IA4AI στην Υγεία – Διεπιστημονικές Προσεγγίσεις για την Τεχνητή Νοημοσύνη στην Υγεία ChAI – Τεχνητή Νοημοσύνη στην έρευνα, τη διδασκαλία και την κοινωνία
Pisa, Ιταλία
Προγράμματα εκπαίδευσης
ΔΙΆΡΚΕΙΑ
5 ημέρες
ΓΛΏΣΣΕΣ
Αγγλικά
ΡΥΘΜΌΣ
Πλήρης απασχόληση
ΠΡΟΘΕΣΜΊΑ ΕΦΑΡΜΟΓΉΣ
ΠΡΩΙΜΌΤΕΡΗ ΗΜΕΡΟΜΗΝΊΑ ΈΝΑΡΞΗΣ
ΔΊΔΑΚΤΡΑ
ΜΟΡΦΉ ΜΕΛΈΤΗΣ
Στην Πανεπιστημιούπολη
Η Τεχνητή Νοημοσύνη (ΤΝ) έχει ξεπεράσει την πειραματική φάση και, χάρη στις ικανότητές της να αναλύει και να κατανοεί δεδομένα, να σχεδιάζει και να διευκολύνει την επικοινωνία μεταξύ επαγγελματιών από διαφορετικά υπόβαθρα, καθιερώνεται ως εργαλείο υποστήριξης στη διάγνωση, την αξιολόγηση κινδύνου και τις θεραπευτικές αποφάσεις, τόσο για την ατομική όσο και για την υγεία του πληθυσμού. Ωστόσο, η ΤΝ δεν είναι ακόμη συνώνυμη με την απόλυτη αξιοπιστία: τα διαθέσιμα συστήματα έχουν περιορισμούς και πρέπει πάντα να επιβλέπονται και να διαχειρίζονται κριτικά από χειριστές με δεξιότητες όχι μόνο επιστημονικές αλλά και τεχνικές, κανονιστικές και οργανωτικές.
Η ενσωμάτωση της Τεχνητής Νοημοσύνης σε ένα πολύπλοκο σύστημα όπως η υγειονομική περίθαλψη, επομένως, απαιτεί γνώση των διαθέσιμων τεχνολογικών εργαλείων, της διαχείρισης των διαδικαστικών ροών σε κλινικούς, διοικητικούς και οικονομικούς τομείς, καθώς και των υφιστάμενων κανονισμών και των πιθανών ηθικών επιπτώσεων. Μόνο με αυτόν τον τρόπο μπορεί η κερδοσκοπική δύναμη της Τεχνητής Νοημοσύνης να καθοδηγείται από την κρίση των κλινικών ιατρών, με στόχο τη βελτίωση των υπηρεσιών, τη μείωση του χρόνου και του κόστους και τη διασφάλιση μεγαλύτερης αποτελεσματικότητας.
Για τον λόγο αυτό, η εισαγωγή της Τεχνητής Νοημοσύνης στην υγειονομική περίθαλψη απαιτεί μια διεπιστημονική προσέγγιση, ικανή να ενσωματώσει διαφορετικές απόψεις και να κατευθύνει αυτές τις τεχνολογίες προς μια ασφαλή, αποτελεσματική και βιώσιμη χρήση.
Το Εποχιακό Σχολείο προτείνει να εξεταστούν οι βασικές πτυχές για την εισαγωγή της Τεχνητής Νοημοσύνης στην υγειονομική περίθαλψη από πέντε διαφορετικές οπτικές γωνίες: θα εξεταστούν οι τεχνολογικές πτυχές, καθώς και τα συστήματα που χρησιμοποιούνται σήμερα, και οι ροές εργασίας και οι διαδικασίες για την ιχνηλασιμότητα των διεργασιών· θα εξεταστούν οι μηχανικές πτυχές των δεδομένων, των μοντέλων και των αλγορίθμων για τον σχεδιασμό εφαρμογών Τεχνητής Νοημοσύνης που μπορούν να ενσωματωθούν αποτελεσματικά και αποδοτικά σε αναλύσεις κειμένων, εικόνων και βιολογικών σημάτων· θα παρουσιαστούν επίσης μέθοδοι για την αναπαράσταση δομημένων βάσεων γνώσεων που βασίζονται σε διαδικαστικές πληροφορίες και κλινικές βάσεις δεδομένων, με στόχο την παροχή υποστήριξης στη λήψη αποφάσεων στην υγειονομική περίθαλψη· από διοικητική άποψη, θα συζητηθεί το τρέχον και αναδυόμενο νομοθετικό τοπίο και θα εξεταστούν οι απαιτήσεις, οι πτυχές εφαρμογής και οι νομικές επιπτώσεις που πρέπει να πληροί η χρήση υποβοηθούμενης διάγνωσης για μια σωστή και ηθικά ορθή χρήση αυτών των συστημάτων· τέλος, από διοικητική άποψη, θα εισαχθούν οι διαχειριστικές πτυχές για τη βιωσιμότητα αυτών των συστημάτων, συμπεριλαμβανομένων στοιχείων ενσωμάτωσης με τις υπάρχουσες διοικητικές διαδικασίες, ώστε να καταστεί ενδεχομένως πιο αποτελεσματική η διαχείριση των εκστρατειών ελέγχου, των λιστών αναμονής ή των αιθουσών επεμβάσεων/χειρουργικών επεμβάσεων, ελαχιστοποιώντας παράλληλα το λειτουργικό κόστος. Τέλος, θα παρασχεθούν οι βασικές αρχές για την εφαρμογή της Τεχνητής Νοημοσύνης ως υποστήριξης για την έρευνα και τη διδασκαλία.
Το μάθημα προσφέρει μια εις βάθος διερεύνηση των νέων τεχνολογιών Τεχνητής Νοημοσύνης στον ιατρικό/κλινικό/υγειονομικό τομέα μέσω μιας διεπιστημονικής προσέγγισης που εξετάζει τις πρωτοποριακές πτυχές μεταξύ της τεχνικής ανάπτυξης, της προσαρμογής στα πρακτικά πλαίσια, της λογικής και εύλογης χρήσης, καθώς και των τεχνικών, τεχνολογικών, ηθικών, οικονομικών και κανονιστικών ορίων. Συγκεκριμένα, το μάθημα στοχεύει στην τόνωση και την ανάπτυξη των φοιτητών μέσω θεωρητικών διαλέξεων και εμπεριστατωμένων συνεδριών:
- Γνώση: αλγόριθμοι, μέθοδοι για τη δομή γνώσης, εργαλεία και βιβλιοθήκες Τεχνητής Νοημοσύνης, κλινικές εφαρμογές και κανονιστικό πλαίσιο.
- Δεξιότητες: κριτική ανάλυση, διεπιστημονική ολοκλήρωση και διαχείριση έργων Τεχνητής Νοημοσύνης.
- Εγκάρσιες δεξιότητες:
- Τεχνολογικά (πεδία εφαρμογής, χρησιμοποιούμενοι αλγόριθμοι)
- Δημόσια υγεία (βιωσιμότητα, κοινωνικός αντίκτυπος)
- Διοικητικά (διαχείριση έργων και καινοτομίας)
- Ηθικά (ευθύνη και περιορισμοί στην Τεχνητή Νοημοσύνη)
- Νομικά (ιδιωτικότητα, ιατρική ευθύνη)
- Έρευνα (επιστημονική συγγραφή και ανάλυση δεδομένων)
- Εκπαιδευτικό (ικανότητα μεταφοράς γνώσης).
Το πρωί, προγραμματίζουμε θεωρητικά μαθήματα και το απόγευμα, εναλλάσσουμε τη διδασκαλία. Στις τάξεις θα εφαρμοστούν οι ακόλουθες μεθοδολογίες διδασκαλίας:
- Μαθήματα μετώπου
- Ανάλυση Μελέτης Περίπτωσης
- Διαδραστική συνεδρία
- Πρακτικές Ασκήσεις
- Μάρτυρες
- Εντυπωσιακή περιήγηση στο εργαστήριο
Το μάθημα απευθύνεται σε φοιτητές STEM, Οικονομικών ή Διοίκησης με εφαρμογές στον τομέα της υγειονομικής περίθαλψης. Δικαίωμα υποβολής αίτησης έχουν υποψήφιοι διδάκτορες από ιταλικά ή ξένα πανεπιστήμια που είναι εγγεγραμμένα σε διδακτορικό πρόγραμμα. Θα γίνουν δεκτοί στο μάθημα έως 20 φοιτητές, οι οποίοι θα επιλεγούν κατά σειρά σπουδαιότητας, κατά ημερομηνία υποβολής της αίτησης, αξιολόγηση με βάση τα επιστημονικά αποτελέσματα που έχουν επιτευχθεί, συνάφεια με τα θέματα, ισόρροπη εκπροσώπηση των φύλων και νεότερη ηλικία. Εάν διατεθούν επιπλέον θέσεις, ενδέχεται να ισχύουν και τα ακόλουθα:
- Διδακτορικοί απόφοιτοι που έλαβαν το πτυχίο τους το αργότερο 12 μήνες πριν από την ημερομηνία υποβολής της αίτησης
- Απόφοιτοι (Μεταπτυχιακό, Μεταπτυχιακό ενός κύκλου, Ειδικευμένο ή Μεταπτυχιακό Δεύτερου Επιπέδου) που απέκτησαν τα προσόντα τους το αργότερο 6 μήνες πριν από την ημερομηνία υποβολής της αίτησης
- Φοιτητές που είναι εγγεγραμμένοι στο τελευταίο έτος ενός μεταπτυχιακού τίτλου σπουδών, ενός μονοκύκλου σπουδών ή ενός μεταπτυχιακού τίτλου σπουδών δευτέρου επιπέδου, με μέσο όρο βαθμολογίας τουλάχιστον 27/30 (ιταλικό σύστημα), βαθμό «Β» στο αγγλοσαξονικό σύστημα ή ισότιμο (κατά την αποκλειστική κρίση της Επιτροπής Αξιολόγησης)
Έως 5 εκπαιδευόμενοι της Σχολής που πληρούν τουλάχιστον μία από τις παραπάνω προϋποθέσεις μπορούν να γίνουν δεκτοί στο μάθημα ως επιπλέον συμμετέχοντες, χωρίς καμία οικονομική υποστήριξη ή παροχές.