Děkujeme za vaši dotaz! Jeden z našich pracovníků vás brzy kontaktuje.
Děkujeme za rezervaci! Jeden z našich pracovníků vás brzy kontaktuje.
Návrh Školení
Úvod do umělé inteligence v zdravotnictví
- Aplikace AI v podpoře klinického rozhodování a diagnostice
- Přehled odborných datových forem: strukturovaná data, texty, obrázky, senzory
- Specifické výzvy pro rozvoj medicínské AI
Příprava dat a modelů v zdravotnictví Management
- Práce s EMR, laboratorními výsledky a daty HL7/FHIR
- Předzpracování medicínských obrazů (DICOM, CT, MRI, rentgen)
- Zpracování časových řad z pacientních zařízení nebo měřicích zařízení v Intenzivní léčebně
Techniky pro modely v zdravotnictví Fine-Tuning
- Transferové učení a doménová specializace
- Nastavení modelů podle úkolu pro klasifikaci a regresi
- Kolektivní naučení s omezeným množstvím označených dat
Prognóza onemocnění a výsledků léčby Forecasting
- Skórovaní rizik a systémy předvídání komplikací
- Prediktivní analýza readmisí a reakcí na léčbu
- Integrace multimodálních modelů
Etika, ochrana soukromí a regulační aspekty
- HIPAA, GDPR, a zpracování dat pacienta
- Ochrana před odstupem a průzkum spravedlnosti v modelech
- Vysvětlitelnost v klinickém rozhodování
Hodnocení a validace modelu ve klinických podmínkách
- Ukazatele výkonu (AUC, citlivost, specifika, F1)
- Validacní techniky pro nevyvážené a vysoko rizikové sady dat
- Simulační prototypy vs. skutečný svět testování
Nasazení a monitorování ve zdravotnických prostředích
- Integrace modelů do hospitalních systémů IT
- CI/CD v regulovaných lékařských prostředích
- Detekce posunutí a stálé učení po nasazení
Závěr a další kroky
Požadavky
- Pojem o principech strojového učení a nadzorovaném učení
- Zkušenosti s daty zdravotnických údajů, jako jsou EMR, imrová data nebo klinické poznámky
- znalost Python a ML frameworků (např. TensorFlow, PyTorch)
Cílová skupina
- Vývojáři AI v medicíně
- Data scientists z oblasti zdravotnictví
- Profesionálové, kteří budují diagnostické nebo prediktivní modely pro zdravotnictví
14 hodiny