Asante kwa kutembelea Nature.com. Toleo la kivinjari unachotumia lina usaidizi mdogo wa CSS. Kwa matokeo bora, tunapendekeza kutumia toleo jipya la kivinjari chako (au kuzima hali ya utangamano katika Internet Explorer). Wakati huo huo, ili kuhakikisha usaidizi unaoendelea, tunaonyesha tovuti bila mtindo au JavaScript.
Matumizi ya akili bandia ya kliniki (AI) yanakua kwa kasi, lakini mitaala iliyopo ya shule za matibabu hutoa ufundishaji mdogo unaofunika eneo hili. Hapa tunaelezea kozi ya mafunzo ya akili bandia tuliyounda na kuwasilisha kwa wanafunzi wa matibabu wa Kanada na kutoa mapendekezo kwa mafunzo ya baadaye.
Akili bandia (AI) katika dawa inaweza kuboresha ufanisi wa mahali pa kazi na kusaidia kufanya maamuzi ya kimatibabu. Ili kuongoza kwa usalama matumizi ya akili bandia, madaktari lazima wawe na uelewa fulani wa akili bandia. Maoni mengi yanatetea kufundisha dhana za AI1, kama vile kuelezea mifumo ya AI na michakato ya uthibitishaji2. Hata hivyo, mipango michache iliyopangwa imetekelezwa, haswa katika ngazi ya kitaifa. Pinto dos Santos et al.3. Wanafunzi 263 wa matibabu walihojiwa na 71% walikubali kwamba walihitaji mafunzo katika akili bandia. Kufundisha akili bandia kwa hadhira ya matibabu kunahitaji muundo makini unaochanganya dhana za kiufundi na zisizo za kiufundi kwa wanafunzi ambao mara nyingi wana ujuzi mkubwa wa awali. Tunaelezea uzoefu wetu wa kutoa mfululizo wa warsha za AI kwa vikundi vitatu vya wanafunzi wa matibabu na kutoa mapendekezo ya elimu ya matibabu ya baadaye katika AI.
Warsha yetu ya wiki tano ya Utangulizi wa Akili Bandia katika Tiba kwa wanafunzi wa tiba ilifanyika mara tatu kati ya Februari 2019 na Aprili 2021. Ratiba ya kila warsha, yenye maelezo mafupi ya mabadiliko ya kozi hiyo, imeonyeshwa kwenye Mchoro 1. Kozi yetu ina malengo matatu ya msingi ya kujifunza: wanafunzi wanaelewa jinsi data inavyosindikwa katika matumizi ya akili bandia, kuchambua machapisho ya akili bandia kwa matumizi ya kliniki, na kutumia fursa za kushirikiana na wahandisi wanaoendeleza akili bandia.
Bluu ndiyo mada ya hotuba na bluu nyepesi ndiyo kipindi shirikishi cha maswali na majibu. Sehemu ya kijivu ndiyo lengo la mapitio mafupi ya fasihi. Sehemu za rangi ya chungwa ni tafiti za mifano zilizochaguliwa zinazoelezea mifumo au mbinu za akili bandia. Kijani ni kozi ya programu inayoongozwa iliyoundwa kufundisha akili bandia ili kutatua matatizo ya kimatibabu na kutathmini mifumo. Maudhui na muda wa warsha hutofautiana kulingana na tathmini ya mahitaji ya mwanafunzi.
Warsha ya kwanza ilifanyika katika Chuo Kikuu cha British Columbia kuanzia Februari hadi Aprili 2019, na washiriki wote 8 walitoa maoni chanya4. Kutokana na COVID-19, warsha ya pili ilifanyika mtandaoni mnamo Oktoba-Novemba 2020, huku wanafunzi 222 wa udaktari na wakazi 3 kutoka shule 8 za udaktari za Kanada wakijiandikisha. Slaidi za uwasilishaji na msimbo vimepakiwa kwenye tovuti ya ufikiaji wazi (http://ubcaimed.github.io). Maoni muhimu kutoka kwa marudio ya kwanza yalikuwa kwamba mihadhara ilikuwa mikali sana na nyenzo zilikuwa za kinadharia sana. Kuhudumia maeneo sita tofauti ya saa za Kanada kunaleta changamoto zaidi. Kwa hivyo, warsha ya pili ilifupisha kila kipindi hadi saa 1, ikarahisisha nyenzo za kozi, iliongeza masomo zaidi ya kesi, na kuunda programu za boilerplate ambazo ziliruhusu washiriki kukamilisha vipande vya msimbo bila utatuzi mdogo (Sanduku 1). Maoni muhimu kutoka kwa marudio ya pili yalijumuisha maoni chanya kuhusu mazoezi ya programu na ombi la kuonyesha upangaji wa mradi wa kujifunza kwa mashine. Kwa hivyo, katika warsha yetu ya tatu, iliyofanyika kwa njia ya mtandao kwa wanafunzi 126 wa udaktari mnamo Machi-Aprili 2021, tulijumuisha mazoezi shirikishi zaidi ya uandishi wa habari na vipindi vya maoni ya miradi ili kuonyesha athari za kutumia dhana za warsha kwenye miradi.
Uchambuzi wa Data: Sehemu ya utafiti katika takwimu inayotambua mifumo yenye maana katika data kwa kuchanganua, kuchakata, na kuwasilisha mifumo ya data.
Uchimbaji data: mchakato wa kutambua na kutoa data. Katika muktadha wa akili bandia, hii mara nyingi huwa kubwa, ikiwa na vigezo vingi kwa kila sampuli.
Kupunguza vipimo: Mchakato wa kubadilisha data yenye vipengele vingi vya kibinafsi kuwa vipengele vichache huku ikihifadhi sifa muhimu za seti ya data asili.
Sifa (katika muktadha wa akili bandia): sifa zinazopimika za sampuli. Mara nyingi hutumika kwa kubadilishana na "mali" au "kigezo".
Ramani ya Uanzishaji wa Gradient: Mbinu inayotumika kutafsiri mifumo ya akili bandia (hasa mitandao ya neva ya convolutional), ambayo huchambua mchakato wa kuboresha sehemu ya mwisho ya mtandao ili kutambua maeneo ya data au picha ambazo zinatabirika sana.
Mfano wa Kawaida: Mfano uliopo wa AI ambao umefunzwa mapema kufanya kazi zinazofanana.
Upimaji (katika muktadha wa akili bandia): kuchunguza jinsi modeli inavyofanya kazi kwa kutumia data ambayo haijawahi kukutana nayo hapo awali.
Mafunzo (katika muktadha wa akili bandia): Kutoa modeli yenye data na matokeo ili modeli irekebishe vigezo vyake vya ndani ili kuboresha uwezo wake wa kufanya kazi kwa kutumia data mpya.
Vekta: safu ya data. Katika kujifunza kwa mashine, kila kipengele cha safu kwa kawaida ni sifa ya kipekee ya sampuli.
Jedwali la 1 linaorodhesha kozi za hivi karibuni za Aprili 2021, ikiwa ni pamoja na malengo ya kujifunza yaliyolengwa kwa kila mada. Warsha hii imekusudiwa wale wapya katika kiwango cha kiufundi na haihitaji maarifa yoyote ya hisabati zaidi ya mwaka wa kwanza wa shahada ya kwanza ya udaktari. Kozi hiyo ilitengenezwa na wanafunzi 6 wa udaktari na walimu 3 wenye shahada za juu katika uhandisi. Wahandisi wanaendeleza nadharia ya akili bandia ili kufundisha, na wanafunzi wa udaktari wanajifunza nyenzo zinazohusiana na kliniki.
Warsha zinajumuisha mihadhara, masomo ya kesi, na programu inayoongozwa. Katika hotuba ya kwanza, tunapitia dhana teule za uchambuzi wa data katika biostatistiki, ikiwa ni pamoja na taswira ya data, urejelezaji wa vifaa, na ulinganisho wa takwimu za maelezo na za kushawishi. Ingawa uchambuzi wa data ndio msingi wa akili bandia, tunatenga mada kama vile uchimbaji wa data, upimaji wa umuhimu, au taswira shirikishi. Hii ilitokana na vikwazo vya muda na pia kwa sababu baadhi ya wanafunzi wa shahada ya kwanza walikuwa na mafunzo ya awali katika biostatistiki na walitaka kufunika mada za kipekee zaidi za kujifunza kwa mashine. Hotuba inayofuata inaanzisha mbinu za kisasa na kujadili uundaji wa tatizo la AI, faida na mapungufu ya mifano ya AI, na upimaji wa mifano. Mihadhara hiyo inakamilishwa na fasihi na utafiti wa vitendo kuhusu vifaa vya akili bandia vilivyopo. Tunasisitiza ujuzi unaohitajika ili kutathmini ufanisi na uwezekano wa modeli kushughulikia maswali ya kimatibabu, ikiwa ni pamoja na kuelewa mapungufu ya vifaa vya akili bandia vilivyopo. Kwa mfano, tuliwauliza wanafunzi kutafsiri miongozo ya majeraha ya kichwa ya watoto iliyopendekezwa na Kupperman et al., 5 ambayo ilitekeleza algoriti ya mti wa uamuzi wa akili bandia ili kubaini kama CT scan itakuwa muhimu kulingana na uchunguzi wa daktari. Tunasisitiza kwamba huu ni mfano wa kawaida wa AI kutoa uchanganuzi wa utabiri kwa madaktari ili kutafsiri, badala ya kuchukua nafasi ya madaktari.
Katika mifano ya programu ya bootstrap ya chanzo huria inayopatikana (https://github.com/ubcaimed/ubcaimed.github.io/tree/master/programming_examples), tunaonyesha jinsi ya kufanya uchambuzi wa data ya uchunguzi, upunguzaji wa vipimo, upakiaji wa modeli sanifu, na mafunzo na majaribio. Tunatumia daftari za Google Colaboratory (Google LLC, Mountain View, CA), ambazo huruhusu msimbo wa Python kutekelezwa kutoka kwa kivinjari cha wavuti. Katika Mchoro 2, Mchoro 2 unatoa mfano wa zoezi la programu. Zoezi hili linahusisha kutabiri magonjwa mabaya kwa kutumia Dataset6 ya Wisconsin Open Breast Imaging Dataset6 na algoriti ya mti wa uamuzi.
Huwasilisha programu wiki nzima kuhusu mada zinazohusiana na kuchagua mifano kutoka kwa programu za AI zilizochapishwa. Vipengele vya programu vinajumuishwa tu ikiwa vinachukuliwa kuwa muhimu katika kutoa ufahamu kuhusu mazoezi ya kliniki ya siku zijazo, kama vile jinsi ya kutathmini mifumo ili kubaini kama iko tayari kutumika katika majaribio ya kliniki. Mifano hii huishia katika programu kamili ya kuanzia mwanzo hadi mwisho ambayo huainisha uvimbe kama usio na madhara au mbaya kulingana na vigezo vya picha ya kimatibabu.
Tofauti za maarifa ya awali. Washiriki wetu walitofautiana katika kiwango chao cha maarifa ya hisabati. Kwa mfano, wanafunzi wenye taaluma za uhandisi wa hali ya juu wanatafuta nyenzo za kina zaidi, kama vile jinsi ya kufanya mabadiliko yao ya Fourier. Hata hivyo, kujadili algoriti ya Fourier darasani haiwezekani kwa sababu inahitaji ujuzi wa kina wa usindikaji wa ishara.
Idadi ya mahudhurio iliongezeka. Mahudhurio katika mikutano ya ufuatiliaji yalipungua, hasa katika miundo ya mtandaoni. Suluhisho linaweza kuwa kufuatilia mahudhurio na kutoa cheti cha kukamilika. Shule za matibabu zinajulikana kutambua nakala za shughuli za masomo za wanafunzi za nje ya shule, jambo ambalo linaweza kuwatia moyo wanafunzi kufuata shahada.
Ubunifu wa Kozi: Kwa sababu AI inahusisha nyanja ndogo nyingi, kuchagua dhana kuu za kina na upana unaofaa kunaweza kuwa changamoto. Kwa mfano, mwendelezo wa matumizi ya zana za AI kutoka maabara hadi kliniki ni mada muhimu. Ingawa tunashughulikia usindikaji wa awali wa data, ujenzi wa modeli, na uthibitishaji, hatujumuishi mada kama vile uchanganuzi wa data kubwa, taswira shirikishi, au kufanya majaribio ya kliniki ya AI, badala yake tunazingatia dhana za AI za kipekee zaidi. Kanuni yetu inayoongoza ni kuboresha kusoma na kuandika, si ujuzi. Kwa mfano, kuelewa jinsi modeli inavyochakata vipengele vya kuingiza ni muhimu kwa utafsiri. Njia moja ya kufanya hivi ni kutumia ramani za uanzishaji wa gradient, ambazo zinaweza kuibua ni maeneo gani ya data yanaweza kutabirika. Hata hivyo, hii inahitaji hesabu ya multivariate na haiwezi kuletwa8. Kuunda istilahi ya kawaida ilikuwa changamoto kwa sababu tulikuwa tunajaribu kuelezea jinsi ya kufanya kazi na data kama vekta bila urasimi wa hisabati. Kumbuka kwamba maneno tofauti yana maana sawa, kwa mfano, katika epidemiolojia, "tabia" inaelezewa kama "kigezo" au "sifa."
Uhifadhi wa maarifa. Kwa sababu matumizi ya AI ni mdogo, kiwango ambacho washiriki huhifadhi maarifa bado hakijaonekana. Mitaala ya shule za matibabu mara nyingi hutegemea marudio ya nafasi ili kuimarisha maarifa wakati wa mzunguko wa vitendo,9 ambayo inaweza pia kutumika kwa elimu ya AI.
Utaalamu ni muhimu zaidi kuliko kusoma na kuandika. Kina cha nyenzo kimeundwa bila ugumu wa hisabati, jambo ambalo lilikuwa tatizo wakati wa uzinduzi wa kozi za kliniki katika akili bandia. Katika mifano ya programu, tunatumia programu ya kiolezo inayowaruhusu washiriki kujaza sehemu na kuendesha programu bila kulazimika kujua jinsi ya kuanzisha mazingira kamili ya programu.
Wasiwasi kuhusu akili bandia umeshughulikiwa: Kuna wasiwasi mkubwa kwamba akili bandia inaweza kuchukua nafasi ya baadhi ya majukumu ya kimatibabu3. Ili kushughulikia suala hili, tunaelezea mapungufu ya akili bandia, ikiwa ni pamoja na ukweli kwamba karibu teknolojia zote za akili bandia zilizoidhinishwa na wasimamizi zinahitaji usimamizi wa daktari11. Pia tunasisitiza umuhimu wa upendeleo kwa sababu algoriti huwa na upendeleo, hasa ikiwa seti ya data si tofauti12. Kwa hivyo, kikundi kidogo fulani kinaweza kutengenezwa kimakosa, na kusababisha maamuzi yasiyo ya haki ya kimatibabu.
Rasilimali zinapatikana hadharani: Tumeunda rasilimali zinazopatikana hadharani, ikiwa ni pamoja na slaidi za mihadhara na msimbo. Ingawa ufikiaji wa maudhui yanayolingana ni mdogo kutokana na maeneo ya wakati, maudhui huria ni njia rahisi ya kujifunza bila mpangilio kwani utaalamu wa akili bandia haupatikani katika shule zote za matibabu.
Ushirikiano wa taaluma mbalimbali: Warsha hii ni ubia ulioanzishwa na wanafunzi wa udaktari kupanga kozi pamoja na wahandisi. Hii inaonyesha fursa za ushirikiano na mapengo ya maarifa katika maeneo yote mawili, na kuwaruhusu washiriki kuelewa jukumu wanaloweza kuchangia katika siku zijazo.
Bainisha uwezo mkuu wa AI. Kufafanua orodha ya uwezo hutoa muundo sanifu ambao unaweza kuunganishwa katika mitaala ya matibabu iliyopo inayotegemea uwezo. Warsha hii kwa sasa inatumia Viwango vya Malengo ya Kujifunza 2 (Uelewa), 3 (Utumiaji), na 4 (Uchambuzi) wa Taksonomia ya Bloom. Kuwa na rasilimali katika viwango vya juu vya uainishaji, kama vile kuunda miradi, kunaweza kuimarisha zaidi maarifa. Hii inahitaji kufanya kazi na wataalamu wa kliniki ili kubaini jinsi mada za AI zinavyoweza kutumika kwenye mtiririko wa kazi za kliniki na kuzuia kufundishwa kwa mada zinazojirudia ambazo tayari zimejumuishwa katika mitaala ya kawaida ya matibabu.
Unda masomo ya kesi kwa kutumia AI. Sawa na mifano ya kliniki, kujifunza kwa msingi wa kesi kunaweza kuimarisha dhana dhahania kwa kuangazia umuhimu wake kwa maswali ya kliniki. Kwa mfano, utafiti mmoja wa warsha ulichambua mfumo wa kugundua retinopathy ya kisukari wa Google unaotegemea AI 13 ili kubaini changamoto njiani kutoka maabara hadi kliniki, kama vile mahitaji ya uthibitisho wa nje na njia za idhini ya kisheria.
Tumia ujifunzaji wa uzoefu: Ujuzi wa kiufundi unahitaji mazoezi ya umakini na matumizi yanayorudiwa ili kufahamu, sawa na uzoefu wa kujifunza wa wanafunzi wa kliniki. Suluhisho moja linalowezekana ni modeli ya darasa iliyogeuzwa, ambayo imeripotiwa kuboresha uhifadhi wa maarifa katika elimu ya uhandisi14. Katika modeli hii, wanafunzi hupitia nyenzo za kinadharia kwa kujitegemea na muda wa darasani umetengwa kutatua matatizo kupitia masomo ya kesi.
Kuongeza wigo kwa washiriki wa taaluma mbalimbali: Tunaona utumiaji wa akili bandia (AI) unaohusisha ushirikiano katika taaluma mbalimbali, ikiwa ni pamoja na madaktari na wataalamu wa afya washirika wenye viwango tofauti vya mafunzo. Kwa hivyo, mitaala inaweza kuhitaji kutengenezwa kwa kushauriana na wahadhiri kutoka idara tofauti ili kurekebisha maudhui yao kulingana na maeneo tofauti ya huduma za afya.
Akili bandia ni ya hali ya juu na dhana zake kuu zinahusiana na hisabati na sayansi ya kompyuta. Kuwafunza wafanyakazi wa afya kuelewa akili bandia hutoa changamoto za kipekee katika uteuzi wa maudhui, umuhimu wa kimatibabu, na mbinu za uwasilishaji. Tunatumai kwamba maarifa yaliyopatikana kutoka kwa warsha za AI katika Elimu yatawasaidia waelimishaji wa siku zijazo kukumbatia njia bunifu za kuunganisha AI katika elimu ya matibabu.
Hati ya Google Colaboratory Python iko wazi na inapatikana katika: https://github.com/ubcaimed/ubcaimed.github.io/tree/master/.
Prober, KG na Khan, S. Kufikiria upya elimu ya matibabu: wito wa kuchukua hatua. Akkad. dawa. 88, 1407–1410 (2013).
McCoy, LG n.k. Wanafunzi wa udaktari wanahitaji kujua nini hasa kuhusu akili bandia? Nambari za NPZh. Dawa 3, 1–3 (2020).
Dos Santos, DP, et al. Mitazamo ya wanafunzi wa udaktari kuhusu akili bandia: utafiti wa vituo vingi. EURO. mionzi. 29, 1640–1646 (2019).
Fan, KY, Hu, R., na Singla, R. Utangulizi wa kujifunza kwa mashine kwa wanafunzi wa udaktari: mradi wa majaribio. J. Med. teach. 54, 1042–1043 (2020).
Cooperman N, et al. Kutambua watoto walio katika hatari ndogo sana ya kupata jeraha kubwa la ubongo baada ya jeraha la kichwa: utafiti wa kikundi unaotarajiwa. Lancet 374, 1160–1170 (2009).
Mtaa, WN, Wolberg, WH na Mangasarian, OL. Uchimbaji wa vipengele vya nyuklia kwa ajili ya utambuzi wa uvimbe wa matiti. Sayansi ya Biomedical. Usindikaji wa picha. Sayansi ya Biomedical. Weiss. 1905, 861–870 (1993).
Chen, PHC, Liu, Y. na Peng, L. Jinsi ya kutengeneza mifumo ya kujifunza kwa mashine kwa ajili ya huduma ya afya. Nat. Matt. 18, 410–414 (2019).
Selvaraju, RR et al. Grad-cam: Tafsiri ya kuona ya mitandao ya kina kupitia ujanibishaji unaotegemea gradient. Matukio ya Mkutano wa Kimataifa wa IEEE kuhusu Maono ya Kompyuta, 618–626 (2017).
Kumaravel B, Stewart K na Ilic D. Ukuzaji na tathmini ya mfumo wa ond wa kutathmini uwezo wa dawa unaotegemea ushahidi kwa kutumia OSCE katika elimu ya matibabu ya shahada ya kwanza. BMK Medicine. teach. 21, 1–9 (2021).
Kolachalama VB na Garg PS Elimu ya kujifunza kwa mashine na matibabu. Nambari za NPZh. dawa. 1, 1–3 (2018).
van Leeuwen, KG, Schalekamp, S., Rutten, MJ, van Ginneken, B. na de Rooy, M. Akili bandia katika radiolojia: Bidhaa 100 za kibiashara na ushahidi wao wa kisayansi. EURO. mionzi. 31, 3797–3804 (2021).
Topol, EJ Dawa yenye utendaji wa hali ya juu: muunganiko wa akili ya binadamu na bandia. Dawa ya Asili. 25, 44–56 (2019).
Bede, E. et al. Tathmini inayozingatia binadamu ya mfumo wa kujifunza kwa kina uliowekwa katika kliniki kwa ajili ya kugundua retinopathy ya kisukari. Kesi za Mkutano wa CHI wa 2020 kuhusu Mambo ya Binadamu katika Mifumo ya Kompyuta (2020).
Kerr, B. Darasa lililobadilika katika elimu ya uhandisi: Mapitio ya utafiti. Matukio ya Mkutano wa Kimataifa wa 2015 kuhusu Kujifunza kwa Ushirikiano Shirikishi (2015).
Waandishi wanawashukuru Danielle Walker, Tim Salcudin, na Peter Zandstra kutoka Kundi la Utafiti wa Upigaji Picha wa Biomedical na Akili Bandia katika Chuo Kikuu cha British Columbia kwa msaada na ufadhili.
RH, PP, ZH, RS na MA walikuwa na jukumu la kutengeneza maudhui ya kufundisha warsha. RH na PP walikuwa na jukumu la kutengeneza mifano ya programu. KYF, OY, MT na PW walikuwa na jukumu la kupanga vifaa vya mradi na uchambuzi wa warsha. RH, OY, MT, RS walikuwa na jukumu la kuunda takwimu na majedwali. RH, KYF, PP, ZH, OY, MY, PW, TL, MA, RS walikuwa na jukumu la kuandika na kuhariri hati.
Communication Medicine inawashukuru Carolyn McGregor, Fabio Moraes, na Aditya Borakati kwa michango yao katika mapitio ya kazi hii.
Muda wa chapisho: Februari-19-2024