Gratias tibi ago quod Nature.com invisisti. Versio navigatoris tui quam uteris limitatam sustentationem CSS habet. Pro optimis eventibus, commendamus ut recentiorem versionem navigatoris tui utaris (vel modum compatibilitatis in Internet Explorer deactivare). Interea, ut sustentationem continuam praestemus, situm sine stylis vel JavaScript monstramus.
Usus intelligentiae artificialis (IA) clinicae celeriter crescunt, sed curricula scholarum medicarum exstantia doctrinam limitatam hanc aream offerunt. Hic cursum institutionis intelligentiae artificialis, quem discipulis medicinae Canadiensibus elaboravimus et tradidimus, describimus et commendationes pro futura institutione facimus.
Intelligentia artificialis (IA) in medicina efficacitatem loci laboris augere et decisiones clinicas adiuvare potest. Ut usus intelligentiae artificialis tuto dirigantur, medici aliquam eius cognitionem habere debent. Multae commentationes doctrinam notionum IA1 suadent, ut explanationem exemplorum IA et processuum verificationis2. Attamen pauca consilia ordinata ad effectum adducta sunt, praesertim in gradu nationali. Pinto dos Santos et al.3. 263 discipuli medicinae interrogati sunt et 71% consenserunt se disciplina in intelligentia artificiali egere. Docere intelligentiam artificialem auditorio medico requirit designationem diligentem quae notiones technicas et non technicas coniungit pro discipulis qui saepe amplam priorem cognitionem habent. Experientiam nostram tradendi seriem officinarum IA tribus coetibus discipulorum medicinae describimus et commendationes pro futura educatione medica in IA facimus.
Officina nostra quinque hebdomadarum de Introductione ad Intelligentiam Artificialem in Medicina, discipulis medicinae destinata, ter inter Februarium 2019 et Aprilem 2021 habita est. Ordo cuiusque officinae, cum brevi descriptione mutationum cursus, in Figura 1 ostenditur. Cursus noster tria proposita discendi primaria habet: discipuli intellegere quomodo data in applicationibus intelligentiae artificialis processantur, litteras intelligentiae artificialis pro applicationibus clinicis analysare, et occasionibus uti ad collaborandum cum ingeniariis qui intelligentiam artificialem evolvunt.
Caeruleum est argumentum lectionis, caeruleum autem clarum est spatium interrogationum et responsionum interactivarum. Pars grisea est focus brevis recensionis litterarum. Partes aurantiacae sunt studia casuum selecta quae exempla vel artes intelligentiae artificialis describunt. Viridis est cursus programmandi directus destinatus ad docendam intelligentiam artificialem ad solvendas difficultates clinicas et aestimanda exempla. Contenta et duratio officinarum variantur secundum aestimationem necessitatum discipulorum.
Prima officina apud Universitatem Columbiae Britannicae a Februario ad Aprilem anni 2019 habita est, et omnes octo participes sententias positivas dederunt4. Ob COVID-19, secunda officina virtualiter annis Octobris-Novembris anni 2020 habita est, cum 222 discipulis medicinae et 3 medicis residentibus ex octo scholis medicis Canadiensibus se inscribentibus. Imagines praesentationis et codex in situm apertum (http://ubcaimed.github.io) immissi sunt. Sententia praecipua ex prima iteratione erat lectiones nimis intensas et materiam nimis theoreticam esse. Servitium sex zonis temporalibus Canadae difficultates addit. Itaque secunda officina singulas sessiones ad unam horam breviavit, materiam cursus simplificavit, plura studia casuum addidit, et programmata exemplaria creavit quae participibus permiserunt fragmenta codicis cum minima emendatione perficere (Capsa 1). Sententiae praecipuae ex secunda iteratione sententias positivas de exercitiis programmandi et petitionem ad demonstrandam consilia pro incepto discendi automatici comprehendunt. Quapropter, in tertio nostro seminario, quod virtualiter pro 126 discipulis medicinae mense Martio-Aprili 2021 habitum est, plura exercitia interactiva programmandi et sessiones recognitionis de proiectis inclusimus, ut demonstraremus quantum usus notionum seminariorum in proiectis exercuisset.
Analysis Datorum: Campus studii in statistica quae exempla significativa in datis identificat per analysin, processum, et communicationem exemplorum datorum.
Exploratio datorum: processus identificandi et extrahendi data. In contextu intelligentiae artificialis, haec saepe magna est, cum multis variabilibus pro quolibet exemplo.
Reductio dimensionalitatis: Processus transformandi notitias cum multis notis singularibus in pauciores, proprietatibus magni momenti notitiarum originalium servatis.
Characteres (in contextu intelligentiae artificialis): proprietates mensurabiles exempli. Saepe permutabiliter cum "proprietate" vel "variabili" adhibentur.
Tabula Activationis Gradientis: Ars ad interpretanda exempla intelligentiae artificialis (praesertim retia neuralia convolutionalia) adhibita, quae processum optimizationis ultimae partis retiarii analyzat ad regiones datorum vel imaginum valde praedictivarum identificandas.
Exemplar Standard: Exemplar intellegentiae artificialis exstans quod ad similia officia peragenda prae-instructum est.
Probatio (in contextu intelligentiae artificialis): observatio quomodo exemplar negotium perficit utens datis quibus antea non occurrit.
Instructio (in contextu intelligentiae artificialis): Praebere modelo cum datis et eventibus ut exemplar parametros internos suos accommodet ad facultatem suam peragendi officia novis datis utens optimizandam.
Vector: series datorum. In doctrina automatica, unumquodque elementum seriei plerumque est proprietas singularis exempli.
Tabula I cursus recentissimos mense Aprili anni 2021 enumerat, proposita discendi specifica pro singulis argumentis inclusis. Haec officina iis destinatur qui novi sunt in gradu technico nec ullam scientiam mathematicam ultra primum annum gradus medici baccalaurei requirit. Cursus a sex discipulis medicinae et tribus magistris cum gradibus provectis in arte ingeniaria elaboratus est. Ingeniarii theoriam intelligentiae artificialis ad docendum evolvunt, et discipuli medicinae materiam clinicam pertinentem discunt.
Officinae comprehendunt lectiones, studia casuum, et programmationem directam. In prima lectione, selecta notiones analysis datorum in biostatistica, inter quas visualisatio datorum, regressio logistica, et comparatio statisticarum descriptivarum et inductivarum, perlustramus. Quamquam analysis datorum fundamentum intelligentiae artificialis est, argumenta qualia sunt extractio datorum, probatio significationis, vel visualisatio interactiva excludimus. Hoc ob angustias temporis et etiam quia quidam discipuli baccalaurei priorem institutionem in biostatistica habebant et argumenta singularia de machinatione discendi tractare volebant. Lectio subsequens methodos modernas introducit et formulationem problematum intellegentiae artificialis, commoda et limitationes exemplorum intellegentiae artificialis, et probationem exemplorum tractat. Lectiones litteris et investigatione practica de instrumentis intellegentiae artificialis existentibus completantur. Artes necessarias ad efficaciam et possibilitatem exempli ad quaestiones clinicas tractandas aestimandam, inter quas intellegentia limitationum instrumentorum intellegentiae artificialis existentium, extollimus. Exempli gratia, discipulos rogavimus ut normas traumatis capitis paediatricis a Kupperman et al. propositas, 5 quae algorithmum arboris decisionis intelligentiae artificialis ad determinandum utrum tomographia computata utilis esset secundum examinationem medici, implementaverunt. Extollimus hoc exemplum commune esse intellegentiae artificialis analytica praedictiva medicis interpretandae praebentis, potius quam medicos substituendi.
In exemplis programmationis "bootstrap" fontis aperti praesto (https://github.com/ubcaimed/ubcaimed.github.io/tree/master/programming_examples), demonstramus quomodo analysin exploratoriam datorum, reductionem dimensionalitatis, onerationem exemplaris standardis, et institutionem ac probationem peragenda sint. Utimur libellis Google Colaboratory (Google LLC, Mountain View, CA), quae permittunt codicem Python ex navigatro interretiali exsequi. In Figura 2 exemplum exercitii programmationis praebet. Hoc exercitium malignitates praedicere utens Wisconsin Open Breast Imaging Dataset6 et algorithmo arboris decisionis implicat.
Programmata per totam hebdomadem de argumentis conexis exhibe et exempla ex applicationibus intellegentiae artificialis publicatis elige. Elementa programmandi tantum includuntur si ad perspiciendum in futuram praxim clinicam pertinentia aestimantur, ut puta quomodo exempla aestimanda sint ad determinandum utrum ad usum in experimentis clinicis parata sint. Haec exempla in applicatione completa et completa culminant quae tumores ut benignos vel malignos secundum parametros imaginum medicarum classificat.
Heterogeneitas scientiae prioris. Participantes nostri variabant in gradu scientiae mathematicae. Exempli gratia, discipuli cum studiis provectis in arte ingeniaria materiam profundiorem quaerunt, ut puta quomodo suas transformationes Fourier perficiant. Attamen, de algorithmo Fourier in classe disputare non potest quia requirit cognitionem profundam processus signorum.
Effusio frequentiae. Frequentia conventuum subsequentium imminuta est, praesertim in formis interretialibus. Solutio fortasse est frequentiam notare et testimonium completionis praebere. Scholae medicae notae sunt agnoscere transcriptiones actionum academicarum extracurricularium discipulorum, quae discipulos ad gradum consequendum incitare possunt.
Designatio Cursus: Quia Intellegentia Artificialis (IA) tot subcampos amplectitur, eligere notiones fundamentales profunditatis et latitudinis idoneae difficile esse potest. Exempli gratia, continuitas usus instrumentorum IA a laboratorio ad clinicam res magni momenti est. Dum prae-processum datorum, constructionem exemplorum, et validationem tractamus, res ut analysin magnarum copiarum datorum, visualisationem interactivam, vel peragendam probationum clinicarum IA non includimus, sed potius in notionibus IA singularissimis intenti sumus. Principium nostrum ducens est litteras, non artes, augere. Exempli gratia, intellegere quomodo exemplar proprietates input tractat magni momenti est ad interpretabilitatem. Una via ad hoc faciendum est uti mappis activationis gradientis, quae visualizare possunt quae regiones datorum praedicibiles sint. Attamen, hoc calculum multivariatum requirit et introduci non potest8. Terminologiam communem evolvere difficile erat quia conabamur explicare quomodo cum datis ut vectoribus sine formalismo mathematico laborare. Nota quod termini diversi eandem significationem habent, exempli gratia, in epidemiologia, "characteristica" describitur ut "variabilis" vel "attributum."
Retentio scientiae. Quia applicatio intellegentiae artificialis limitata est, quantum participes scientiam retinent adhuc videndum est. Programmata scholarum medicarum saepe repetitione intervallata nituntur ad scientiam confirmandam per rotationes practicas,9 quae etiam ad educationem intellegentiae artificialis adhiberi potest.
Professionalitas litterarum peritia potior est. Profunditas materiae sine rigore mathematico designata est, quod problema erat cum cursus clinici de intelligentia artificiali instituebantur. In exemplis programmandi, programmate exemplari utimur quod participibus permittit campos complere et programmata currere sine necessitate inveniendi quomodo ambitum programmandi integrum constituant.
Curae de intelligentia artificiali tractatae: Late patet cura ne intelligentia artificialis nonnulla officia clinica substituere possit3. Ut hanc quaestionem tractemus, limitationes intellegentiae artificialis explicamus, inter quas est quod fere omnes technologiae intellegentiae artificialis a regulatoribus probatae supervisionem medicam requirunt11. Etiam momentum praejudicii extollimus, quia algorithmi praejudicio obnoxii sunt, praesertim si copia datorum non est diversa12. Proinde, quidam subgrex male modellari potest, quod ad iniustas decisiones clinicas ducit.
Copiae publice praesto sunt: Copias publice praesto creavimus, inter quas laminae lectionum et codicem. Quamquam accessus ad contenta synchrona propter zonas horarias limitatus est, contenta fontis aperti methodus commoda est ad discendum asynchrone, cum peritia intellegentiae artificialis non omnibus scholis medicis praesto sit.
Collaboratio Interdisciplinaris: Haec officina est coniunctio a studentibus medicinae incepta ad cursus una cum ingeniariis designandos. Hoc demonstrat occasiones collaborationis et lacunas scientiae in utroque campo, permittens participibus intellegere munus potentiale quod in futuro afferre possunt.
Defini competentias fundamentales intellegentiae artificialis (IA). Definitio indicis competentiarum structuram normatam praebet quae in curricula medica iam exstantia, secundum competentias fundata, integrari potest. Haec officina nunc utitur Gradibus Objectivorum Discendi 2 (Comprehensio), 3 (Applicatio), et 4 (Analysis) Taxonomiae Bloomianae. Habere opes in altioribus classificationis gradibus, ut creationem proiectorum, scientiam ulterius confirmare potest. Hoc requirit collaborationem cum peritis clinicis ad determinandum quomodo argumenta intellegentiae artificialis ad opera clinica applicari possint et ad prohibendum doctrinam argumentorum repetitivorum iam in curriculis medicis normalibus inclusium.
Exempla casuum crea utens intellegentia artificiali. Similiter exemplis clinicis, discere per casus potest notiones abstractas confirmare, earum pertinentiam ad quaestiones clinicas illustrando. Exempli gratia, unum studium officinae systema detectionis retinopathiae diabeticae Google, quod intellegentia artificiali fundatur, 13 investigavit, ut difficultates in via a laboratorio ad clinicam, ut requisita validationis externae et vias approbationis regulatoriae, identificaret.
Utere doctrina experientiali: Artes technicae requirunt exercitationem intentam et applicationem repetitam ad perficiendum, similes experientiis discendi rotantibus tirocinantium clinicorum. Una solutio potentialis est exemplar classis inversae, quod relatum est ad retentionem scientiae in educatione ingeniaria emendandam14. In hoc exemplo, discipuli materiam theoreticam separatim pertractant et tempus classis dedicatur ad solvenda problemata per studia casuum.
Amplificatio pro participantibus multidisciplinaribus: Adoptionem intellegentiae artificialis (IA) collaborationem per multas disciplinas implicantem praevidimus, inter quos medici et periti sanitarii socii cum variis gradibus institutionis. Ergo, curricula fortasse elaboranda sunt consultatione cum professoribus ex variis dipartimentis ut eorum contenta ad varias curationis salutis areas aptentur.
Intelligentia artificialis est summae technologiae et eius notiones principales ad mathematicam et scientiam computatralem pertinent. Educatio medicorum sanitariorum ad intellegendam intelligentiam artificialem singulares difficultates praebet in delectu contentorum, pertinentia clinica, et modis traditionis. Speramus fore ut perspicientiae ex officinis de Intelligentia Artificiali in Educatione acquisitae futuris educatoribus auxilium ferant ad amplectendas vias novas ad Intelligentiam Artificialem in educationem medicam integrandam.
Scriptum Pythonicum pro Google Colaboratory fontibus apertis praesto est apud: https://github.com/ubcaimed/ubcaimed.github.io/tree/master/.
Prober, KG et Khan, S. *De educatione medica recogitanda: incitatio ad actionem*. Akkad. medicine. 88, 1407–1410 (2013).
McCoy, LG etc. Quid discipuli medicinae vere scire debent de intelligentia artificiali? Numeri NPZh. Medicina 3, 1–3 (2020).
Dos Santos, DP, et al. *Affectiones discipulorum medicinae erga intelligentiam artificialem: inquisitio multicentrica*. EURO. *Radiation*. 29, 1640–1646 (2019).
Fan, KY, Hu, R., et Singla, R. *Introductio ad machinalem doctrinam discipulis medicinae: proiectum experimentale*. J. Med. teach. 54, 1042–1043 (2020).
Cooperman N, et al. Identificatio puerorum periculo laesionis cerebri clinicē significantis post laesionem capitis minimo obnoxiorum: studium cohortis prospectivum. Lancet 374, 1160–1170 (2009).
Street, WN, Wolberg, WH et Mangasarian, OL. Extractio proprietatum nuclearium ad diagnosin tumoris mammae. *Biomedical Science. Imaginum processing.* *Biomedical Science.* Weiss. 1905, 861–870 (1993).
Chen, PHC, Liu, Y. et Peng, L. *Quomodo exempla doctrinae automaticae ad curationem valetudinis evolvere.* Nat. Matt. 18, 410–414 (2019).
Selvaraju, RR et al. Grad-cam: Interpretatio visualis retium profundarum per localizationem secundum gradientes. Acta Conferentiae Internationalis IEEE de Visione Computatrali, 618–626 (2017).
Kumaravel B, Stewart K et Ilic D. Elaboratio et aestimatio exemplaris spiralis ad aestimandas competentias medicinae fundatas in probationibus utens OSCE in educatione medica studiorum primorum. BMK Medicine. teach. 21, 1–9 (2021).
Kolachalama VB et Garg PS. Doctrina automatica et educatio medica. Numeri NPZh. Medicina. 1, 1–3 (2018).
van Leeuwen, KG, Schalekamp, S., Rutten, MJ, van Ginneken, B. et de Rooy, M. Intelligentia artificialis in radiologia: 100 productorum mercatorum eorumque testimonio scientifico. EURO. femper. XXXI, 3797–3804 (2021).
Topol, EJ. Medicina summae efficacitatis: convergentia intelligentiae humanae et artificialis. *Nat. medicine* 25, 44–56 (2019).
Bede, E. et al. Aestimatio in homine centrata systematis discendi profundi in clinica adhibitī ad retinopathiam diabeticam detegendam. Acta Conferentiae CHI 2020 de Factoribus Humanis in Systematibus Computatoriis (2020).
Kerr, B. *Schola inversa in educatione machinali: recensio investigationis*. Acta Conferentiae Internationalis de Doctrina Interactiva Collaborativa anni 2015 (2015).
Auctores gratias agunt Danielle Walker, Timo Salcudin, et Petro Zandstra ex Grege Investigationis Imaginum Biomedicarum et Intelligentiae Artificialis apud Universitatem Columbiae Britannicae pro auxilio et pecunia.
RH, PP, ZH, RS et MA materiam docendi officinarum evolvendam curaverunt. RH et PP exempla programmandi evolvenda susceperunt. KYF, OY, MT et PW ordinationem logisticam incepti et analysin officinarum curaverunt. RH, OY, MT, RS figuras et tabulas creare curaverunt. RH, KYF, PP, ZH, OY, MY, PW, TL, MA, RS documentum conficiendum et recensendum curaverunt.
Medicina Communicationis Carolyn McGregor, Fabio Moraes, et Aditya Borakati pro contributionibus suis ad recensionem huius operis gratias agit.
Tempus publicationis: XIX Februarii, MMXXIV