ΕΦΑΡΜΟΓΕΣ ΤΕΧΝΗΤΗΣ ΝΟΗΜΟΣΥΝΗΣ ΚΑΙ ΜΙΚΤΗΣ ΚΑΙ ΕΠΑΥΞΗΜΕΝΗΣ ΠΡΑΓΜΑΤΙΚΟΤΗΤΑΣ ΣΤΗΝ ΙΑΤΡΙΚΗ

ΕΦΑΡΜΟΓΕΣ ΤΕΧΝΗΤΗΣ ΝΟΗΜΟΣΥΝΗΣ ΚΑΙ ΜΙΚΤΗΣ ΚΑΙ ΕΠΑΥΞΗΜΕΝΗΣ ΠΡΑΓΜΑΤΙΚΟΤΗΤΑΣ ΣΤΗΝ ΙΑΤΡΙΚΗ

ΕΦΑΡΜΟΓΕΣ ΤΕΧΝΗΤΗΣ ΝΟΗΜΟΣΥΝΗΣ ΚΑΙ ΜΙΚΤΗΣ ΚΑΙ ΕΠΑΥΞΗΜΕΝΗΣ ΠΡΑΓΜΑΤΙΚΟΤΗΤΑΣ ΣΤΗΝ ΙΑΤΡΙΚΗ

Κωδικός Μαθήματος:ΒΕ0902

Υπεύθυνος Καθηγητής:Τσούγκος Χρυσοβαλάντης – Ιωάννης, Καθηγητής

Άλλοι Διδάσκοντες:

Τσιβάκα Δήμητρα


ECTS:2.00

Τύπος|Είδος Μαθήματος:ΕΠ | ΥΠΟΒΆΘΡΟΥ

Εξάμηνο Διδασκαλίας:Χειμερινό Εξάμηνο

Ώρες την Εβδομάδα:2 Ώρες

Συνολικός χρόνος (Ώρες Διδασκαλίας + Φόρτος Εργασίας Φοιτητή)54 Ώρες

Προαπαιτούμενα:ΟΧΙ

Γλώσσα Διδασκαλίας:Ελληνικά

Διαθέσιμο για Erasmus:ΝΑΙ

Διαλέξεις Εξαμήνου:Σύντομα Διαθέσιμο…

Τρόπος Διδασκαλία:

Διαλέξεις  στο αμφιθέατρο, εκπαίδευση και εξάσκηση στο εργαστήριο προσομοίωσης με Εφαρμογές Ενισχυμένης Πραγματικότητας (AR) και Εικονικής Πραγματικότητας (VR).

ΟΧΙ (υποχρεωτική παρουσία ΜΟΝΟ στις εργαστηριακές ασκήσεις)

Χρήση προσωπικών σταθμών εργασίας (ΗΥ) ανά άτομο.

ΟΠΤΙΚΟΑΚΟΥΣΤΙΚΟΣ ΕΞΟΠΛΙΣΜΟΣ XR (AR και VR)

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. 


Μέθοδος Αξιολόγησης:

Ερωτήσεις σύντομης απάντησης,

Δημόσια παρουσίαση εργασίας,

Επίλυση προβλημάτων.


Αντικειμενικοί Στόχοι/Επιδιωκόμενα Αποτελέσματα:

Το μάθημα εμβαθύνει στις χρήση των τεχνολογιών Τεχνητής Νοημοσύνης και των εφαρμογών τους στον ιατρικό κλάδο με έμφαση στις τεχνολογίες υποστήριξης αποφάσεων.

Η τεχνητή νοημοσύνη στην ιατρική αναφέρεται στη χρήση τεχνολογίας όπως μηχανικής μάθησης και αναλυτικών αλγορίθμων, για την ανάλυση δεδομένων, τη διάγνωση ασθενειών, την παροχή προσωποποιημένης θεραπείας και τη βελτίωση της ποιότητας της περίθαλψης.

Η τεχνητή νοημοσύνη μπορεί να χρησιμοποιηθεί σε πολλούς τομείς της ιατρικής, όπως η αξιολόγηση εικόνων ιατρικών εξετάσεων (όπως ακτινογραφίες και MRI), η πρόβλεψη της πορείας της νόσου, η προσωποποίηση της θεραπείας, η διαχείριση των ιατρικών εγγράφων και η βελτίωση της απόδοσης των κλινικών διαδικασιών.

Η εφαρμογή της τεχνητής νοημοσύνης στην ιατρική έχει το δυναμικό να βελτιώσει την ακρίβεια, την αποτελεσματικότητα και την προσβασιμότητα των υπηρεσιών υγείας.

H ύλη του μαθήματος στοχεύει στην κατανόηση της θεωρίας και των μεθόδων που αφορούν στη δημιουργία και λειτουργία συστημάτων υποστήριξης αποφάσεων και διαχείρισης ασθενών. Γίνεται παρουσίαση των διαφορετικών απεικονιστικών τρόπων ανατομικών πληροφοριών. Εισάγονται οι έννοιες της απομακρυσμένης ιατρικής φροντίδας και πράξης, της παρακολούθησης βιοιατρικών δεδομένων σε πραγματικό χρόνο σε ασθενείς εντός και εκτός κλινικής.

Τέλος, στόχο του μαθήματος αποτελεί η κατανόηση από τους σπουδαστές των διαθέσιμων δυνατοτήτων που παρέχει η τεχνολογία πληροφοριών και επικοινωνιών στη δημιουργία, αποθήκευση, διάδοση και χρήση της δομημένης ιατρικής γνώσης καθώς και στην επίδειξη των δυνατοτήτων αυτών στη διευκόλυνση του ιατρικού έργου. Οι εφαρμογές ενισχυμένης πραγματικότητας (AR) και εικονικής πραγματικότητας (VR) έχουν ευρεία εφαρμογή στην ιατρική εκπαίδευση και μπορούν να προσφέρουν πολλαπλά οφέλη.

Αυτά τα θέματα θα παρουσιάζονται μέσω διαλέξεων, παραδειγμάτων από πραγματικές εφαρμογές και σενάρια εργαστηριακών ασκήσεων όπου οι φοιτητές θα εφαρμόσουν τις γνώσεις τους σε πραγματικά δεδομένα.

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

 Οι μαθησιακοί στόχοι του μαθήματος στοχεύουν στην κατανόηση των θεμελιωδών αρχών της τεχνητής νοημοσύνης και της μηχανικής μάθησης, καθώς και στην ικανότητα εφαρμογής αυτών των αρχών σε ιατρικά προβλήματα.

  • Κατανόηση των βασικών αρχών της τεχνητής νοημοσύνης (ΤΝ) και της μηχανικής μάθησης (ML): Οι φοιτητές θα πρέπει να κατανοήσουν τις βασικές έννοιες και αλγορίθμους της ΤΝ και της ML, όπως νευρωνικά δίκτυα, δέντρα απόφασης και οι μέθοδοι επιβλεπόμενης/ημιπιβλεπόμενης μάθησης.
  • Εφαρμογή της ΤΝ και της ML σε ιατρικά δεδομένα: Οι φοιτητές θα πρέπει να μπορούν να εφαρμόζουν τεχνικές ΤΝ και ML σε ιατρικά δεδομένα, όπως εικόνες ακτινογραφιών, δεδομένα γενετικής ανάλυσης και κλινικά ιστορικά ασθενών.
  • Ανάπτυξη κλινικών εφαρμογών: Οι φοιτητές θα πρέπει να μπορούν να αναπτύσσουν κλινικές εφαρμογές βασισμένες σε τεχνολογίες ΤΝ και ML, που να αντιμετωπίζουν πραγματικά προβλήματα στην ιατρική πρακτική.
  • Αξιολόγηση αποτελεσμάτων: Οι φοιτητές θα πρέπει να μπορούν να αξιολογούν την αποτελεσματικότητα και την ακρίβεια των μοντέλων που αναπτύσσουν, καθώς και να αναγνωρίζουν πιθανές προκλήσεις και περιορισμούς.
  • Κατανόηση της τεχνολογίας AR και VR: Οι φοιτητές θα πρέπει να κατανοήσουν τις βασικές αρχές και τη λειτουργία της τεχνολογίας AR και VR, καθώς και τις διαφορές μεταξύ τους.
  • Εφαρμογές στην ιατρική εκπαίδευση: Οι φοιτητές θα πρέπει να μπορούν να αναγνωρίζουν και να εξερευνούν τις ποικίλες εφαρμογές της τεχνολογίας AR και VR στην ιατρική εκπαίδευση, όπως η αναπαράσταση ανατομίας, η προσομοίωση χειρουργικών επεμβάσεων και η εκπαίδευση σε κλινικές δεξιότητες.
  • Ηθικές και νομικές πτυχές: Οι φοιτητές θα πρέπει να είναι σε θέση να κατανοούν τις ηθικές και νομικές πτυχές που σχετίζονται με τη χρήση της τεχνητής νοημοσύνης στην ιατρική πρακτική.

Οι παραπάνω μαθησιακοί στόχοι θα βοηθήσουν τους φοιτητές να αναπτύξουν τις απαιτούμενες γνώσεις, δεξιότητες και ικανότητες για να ασκήσουν με επιτυχία την τεχνητή νοημοσύνη στον ιατρικό τομέα.

Γενικές Ικανότητες

Αναζήτηση, ανάλυση και σύνθεση δεδομένων και πληροφοριών, με τη χρήση και των απαραίτητων τεχνολογιών

Αυτόνομη εργασία

Ομαδική εργασία

Εργασία σε διεπιστημονικό περιβάλλον

Προαγωγή της επαγωγικής σκέψης


URL Μαθήματος :http://eclass.uth.gr/eclass/courses/SEYA274/

Περιγραφή Μαθήματος:1. Εισαγωγή στην τεχνητή νοημοσύνη και τη μηχανική μάθηση.
2. Εφαρμογές τεχνητής νοημοσύνης στην ιατρική.
3. Ανάλυση δεδομένων στην ιατρική: Μέθοδοι και εργαλεία.
4. Μοντέλα μηχανικής μάθησης για την ανάλυση ιατρικών δεδομένων.
5. Εφαρμογές ενισχυμένης πραγματικότητας και εικονικής πραγματικότητας στην ιατρική εκπαίδευση.
6. Τεχνολογίες επεξεργασίας φυσιολογικών σημάτων και εικόνων για ιατρικές εφαρμογές.
7. Ηθικές και νομικές πτυχές της τεχνητής νοημοσύνης στην ιατρική.

Συνιστώμενη βιβλιογραφία:

-Προτεινόμενη Βιβλιογραφία :

Δημήτριος Ι. Γκορίλας ΤΕΧΝΗΤΗ ΝΟΗΜΟΣΥΝΗ ΚΑΙ ΟΙ ΕΦΑΡΜΟΓΕΣ ΤΗΣ ΣΤΗΝ ΙΑΤΡΙΚΗ

ISBN: 978-618-00-2914-7 

“Artificial Intelligence in Medicine: What is important?” από Sussman, A. και McCue, M. J.

 “Artificial Intelligence in Medicine: Future Prospects” από Deka, G. C. και Choudhury, P..

-Συναφή επιστημονικά περιοδικά: –


elGreek
Μετάβαση στο περιεχόμενο