Проектирование интеллектуальных медицинских систем

Описание: В ходе курса магистранты получат систематизированные знания о методах и средствах проектирования интеллектуальных медицинских систем, которые активно применяются в современной медицинской практике.

Количество кредитов: 6

Пререквизиты:

• Интегральная и микропроцессорная схемотехника

Трудоемкость дисциплины:

Компонент: Вузовский компонент

Цикл: Профилирующие дисциплины

Цель

• Формирование у магистрантов теоретических знаний и практических навыков в области разработки, внедрения и оценки интеллектуальных медицинских систем, основанных на методах искусственного интеллекта, машинного обучения и анализа данных, с учетом требований медицинской отрасли, стандартов и аспектов надежности, интерпретируемости и кибербезопасности.

Задача

• понимание принципов проектирования интеллектуальных медицинских систем
• овладение методами обработки и анализа медицинских данных
• освоение алгоритмов машинного обучения и их применения в медицине
• освоение современных технологий и инструментов разработки интеллектуальных медицинских систем
• понимание правовых и этических аспектов внедрения интеллектуальных технологий в здравоохранение

Результат обучения: знание и понимание

• описывать концепции и принципы проектирования интеллектуальных медицинских систем,
• объяснять методы обработки, анализа и визуализации медицинских данных,

Результат обучения: применение знаний и пониманий

• разрабатывать модели машинного обучения и искусственного интеллекта для решения медицинских задач,
• использовать современные инструменты (Python, MATLAB, TensorFlow, OpenCV) для проектирования и тестирования интеллектуальных медицинских систем,

Результат обучения: формирование суждений

• критически анализировать и интерпретировать результаты работы интеллектуальных медицинских систем,
• оценивать качество и точность моделей, применять методы Explainable AI для интерпретации решений,

Результат обучения: коммуникативные способности

• демонстрировать способность к междисциплинарному взаимодействию с медицинскими специалистами и инженерами,

Результат обучения: навыки обучения или способности к учебе

• применять современные технологии и методы проектирования интеллектуальных медицинских систем, анализировать научные публикации и осваивать новые инструменты для решения актуальных задач в цифровой медицине.

Оценка знаний обучающегося

Преподаватель проводит все виды работ текущего контроля и выводит соответствующую оценку текущей успеваемости обучающихся два раза в академический период. По результатам текущего контроля формируется рейтинг 1 и 2. Учебные достижения обучающегося оцениваются по 100-балльной шкале, итоговая оценка Р1 и Р2 выводится как средняя арифметическая из оценок текущей успеваемости. Оценка работы обучающегося в академическом периоде осуществляется преподавателем в соответствии с графиком сдачи заданий по дисциплине. Система контроля может сочетать письменные и устные, групповые и индивидуальные формы.

Политика оценивания результатов обучения по видам работ

Форма оценки

Итоговая оценка знаний обучающего по дисциплине осуществляется по 100 балльной системе и включает:

• 40% результата, полученного на экзамене;
• 60% результатов текущей успеваемости.

Формула подсчета итоговой оценки:

 

где, Р₁, Р₂ – цифровые эквиваленты оценок первого, второго рейтингов соответственно; Э – цифровой эквивалент оценки на экзамене.

Итоговая буквенная оценка и ее цифровой эквивалент в баллах:

Буквенная система оценки учебных достижений обучающихся, соответствующая цифровому эквиваленту по четырехбалльной системе:

Темы лекционных занятий

• Введение в интеллектуальные медицинские системы
• Методы искусственного интеллекта в медицине
• Особенности медицинских данных и подготовка к анализу
• Методы интеллектуального анализа медицинских данных
• Разработка моделей для диагностики и прогнозирования заболеваний
• Разработка систем поддержки принятия врачебных решений (CDSS)
• Использование компьютерного зрения в медицине
• Технологии персонализированной медицины
• Инструменты и программные платформы для разработки ИМС
• Цифровые технологии в умных медицинских системах
• Кибербезопасность и защита медицинских данных
• Реализация ИМС в клинической практике: сложности и вызовы
• Будущее ИМС: тенденции и инновации
• Медицинские цифровые двойники и их применение
• Этические и правовые аспекты применения ИМС

Основная литература

• Тополь Э. Искусственный интеллект в медицине. Как умные технологии меняют подход к лечению. - 2022. - 400с.
• Карпов О. Э., Храмов А. Е. Информационные технологии, вычислительные системы и искусственный интеллект в медицине. - М.: ДПК Пресс, 2022. – 480 с.
• Кобринский Б. и др.Интеллектуальные и информационные системы в медицине: мониторинг и поддержка принятия решений. 2016. – 529 с.

Дополнительная литература

• Гусев А. В., Романов Ф. А., Дуданов И. П., Воронин А. В. Медицинские информационные системы: Монография. / А.В. Гусев, Ф. А. Романов, И. П. Дуданов, А. В. Воронин. ПетрГУ. - Петрозаводск: Издательство, ПетрГУ. - 404 с.
• Edward H. Shortliffe, James J. Cimino Biomedical Informatics: Computer Applications in Health Care and Biomedicine. – 2021. – 1152р.