Διαλέξεις & Θεωρητική Παρουσίαση

Εργαστηριακές Ασκήσεις σε πραγματικά δεδομένα

Case studies, ομαδικές παρουσιάσεις

Εφαρμογή τεχνολογιών VR/AR και διαδραστικές πλατφόρμες

Χρήση προσωπικών σταθμών εργασίας (ΗΥ) ανά άτομο.

Επικοινωνία με τους φοιτητές μέσω της εκπαιδευτικής πλατφόρμας e-class για την ενημέρωση των φοιτητών, την προβολή και διάθεση των διαφανειών των διαλέξεων, την παροχή εκπαιδευτικού υλικού την ανάθεση και λήψη εργασιών προς τους φοιτητές

Ερωτήσεις σύντομης απάντησης,

Δημόσια παρουσίαση εργασίας,

Επίλυση προβλημάτων.

Συμμετοχή και παρακολούθηση με ανατροφοδότηση.

Γραπτές εργασίες / παρουσιάσεις

Εργαστηριακές Ασκήσεις

Τελική εξέταση (γραπτή)

Το μάθημα “Ιατρική Πληροφορική “ έχει ως στόχο να εισαγάγει τους φοιτητές στις βασικές αρχές της σύγχρονης Ιατρικής Πληροφορικής, με έμφαση στην επεξεργασία ιατρικών δεδομένων, την τεχνητή νοημοσύνη, τις εφαρμογές τηλεϊατρικής και την εικονική/επαυξημένη πραγματικότητα στην ιατρική. Οι φοιτητές θα αποκτήσουν γνώση των τεχνολογιών που χρησιμοποιούνται στην κλινική πράξη, στη διαχείριση υγειονομικών δεδομένων και στην υποστήριξη κλινικών αποφάσεων. Το μάθημα θα συνδυάζει θεωρητικές διαλέξεις με πρακτικές εφαρμογές, επιτρέποντας στους φοιτητές να κατανοήσουν και να χρησιμοποιήσουν τις σύγχρονες τεχνολογίες στην ιατρική πράξη.

Με την επιτυχή ολοκλήρωση του μαθήματος ο φοιτητής / τρια θα είναι σε θέση να:

 Κατανοούν τις βασικές έννοιες της Ιατρικής Πληροφορικής και τον ρόλο της στην κλινική πράξη και στην υγειονομική διοίκηση.

• Αναγνωρίζουν τα είδη και τις πηγές ιατρικών δεδομένων και να εφαρμόζουν βασικές τεχνικές επεξεργασίας και ανάλυσης.
• Αξιολογούν τη χρήση αλγορίθμων Τεχνητής Νοημοσύνης (ΤΝ), Συστημάτων Υποστήριξης Κλινικών Αποφάσεων και Τηλεϊατρικής.
• Εφαρμόζουν βασικές μεθόδους επεξεργασίας εικόνας και ανάλυσης σημάτων.
• Εξηγούν τις αρχές και τις χρήσεις της Εικονικής και Επαυξημένης Πραγματικότητας στην ιατρική εκπαίδευση και πρακτική.
• Συζητούν ηθικά, νομικά και κοινωνικά ζητήματα που ανακύπτουν από την εφαρμογή της ΤΝ και της ψηφιακής τεχνολογίας στην υγεία.

Αντιστοίχιση με EQF – Επίπεδο 6:

Γνώσεις: Προηγμένες γνώσεις στην οργάνωση και επεξεργασία ιατρικών δεδομένων, συστημάτων ΤΝ, EHR, CDSS.

Δεξιότητες: Χρήση εργαλείων επεξεργασίας δεδομένων, ερμηνεία κλινικών παραδειγμάτων, βασικός χειρισμός VR/AR.

Ικανότητες: Λήψη αποφάσεων με βάση δεδομένα, συνεργασία σε ομαδικές εργασίες, ανάπτυξη ολιστικής κατανόησης του ψηφιακού οικοσυστήματος στην ιατρική.

Γενικές Ικανότητες

Δομή και Περιεχόμενο Μαθήματος (13 Εβδομάδες)

1η Εβδομάδα: Εισαγωγή στην Ιατρική Πληροφορική

• Ορισμός και Σκοπός της Ιατρικής Πληροφορικής.
• Ιστορική Αναδρομή και Εξέλιξη του Πεδίου.
• Ο ρόλος της τεχνολογίας στην Ιατρική.
• Η σύγκλιση της πληροφορικής με την κλινική πράξη.

2η Εβδομάδα: Βασικές Αρχές της Ιατρικής Πληροφορικής

• Δομή και Οργάνωση Δεδομένων Υγείας.
• Τεχνολογίες Διαχείρισης Βάσεων Δεδομένων.
• Συστήματα Υποστήριξης Κλινικών Αποφάσεων (CDSS).
• Ηλεκτρονικοί Ιατρικοί Φάκελοι (EHR): Βασικές Λειτουργίες και Οφέλη.
• Τυποποιήσεις και Πρωτόκολλα: HL7, DICOM, κλπ.

3η Εβδομάδα: Αλγόριθμοι και Επεξεργασία Δεδομένων Υγείας

• Αλγόριθμοι Μηχανικής Μάθησης και Ιατρική Ανάλυση.
• Μεγάλα Δεδομένα (Big Data) στην Ιατρική.
• LLMs στην Ιατρική
• Διαχείριση, Επεξεργασία και Οπτικοποίηση Δεδομένων.
• Πηγές Ιατρικών Δεδομένων: Wearables, Εικόνες, Γενετική Πληροφορική.

4η Εβδομάδα: Εισαγωγή στην Τεχνητή Νοημοσύνη (ΤΝ)

• Βασικές Έννοιες Τεχνητής Νοημοσύνης.
• Διαφορές μεταξύ Μηχανικής Μάθησης, Βαθιάς Μάθησης και Νευρωνικών Δικτύων.
• Δυνατότητες και Περιορισμοί της ΤΝ στην Ιατρική.
• Ηθικά Ζητήματα και Διαχείριση Ρίσκου.

5η Εβδομάδα: Εφαρμογές ΤΝ στη Διάγνωση

• Αναγνώριση Προτύπων (Pattern Recognition) σε Ιατρικά Δεδομένα.
• ΤΝ στην Επεξεργασία Εικόνας (MRI, CT, Ακτινογραφίες).
• Διάγνωση Νόσων μέσω Αλγορίθμων.
• Ανάλυση Βιολογικών Σημάτων (ΗΚΓ, EEG).

6η Εβδομάδα: Εφαρμογές ΤΝ στη Θεραπεία

• Προσωποποιημένη Ιατρική και ΤΝ.
• Ρομποτική Χειρουργική: Τεχνολογία- Ρόλος και Εξελίξεις.
• Ανάλυση Δεδομένων για την Πρόβλεψη Θεραπευτικών Αποτελεσμάτων.
• Χρήση ΤΝ στη Φαρμακολογία (Drug Discovery).

7η Εβδομάδα: Τηλεϊατρική και Υποστήριξη μέσω ΤΝ

• Χρήση της ΤΝ στην Τηλεϊατρική.
• Συστήματα Εικονικής Βοήθειας για Ασθενείς (Chatbots, Virtual Nurses).
• Αρχιτεκτονική Απομακρυσμένης Παρακολούθησης και Διαχείρισης Χρόνιων Παθήσεων.

8η Εβδομάδα: Εικονική και Επαυξημένη Πραγματικότητα (VR/AR) στην Ιατρική

• Εισαγωγή στην Εικονική και Επαυξημένη Πραγματικότητα.
• Βασικές αρχές Εκπαίδευσης Ιατρών με Χρήση VR/AR.
• Χρήση VR/AR στη Χειρουργική Προετοιμασία και Θεραπεία.
• Εφαρμογές VR/AR στην Αποκατάσταση και Ψυχοθεραπεία.

9η Εβδομάδα: Προκλήσεις και Ηθικά Ζητήματα

• Ασφάλεια Δεδομένων και Ιδιωτικότητα.
• Αντιμετώπιση Μεροληψίας στους Αλγορίθμους.
• Νομοθετικά Πλαίσια για την ΤΝ στην Ιατρική.
• Αποδοχή ΤΝ από την Ιατρική Κοινότητα.

10η Εβδομάδα: Βιοηθική και Ανθρώπινη Εμπλοκή

• Πώς η ΤΝ επηρεάζει τη σχέση γιατρού-ασθενή.
• Ο ρόλος του ανθρώπου στη λήψη αποφάσεων.
• Κίνδυνος Απώλειας Ανθρωποκεντρικής Ιατρικής.

11η Εβδομάδα: Μελλοντικές Τάσεις

• Αναδυόμενες Τεχνολογίες: Quantum Computing και Ιατρική.
• Συνδυασμός ΤΝ με Γονιδιωματική.
• Η επίδραση της ΤΝ στην Παγκόσμια Υγειονομική Φροντίδα.

12η Εβδομάδα: Παραδείγματα Εφαρμογών (με συμμετοχή καθηγητών συναφών κλινικών ειδικοτήτων)

• Επιτυχημένα Παραδείγματα Χρήσης ΤΝ στην Κλινική Πράξη.
• Case Studies από Πραγματικές Ιατρικές Εφαρμογές.
• Αποτελέσματα και Μαθήματα από ΤΝ Έργα.

13η Εβδομάδα: Ανασκόπηση και Εργαστηριακή Άσκηση

• Επαναληπτική σύνοψη όλων των ενοτήτων.
• Συζήτηση και ερωτήσεις.
• Εφαρμογή πρακτικών εργασιών σε ιατρικά δεδομένα.
• Προετοιμασία για τελική αξιολόγηση.

-Προτεινόμενη Βιβλιογραφία :

 “Πληροφορική Υγείας” των Ταξιάρχη Μπότση και Στέλιου Χαλκιώτη,

“Βιοπληροφορική – Εφαρμογές Υπολογιστών στη Φροντίδα Υγείας και τη Βιοϊατρική” των Cimino J. και Shortliffe.-