Návrh Školení

Úvod do AI v zdravotnictví

  • Aplikace AI v klinické podpoře rozhodování a diagnostice
  • Přehled lékařských datových modalit: strukturovaná, textová, obrazová, senzorová
  • Výzvy specifické pro vývoj medicínské AI

Příprava a správa lékařských dat

  • Práce s EMRs, laboratorními výsledky a HL7/FHIR daty
  • Předzpracování lékařských obrázků (DICOM, CT, MRI, X-ray)
  • Zpracování časových řad z nositelných zařízení nebo monitorů v ICU

Techniky přizpůsobení modelů pro zdravotnictví

  • Transfer learning a adaptace specifická pro doménu
  • Specifické přizpůsobování modelu pro klasifikaci a regresi
  • Přizpůsobení s omezenými anotovanými daty v prostředí s malým počtem zdrojů

Predikce nemocí a prognóza výsledků

  • Skórování rizika a časově prodlužované varovné systémy
  • Prediktivní analýza pro opětovné hospitalizace a reakce na léčbu
  • Integrace multi-modálních modelů

Etika, soukromí a regulační aspekty

  • HIPAA, GDPR a zpracování pacientských dat
  • Zmírňování biasu a audit spravedlnosti v modelech
  • Vysvětlitelnost ve klinickém rozhodování

Hodnocení a ověřování modelů v klinických podmínkách

  • Metriky výkonu (AUC, citlivost, specifita, F1)
  • Ověřovací techniky pro nezbalancovaná a vysokoriziková data
  • Simulační vs. skutečné testovací kanály

Nasazení a monitorování v zdravotnických prostředích

  • Integrace modelů do IT systémů nemocnic
  • CI/CD ve regulačně řízených lékařských prostředích
  • Detekce driftu po nasazení a kontinuální učení

Shrnutí a další kroky

Požadavky

  • Porozumění principům strojového učení a dozorovém učení (supervised learning)
  • Zkušenosti s lékařskými daty, jako jsou EMRs, obrazová data nebo klinické poznámky
  • znalost Pythonu a ML rámů (např. TensorFlow, PyTorch)

Cílová skupina

  • Lékařský AI vývojáři
  • Zdravotnickí datoví analytici
  • Odborníci budující diagnostické nebo prediktivní lékařské modely
 14 hodiny

Počet účastníků


Cena za účastníka

Nadcházející kurzy

Související kategorie