Grazie per avè visitatu Nature.com. A versione di u navigatore chì utilizate hà un supportu CSS limitatu. Per i migliori risultati, vi cunsigliemu di utilizà una versione più recente di u vostru navigatore (o di disattivà a modalità di cumpatibilità in Internet Explorer). Intantu, per assicurà un supportu continuu, mostremu u situ senza stile o JavaScript.
L'applicazioni di l'intelligenza artificiale clinica (IA) crescenu rapidamente, ma i prugrammi di studiu di e scole di medicina esistenti offrenu un insegnamentu limitatu chì copre questu duminiu. Quì descrivemu un corsu di furmazione nantu à l'intelligenza artificiale chì avemu sviluppatu è furnitu à i studienti di medicina canadiani è facemu raccomandazioni per a furmazione futura.
L'intelligenza artificiale (IA) in medicina pò migliurà l'efficienza di u locu di travagliu è aiutà a presa di decisioni cliniche. Per guidà in modu sicuru l'usu di l'intelligenza artificiale, i medichi devenu avè una certa cunniscenza di l'intelligenza artificiale. Parechji cummenti sustenenu l'insignamentu di cuncetti di IA1, cum'è a spiegazione di i mudelli di IA è di i prucessi di verificazione2. Tuttavia, pochi piani strutturati sò stati implementati, in particulare à u livellu naziunale. Pinto dos Santos et al.3. 263 studienti di medicina sò stati intervistati è u 71% hà accunsentutu chì avianu bisognu di furmazione in intelligenza artificiale. L'insignamentu di l'intelligenza artificiale à un publicu medicu richiede una cuncepzione attenta chì combina cuncetti tecnichi è micca tecnichi per i studienti chì spessu anu una vasta cunniscenza previa. Descrivemu a nostra sperienza in a realizazione di una seria di seminarii di IA à trè gruppi di studienti di medicina è facemu raccomandazioni per a futura educazione medica in IA.
U nostru attellu di cinque settimane d'introduzione à l'intelligenza artificiale in medicina per i studienti di medicina hè statu tenutu trè volte trà ferraghju 2019 è aprile 2021. Un calendariu per ogni attellu, cù una breve descrizzione di i cambiamenti à u corsu, hè mostratu in a Figura 1. U nostru corsu hà trè obiettivi di apprendimentu principali: i studienti capiscenu cumu i dati sò trattati in l'applicazioni di intelligenza artificiale, analizzanu a literatura di l'intelligenza artificiale per l'applicazioni cliniche è prufittanu di l'opportunità di collaborà cù l'ingegneri chì sviluppanu l'intelligenza artificiale.
U turchinu hè u tema di a cunferenza è u turchinu chjaru hè u periodu interattivu di dumande è risposte. A sezzione grisgia hè u focu di a breve rivista di a literatura. E sezzione aranciu sò studii di casu selezziunati chì descrivenu mudelli o tecniche di intelligenza artificiale. U verde hè un corsu di prugrammazione guidata cuncipitu per insignà l'intelligenza artificiale per risolve prublemi clinichi è valutà i mudelli. U cuntenutu è a durata di i seminarii varianu secondu una valutazione di i bisogni di i studienti.
U primu seminariu hè statu tenutu à l'Università di a Columbia Britannica da ferraghju à aprile 2019, è tutti l'8 participanti anu datu feedback pusitivu4. A causa di COVID-19, u secondu seminariu hè statu tenutu virtualmente in uttrovi-nuvembre 2020, cù 222 studienti di medicina è 3 residenti di 8 scole di medicina canadiane chì si sò registrati. E diapositive di presentazione è u codice sò stati caricati nantu à un situ à accessu apertu (http://ubcaimed.github.io). U feedback chjave di a prima iterazione hè statu chì e lezioni eranu troppu intense è u materiale troppu teoricu. Serve i sei diversi fusi orari di u Canada pone sfide supplementari. Cusì, u secondu seminariu hà accurtatu ogni sessione à 1 ora, hà simplificatu u materiale di u corsu, hà aghjustatu più studii di casi è hà creatu prugrammi boilerplate chì anu permessu à i participanti di cumpletà frammenti di codice cù un debugging minimu (Casella 1). I feedback chjave di a seconda iterazione anu inclusu feedback pusitivu nantu à l'esercizii di prugrammazione è una dumanda per dimustrà a pianificazione per un prughjettu di apprendimentu automaticu. Dunque, in u nostru terzu attellu, urganizatu virtualmente per 126 studienti di medicina in marzu-aprile 2021, avemu inclusu più esercizii di codificazione interattivi è sessioni di feedback di prughjetti per dimustrà l'impattu di l'usu di cuncetti di attellu nantu à i prughjetti.
Analisi di i dati: Un campu di studiu in statistica chì identifica mudelli significativi in i dati analizendu, trasfurmendu è cumunicendu mudelli di dati.
Estrazione di dati: u prucessu d'identificazione è estrazione di dati. In u cuntestu di l'intelligenza artificiale, questu hè spessu grande, cù parechje variabili per ogni campione.
Riduzione di a dimensionalità: U prucessu di trasfurmazione di dati cù parechje caratteristiche individuali in menu caratteristiche cunservendu e proprietà impurtanti di u set di dati originale.
Caratteristiche (in u cuntestu di l'intelligenza artificiale): proprietà misurabili di un campione. Spessu aduprate in modu intercambiabile cù "pruprietà" o "variabile".
Carta di Attivazione di Gradienti: Una tecnica aduprata per interpretà i mudelli di intelligenza artificiale (in particulare e rete neurali cunvoluzionali), chì analizeghja u prucessu di ottimizazione di l'ultima parte di a rete per identificà regioni di dati o immagini chì sò altamente predittive.
Modellu Standard: Un mudellu d'IA esistente chì hè statu pre-furmatu per eseguisce compiti simili.
Test (in u cuntestu di l'intelligenza artificiale): osservà cumu un mudellu esegue un compitu aduprendu dati chì ùn hà mai scontru prima.
Furmazione (in u cuntestu di l'intelligenza artificiale): Fornisce à un mudellu dati è risultati in modu chì u mudellu aghjusti i so parametri interni per ottimizà a so capacità di eseguisce compiti utilizendu novi dati.
Vettore: array di dati. In l'apprendimentu automaticu, ogni elementu di l'array hè generalmente una caratteristica unica di u campione.
A Tavula 1 elenca l'ultimi corsi per aprile 2021, cumpresi l'ubbiettivi di apprendimentu mirati per ogni tema. Stu seminariu hè destinatu à quelli chì sò novi à u livellu tecnicu è ùn richiede micca cunniscenze matematiche oltre u primu annu di una laurea triennale in medicina. U corsu hè statu sviluppatu da 6 studienti di medicina è 3 prufessori cù diplomi avanzati in ingegneria. L'ingegneri stanu sviluppendu a teoria di l'intelligenza artificiale per insignà, è i studienti di medicina stanu amparanu materiale clinicamente pertinente.
I seminarii includenu cunferenze, studii di casi è prugrammazione guidata. In a prima cunferenza, rivedemu cuncetti selezziunati di analisi di dati in biostatistica, cumprese a visualizazione di dati, a regressione logistica è u paragone di statistiche descrittive è induttive. Ancu s'è l'analisi di dati hè a basa di l'intelligenza artificiale, escludimu temi cum'è l'estrazione di dati, i test di significatività o a visualizazione interattiva. Questu era duvutu à vincoli di tempu è ancu perchè alcuni studienti universitari avianu una furmazione previa in biostatistica è vulianu trattà temi di apprendimentu automaticu più unichi. A cunferenza successiva introduce metudi muderni è discute a formulazione di prublemi di IA, i vantaghji è i limiti di i mudelli di IA è i test di mudelli. E cunferenze sò cumplementate da letteratura è ricerca pratica nantu à i dispositivi di intelligenza artificiale esistenti. Enfatizemu e cumpetenze necessarie per valutà l'efficacia è a fattibilità di un mudellu per risponde à e dumande cliniche, cumprese a comprensione di i limiti di i dispositivi di intelligenza artificiale esistenti. Per esempiu, avemu dumandatu à i studienti d'interpretà e linee guida per e ferite craniche pediatriche pruposte da Kupperman et al., 5 chì anu implementatu un algoritmu di l'arburu di decisione di l'intelligenza artificiale per determinà se una scansione TC seria utile basata annantu à l'esame di un medicu. Enfatizemu chì questu hè un esempiu cumunu di IA chì furnisce analisi predittive per i medichi da interpretà, invece di rimpiazzà i medichi.
In l'esempii di prugrammazione bootstrap open source dispunibili (https://github.com/ubcaimed/ubcaimed.github.io/tree/master/programming_examples), dimustremu cumu fà l'analisi esplorativa di dati, a riduzione di a dimensionalità, u caricamentu di u mudellu standard, è a furmazione è u test. Usemu i notebooks Google Colaboratory (Google LLC, Mountain View, CA), chì permettenu l'esecuzione di u codice Python da un navigatore web. In a Fig., a Figura 2 furnisce un esempiu di un eserciziu di prugrammazione. Questu eserciziu implica a previsione di malignità utilizendu u Wisconsin Open Breast Imaging Dataset6 è un algoritmu di l'arburu di decisione.
Prisentà prugrammi durante a settimana nantu à temi cunnessi è selezziunà esempi da applicazioni di IA publicate. L'elementi di prugrammazione sò inclusi solu s'elli sò cunsiderati pertinenti per furnisce una visione di a pratica clinica futura, cum'è cumu valutà i mudelli per determinà s'elli sò pronti per l'usu in studii clinichi. Quessi esempi culminanu in una applicazione cumpleta end-to-end chì classifica i tumori cum'è benigni o maligni in basa à parametri di l'immagine medica.
Eterogeneità di e cunniscenze previe. I nostri participanti anu variatu in u so livellu di cunniscenza matematica. Per esempiu, i studienti cù una furmazione avanzata in ingegneria cercanu materiale più apprufunditu, cum'è cumu fà e so trasfurmazioni di Fourier. Tuttavia, discute l'algoritmu di Fourier in classe ùn hè micca pussibule perchè richiede una cunniscenza approfondita di u trattamentu di u signale.
Flussu di presenza in uscita. A presenza à e riunioni di seguitu hè diminuita, in particulare in i formati in linea. Una suluzione puderia esse di seguità a presenza è furnisce un certificatu di cumpletamentu. E scole di medicina sò cunnisciute per ricunnosce e trascrizioni di l'attività accademiche extracurriculari di i studienti, ciò chì pò incuragisce i studienti à perseguità una laurea.
Cuncepimentu di u Corsu: Siccomu l'IA abbraccia tanti sottucampi, a selezzione di cuncetti fundamentali di prufundità è ampiezza apprupriate pò esse difficiule. Per esempiu, a cuntinuità di l'usu di strumenti di IA da u laburatoriu à a clinica hè un tema impurtante. Mentre copremu u pre-elaborazione di dati, a custruzzione di mudelli è a validazione, ùn includemu micca temi cum'è l'analisi di big data, a visualizazione interattiva o a realizazione di prucessi clinichi di IA, invece ci concentremu nantu à i cuncetti di IA più unichi. U nostru principiu guida hè di migliurà l'alfabetizazione, micca e cumpetenze. Per esempiu, capisce cumu un mudellu processa e caratteristiche di input hè impurtante per l'interpretabilità. Un modu per fà questu hè di utilizà carte di attivazione di gradiente, chì ponu visualizà quali regioni di i dati sò prevedibili. Tuttavia, questu richiede un calculu multivariatu è ùn pò esse introduttu8. Sviluppà una terminologia cumuna hè statu difficiule perchè pruvavamu à spiegà cumu travaglià cù i dati cum'è vettori senza furmalisimu matematicu. Nutate bè chì termini diversi anu u listessu significatu, per esempiu, in epidemiologia, una "caratteristica" hè descritta cum'è una "variabile" o "attributu".
Ritenzione di e cunniscenze. Siccomu l'applicazione di l'IA hè limitata, resta da vede finu à chì puntu i participanti ritenenu e cunniscenze. I curricula di e scole mediche si basanu spessu nantu à a ripetizione spaziata per rinfurzà e cunniscenze durante e rotazioni pratiche,9 chì ponu ancu esse applicate à l'educazione à l'IA.
U prufessionalisimu hè più impurtante chè l'alfabetizazione. A prufundità di u materiale hè cuncipita senza rigore matematicu, ciò chì era un prublema quandu si lanciavanu corsi clinichi d'intelligenza artificiale. In l'esempii di prugrammazione, usemu un prugramma mudellu chì permette à i participanti di riempie i campi è di eseguisce u software senza avè da capisce cumu cunfigurà un ambiente di prugrammazione cumpletu.
Preoccupazioni riguardu l'intelligenza artificiale affrontate: Ci hè una preoccupazione diffusa chì l'intelligenza artificiale puderia rimpiazzà certi duveri clinichi3. Per affruntà stu prublema, spieghemu i limiti di l'IA, cumpresu u fattu chì quasi tutte e tecnulugie di l'IA appruvate da i regulatori richiedenu a supervisione di un medicu11. Enfatizemu ancu l'impurtanza di u pregiudiziu perchè l'algoritmi sò propensi à u pregiudiziu, soprattuttu se l'inseme di dati ùn hè micca diversu12. Di cunsiguenza, un certu sottogruppu pò esse modellatu in modu incorrectu, purtendu à decisioni cliniche ingiuste.
E risorse sò dispunibili publicamente: Avemu creatu risorse dispunibili publicamente, cumprese diapositive di lezioni è codice. Ancu s'è l'accessu à u cuntenutu sincronu hè limitatu per via di i fusi orari, u cuntenutu open source hè un metudu convenientu per l'apprendimentu asincronu postu chì a cumpetenza di l'IA ùn hè micca dispunibule in tutte e scole di medicina.
Collaborazione Interdisciplinare: Stu seminariu hè una joint venture iniziata da studienti di medicina per pianificà corsi inseme cù ingegneri. Questu dimostra opportunità di cullaburazione è lacune di cunniscenza in i dui duminii, permettendu à i participanti di capisce u rolu putenziale chì ponu cuntribuisce in u futuru.
Definisce e cumpetenze fundamentali di l'IA. Definisce una lista di cumpetenze furnisce una struttura standardizata chì pò esse integrata in i curricula medichi esistenti basati nantu à e cumpetenze. Stu seminariu usa attualmente i livelli di obiettivi di apprendimentu 2 (Comprensione), 3 (Applicazione) è 4 (Analisi) di a Tassonomia di Bloom. Avè risorse à livelli più alti di classificazione, cum'è a creazione di prughjetti, pò rinfurzà ulteriormente a cunniscenza. Questu richiede di travaglià cù esperti clinichi per determinà cumu i temi di l'IA ponu esse applicati à i flussi di travagliu clinichi è impedisce l'insignamentu di temi ripetitivi digià inclusi in i curricula medichi standard.
Crea studii di casu cù l'IA. Simile à l'esempi clinichi, l'apprendimentu basatu annantu à i casi pò rinfurzà i cuncetti astratti mettendu in risaltu a so rilevanza per e dumande cliniche. Per esempiu, un studiu di workshop hà analizatu u sistema di rilevazione di a retinopatia diabetica basatu annantu à l'IA di Google 13 per identificà e sfide longu u percorsu da u laburatoriu à a clinica, cum'è i requisiti di validazione esterna è i percorsi di appruvazione regulatoria.
Aduprà l'apprendimentu esperienziale: E cumpetenze tecniche richiedenu una pratica focalizzata è un'applicazione ripetuta per esse ammaestrate, simile à l'esperienze di apprendimentu rotativu di i tirocinanti clinichi. Una suluzione putenziale hè u mudellu di classe inversa, chì hè statu signalatu per migliurà a ritenzione di e cunniscenze in l'educazione ingegneristica14. In questu mudellu, i studienti rivedenu u materiale teoricu in modu indipendente è u tempu di classe hè dedicatu à risolve i prublemi per mezu di studii di casi.
Scalabilità per i participanti multidisciplinari: Prevedemu l'adozione di l'IA chì implica a cullaburazione trà parechje discipline, cumpresi i medichi è i prufessiunali sanitarii alliati cù diversi livelli di furmazione. Dunque, i curricula puderanu avè bisognu di esse sviluppati in cunsultazione cù i prufessori di diversi dipartimenti per adattà u so cuntenutu à diverse aree di l'assistenza sanitaria.
L'intelligenza artificiale hè high-tech è i so cuncetti fundamentali sò ligati à a matematica è à l'informatica. A furmazione di u persunale sanitariu per capisce l'intelligenza artificiale presenta sfide uniche in a selezzione di cuntenutu, a rilevanza clinica è i metudi di consegna. Speremu chì l'intuizioni ottenute da i seminarii IA in Educazione aiuteranu i futuri educatori à abbraccià modi innovativi per integrà l'IA in l'educazione medica.
U script Python di Google Colaboratory hè open source è dispunibule à: https://github.com/ubcaimed/ubcaimed.github.io/tree/master/.
Prober, KG è Khan, S. Ripensà l'educazione medica: una chjama à l'azzione. Akkad. medicina. 88, 1407–1410 (2013).
McCoy, LG ecc. Chì anu veramente bisognu di sapè i studienti di medicina nantu à l'intelligenza artificiale? Numeri NPZh. Medicina 3, 1–3 (2020).
Dos Santos, DP, et al. Attitudini di i studienti di medicina versu l'intelligenza artificiale: un'inchiesta multicentrica. EURO. radiazioni. 29, 1640–1646 (2019).
Fan, KY, Hu, R., è Singla, R. Introduzione à l'apprendimentu automaticu per i studienti di medicina: un prughjettu pilotu. J. Med. teach. 54, 1042–1043 (2020).
Cooperman N, et al. Identificazione di i zitelli à risicu assai bassu di ferite cerebrali clinicamente significative dopu à una ferita à a testa: un studiu di coorte prospetticu. Lancet 374, 1160–1170 (2009).
Street, WN, Wolberg, WH è Mangasarian, OL. Estrazione di caratteristiche nucleari per a diagnosi di tumori di u senu. Scienza biomedica. Trasfurmazione di l'imagine. Scienza biomedica. Weiss. 1905, 861–870 (1993).
Chen, PHC, Liu, Y. è Peng, L. Cumu sviluppà mudelli di apprendimentu automaticu per l'assistenza sanitaria. Nat. Matt. 18, 410–414 (2019).
Selvaraju, RR et al. Grad-cam: Interpretazione visuale di e rete prufonde via a lucalizazione basata nantu à i gradienti. Atti di a Cunferenza Internaziunale IEEE nantu à a Visione Artificiale, 618–626 (2017).
Kumaravel B, Stewart K è Ilic D. Sviluppu è valutazione di un mudellu a spirale per valutà e cumpetenze mediche basate nantu à l'evidenza utilizendu l'OSCE in l'educazione medica universitaria. BMK Medicine. teacher. 21, 1–9 (2021).
Kolachalama VB è Garg PS Apprendimentu automaticu è educazione medica. Numeri NPZh. medicina. 1, 1–3 (2018).
van Leeuwen, KG, Schalekamp, S., Rutten, MJ, van Ginneken, B. è de Rooy, M. Intelligenza artificiale in radiologia: 100 prudutti cummerciale è a so evidenza scientifica. EURO. radiazzioni. 31, 3797–3804 (2021).
Topol, EJ Medicina d'altu rendimentu: a cunvergenza di l'intelligenza umana è artificiale. Nat. medicine. 25, 44–56 (2019).
Bede, E. et al. Valutazione centrata nantu à l'omu di un sistema di apprendimentu prufondu implementatu in a clinica per a rilevazione di a retinopatia diabetica. Atti di a Cunferenza CHI 2020 nantu à i Fattori Umani in i Sistemi Informatici (2020).
Kerr, B. L'aula inversa in l'educazione ingegneristica: Una rivista di ricerca. Atti di a Cunferenza Internaziunale 2015 nantu à l'Apprendimentu Collaborativu Interattivu (2015).
L'autori ringrazianu Danielle Walker, Tim Salcudin è Peter Zandstra di u Biomedical Imaging and Artificial Intelligence Research Cluster di l'Università di British Columbia per u sustegnu è u finanziamentu.
RH, PP, ZH, RS è MA eranu rispunsevuli di u sviluppu di u cuntenutu di l'insignamentu di u workshop. RH è PP eranu rispunsevuli di u sviluppu di l'esempii di prugrammazione. KYF, OY, MT è PW eranu rispunsevuli di l'urganizazione logistica di u prugettu è di l'analisi di i workshops. RH, OY, MT, RS eranu rispunsevuli di a creazione di e figure è di e tabelle. RH, KYF, PP, ZH, OY, MY, PW, TL, MA, RS eranu rispunsevuli di a redazione è di a currezzione di u documentu.
Communication Medicine ringrazia Carolyn McGregor, Fabio Moraes è Aditya Borakati per i so cuntributi à a rivista di questu travagliu.
Data di publicazione: 19 di ferraghju 2024