، اسٽيورٽ ڪي ۽ ايلڪ ڊي. انڊر گريجوئيٽ ميڊيڪل ايجوڪيشن ۾ او ايس سي اي استعمال ڪندي ثبوت تي ٻڌل دوائن جي صلاحيتن جو جائزو وٺڻ لاءِ سرپل ماڊل جي ترقي ۽ تشخيص.BMK دوائون.سيکارڻ.21، 1-9 (2021).
ڪولاچلاما وي بي ۽ گرگ پي ايس مشين سکيا ۽ طبي تعليم.NPZh نمبر.دوا.1، 1-3 (2018).
وان ليوين، KG، Schalekamp، S. Rutten، MJ، van Ginneken، B. and de Rooy، M. آرٽيفيشل انٽيليجنس ان ريڊيالاجي: 100 تجارتي پروڊڪٽس ۽ انهن جا سائنسي ثبوت.يورو.تابڪاري.31، 3797-3804 (2021).
ٽوپول، اي جي اعلي ڪارڪردگي جي دوا: انساني ۽ مصنوعي ڄاڻ رکندڙ جي ڪنورجن.نيٽ.دوا.25، 44-56 (2019).
بيڊ، اي وغيره.ذیابيطس ريٽينوپيپي جي ڳولا لاءِ ڪلينڪ ۾ مقرر ڪيل هڪ گہرے سکيا واري نظام جو انساني مرڪز جو جائزو.ڪمپيوٽنگ سسٽم ۾ انساني فڪر تي 2020 CHI ڪانفرنس (2020) جي ڪارروائي.
ڪير، بي انجنيئرنگ تعليم ۾ فلپ ٿيل ڪلاس روم: هڪ تحقيقي جائزو.2015 جي بين الاقوامي ڪانفرنس آن انٽرايڪٽو ڪولابريٽو لرننگ (2015).
ليکڪ ڊينيئل واڪر، ٽم سالڪوڊين، ۽ پيٽر زينڊسٽرا جو شڪريو ادا ڪن ٿا بائيوميڊيڪل اميجنگ ۽ آرٽيفيشل انٽيليجنس ريسرچ ڪلسٽر مان برٽش ڪولمبيا يونيورسٽي جي سپورٽ ۽ فنڊنگ لاءِ.
RH, PP, ZH, RS ۽ MA ورڪشاپ جي تدريسي مواد کي تيار ڪرڻ جا ذميوار هئا.آر ايڇ ۽ پي پي پروگرامنگ مثالن کي ترقي ڪرڻ جا ذميوار هئا.KYF، OY، MT ۽ PW پروجيڪٽ جي لاجسٽڪ تنظيم ۽ ورڪشاپس جي تجزيي جا ذميوار هئا.RH، OY، MT، RS انگن ۽ جدولن ٺاهڻ جا ذميوار هئا.RH, KYF, PP, ZH, OY, MY, PW, TL, MA, RS دستاويز جي مسودي ۽ تدوين جا ذميوار هئا.
ڪميونيڪيشن دوائون هن ڪم جي جائزي ۾ مدد لاءِ ڪيلن ميڪ گريگور، فابيو مورس، ۽ اديتا بوراڪاتي جي مهرباني.