প্রকৃতি ডটকম দেখার জন্য আপনাকে ধন্যবাদ। আপনি যে ব্রাউজারের ব্যবহার করছেন তার সংস্করণে সীমিত সিএসএস সমর্থন রয়েছে। সেরা ফলাফলের জন্য, আমরা আপনার ব্রাউজারের একটি নতুন সংস্করণ (বা ইন্টারনেট এক্সপ্লোরারে সামঞ্জস্যতা মোড বন্ধ করে) ব্যবহার করার পরামর্শ দিই। ইতিমধ্যে, চলমান সমর্থন নিশ্চিত করতে, আমরা স্টাইলিং বা জাভাস্ক্রিপ্ট ছাড়াই সাইটটি দেখিয়ে দিচ্ছি।
ক্লিনিকাল কৃত্রিম বুদ্ধিমত্তার (এআই) অ্যাপ্লিকেশনগুলি দ্রুত বৃদ্ধি পাচ্ছে, তবে বিদ্যমান মেডিকেল স্কুল পাঠ্যক্রমটি এই অঞ্চলটিকে covering েকে দেওয়ার সীমিত শিক্ষার প্রস্তাব দেয়। এখানে আমরা একটি কৃত্রিম বুদ্ধিমত্তা প্রশিক্ষণ কোর্স বর্ণনা করি যা আমরা কানাডিয়ান মেডিকেল শিক্ষার্থীদের তৈরি করেছি এবং বিতরণ করেছি এবং ভবিষ্যতের প্রশিক্ষণের জন্য সুপারিশ করি।
মেডিসিনে কৃত্রিম বুদ্ধিমত্তা (এআই) কর্মক্ষেত্রের দক্ষতা এবং সহায়তা ক্লিনিকাল সিদ্ধান্ত গ্রহণের উন্নতি করতে পারে। সুরক্ষিতভাবে কৃত্রিম বুদ্ধিমত্তার ব্যবহারকে গাইড করার জন্য, চিকিত্সকদের অবশ্যই কৃত্রিম বুদ্ধিমত্তা সম্পর্কে কিছু বোঝার থাকতে হবে। অনেক মন্তব্য এআই কনসেপ্টস 1 শেখানোর পক্ষে যেমন এআই মডেল এবং যাচাইকরণ প্রক্রিয়া 2 ব্যাখ্যা করে। তবে কয়েকটি কাঠামোগত পরিকল্পনা কার্যকর করা হয়েছে, বিশেষত জাতীয় পর্যায়ে। পিন্টো ডস সান্টোস এট আল .3। 263 মেডিকেল শিক্ষার্থী জরিপ করা হয়েছিল এবং 71% সম্মত হয়েছে যে তাদের কৃত্রিম বুদ্ধিমত্তার প্রশিক্ষণ প্রয়োজন। চিকিত্সা দর্শকদের কাছে কৃত্রিম বুদ্ধিমত্তা শেখানোর জন্য যত্ন সহকারে নকশার প্রয়োজন যা প্রায়শই পূর্বের জ্ঞান থাকে এমন শিক্ষার্থীদের জন্য প্রযুক্তিগত এবং অ-প্রযুক্তিগত ধারণাগুলির সংমিশ্রণ করে। আমরা মেডিকেল শিক্ষার্থীদের তিনটি গ্রুপে এআই ওয়ার্কশপের একটি সিরিজ সরবরাহ করার আমাদের অভিজ্ঞতা বর্ণনা করি এবং এআই -তে ভবিষ্যতের চিকিত্সা শিক্ষার জন্য সুপারিশ করি।
মেডিকেল শিক্ষার্থীদের জন্য মেডিসিন ওয়ার্কশপে কৃত্রিম বুদ্ধিমত্তার সাথে আমাদের পাঁচ সপ্তাহের পরিচিতি ফেব্রুয়ারী 2019 এবং এপ্রিল 2021 এর মধ্যে তিনবার অনুষ্ঠিত হয়েছিল। প্রতিটি কর্মশালার জন্য একটি সময়সূচী, কোর্সে পরিবর্তনের সংক্ষিপ্ত বিবরণ সহ চিত্র 1 এ দেখানো হয়েছে। আমাদের কোর্সটি রয়েছে। তিনটি প্রাথমিক শিক্ষার উদ্দেশ্য: শিক্ষার্থীরা বুঝতে পারে কীভাবে কৃত্রিম বুদ্ধিমত্তা অ্যাপ্লিকেশনগুলিতে ডেটা প্রক্রিয়াজাত করা হয়, ক্লিনিকাল অ্যাপ্লিকেশনগুলির জন্য কৃত্রিম বুদ্ধিমত্তা সাহিত্যের বিশ্লেষণ করে এবং কৃত্রিম বুদ্ধিমত্তার বিকাশকারী ইঞ্জিনিয়ারদের সাথে সহযোগিতা করার সুযোগগুলির সুযোগ গ্রহণ করে।
নীল বক্তৃতার বিষয় এবং হালকা নীল ইন্টারেক্টিভ প্রশ্ন এবং উত্তর সময়কাল। ধূসর বিভাগটি সংক্ষিপ্ত সাহিত্য পর্যালোচনার কেন্দ্রবিন্দু। কমলা বিভাগগুলি নির্বাচিত কেস স্টাডি যা কৃত্রিম বুদ্ধিমত্তা মডেল বা কৌশল বর্ণনা করে। গ্রিন একটি গাইডড প্রোগ্রামিং কোর্স যা ক্লিনিকাল সমস্যাগুলি সমাধান করতে এবং মডেলগুলি মূল্যায়নের জন্য কৃত্রিম বুদ্ধিমত্তা শেখানোর জন্য ডিজাইন করা হয়েছে। কর্মশালার সামগ্রী এবং সময়কাল শিক্ষার্থীদের প্রয়োজনের মূল্যায়নের ভিত্তিতে পরিবর্তিত হয়।
প্রথম কর্মশালাটি ফেব্রুয়ারি থেকে এপ্রিল 2019 পর্যন্ত ব্রিটিশ কলম্বিয়া বিশ্ববিদ্যালয়ে অনুষ্ঠিত হয়েছিল এবং 8 জন অংশগ্রহণকারী ইতিবাচক প্রতিক্রিয়া 4 দিয়েছেন। কোভিড -১৯ এর কারণে, দ্বিতীয় কর্মশালাটি কার্যত ২০২০ সালের অক্টোবর-নভেম্বর মাসে অনুষ্ঠিত হয়েছিল, ২২২ জন মেডিকেল শিক্ষার্থী এবং ৮ টি কানাডিয়ান মেডিকেল স্কুলের নিবন্ধভুক্ত ৩ জন বাসিন্দা। উপস্থাপনা স্লাইড এবং কোডটি একটি ওপেন অ্যাক্সেস সাইটে আপলোড করা হয়েছে (http://ubcaimed.github.io)। প্রথম পুনরাবৃত্তির মূল প্রতিক্রিয়াটি ছিল যে বক্তৃতাগুলি খুব তীব্র এবং উপাদানগুলি খুব তাত্ত্বিক ছিল। কানাডার ছয়টি বিভিন্ন সময় অঞ্চল পরিবেশন করা অতিরিক্ত চ্যালেঞ্জ তৈরি করে। সুতরাং, দ্বিতীয় কর্মশালা প্রতিটি সেশনকে 1 ঘন্টা সংক্ষিপ্ত করে, কোর্সের উপাদানগুলি সরল করে, আরও কেস স্টাডি যুক্ত করেছে এবং বয়লারপ্লেট প্রোগ্রামগুলি তৈরি করেছে যা অংশগ্রহণকারীদের ন্যূনতম ডিবাগিং (বক্স 1) সহ কোড স্নিপেটগুলি সম্পূর্ণ করতে দেয়। দ্বিতীয় পুনরাবৃত্তির মূল প্রতিক্রিয়াগুলির মধ্যে প্রোগ্রামিং অনুশীলনগুলির বিষয়ে ইতিবাচক প্রতিক্রিয়া এবং একটি মেশিন লার্নিং প্রকল্পের জন্য পরিকল্পনা প্রদর্শনের অনুরোধ অন্তর্ভুক্ত ছিল। অতএব, আমাদের তৃতীয় কর্মশালায়, মার্চ-এপ্রিল 2021-এ 126 মেডিকেল শিক্ষার্থীদের জন্য কার্যত অনুষ্ঠিত, আমরা প্রকল্পগুলিতে ওয়ার্কশপ ধারণাগুলি ব্যবহারের প্রভাব প্রদর্শনের জন্য আরও ইন্টারেক্টিভ কোডিং অনুশীলন এবং প্রকল্পের প্রতিক্রিয়া সেশনগুলি অন্তর্ভুক্ত করেছি।
ডেটা বিশ্লেষণ: পরিসংখ্যানগুলিতে অধ্যয়নের একটি ক্ষেত্র যা ডেটা নিদর্শন বিশ্লেষণ, প্রক্রিয়াজাতকরণ এবং যোগাযোগের মাধ্যমে ডেটাতে অর্থপূর্ণ নিদর্শনগুলি চিহ্নিত করে।
ডেটা মাইনিং: ডেটা সনাক্তকরণ এবং আহরণের প্রক্রিয়া। কৃত্রিম বুদ্ধিমত্তার প্রসঙ্গে, এটি প্রায়শই বড় হয়, প্রতিটি নমুনার জন্য একাধিক ভেরিয়েবল সহ।
মাত্রিকতা হ্রাস: মূল ডেটা সেটের গুরুত্বপূর্ণ বৈশিষ্ট্য সংরক্ষণ করার সময় অনেকগুলি পৃথক বৈশিষ্ট্যগুলির সাথে ডেটা রূপান্তর করার প্রক্রিয়াটি কম বৈশিষ্ট্যগুলিতে রূপান্তর করার প্রক্রিয়া।
বৈশিষ্ট্য (কৃত্রিম বুদ্ধিমত্তার প্রসঙ্গে): একটি নমুনার পরিমাপযোগ্য বৈশিষ্ট্য। প্রায়শই "সম্পত্তি" বা "ভেরিয়েবল" এর সাথে বিনিময়যোগ্যভাবে ব্যবহৃত হয়।
গ্রেডিয়েন্ট অ্যাক্টিভেশন মানচিত্র: কৃত্রিম বুদ্ধিমত্তা মডেলগুলি (বিশেষত কনভোলিউশনাল নিউরাল নেটওয়ার্কগুলি) ব্যাখ্যা করার জন্য ব্যবহৃত একটি কৌশল, যা ডেটা বা চিত্রগুলির অঞ্চলগুলি সনাক্ত করতে নেটওয়ার্কের শেষ অংশটিকে অনুকূল করার প্রক্রিয়াটি বিশ্লেষণ করে যা অত্যন্ত ভবিষ্যদ্বাণীপূর্ণ।
স্ট্যান্ডার্ড মডেল: একটি বিদ্যমান এআই মডেল যা অনুরূপ কাজগুলি সম্পাদনের জন্য প্রাক প্রশিক্ষিত হয়েছে।
টেস্টিং (কৃত্রিম বুদ্ধিমত্তার প্রসঙ্গে): কোনও মডেল কীভাবে কোনও কাজ সম্পাদন করে তা পর্যবেক্ষণ করে যা এর আগে কোনও কাজ সম্পাদন করে।
প্রশিক্ষণ (কৃত্রিম বুদ্ধিমত্তার প্রসঙ্গে): ডেটা এবং ফলাফল সহ একটি মডেল সরবরাহ করা যাতে মডেলটি নতুন ডেটা ব্যবহার করে কার্য সম্পাদন করার ক্ষমতাটি অনুকূল করতে তার অভ্যন্তরীণ পরামিতিগুলি সামঞ্জস্য করে।
ভেক্টর: ডেটা অ্যারে। মেশিন লার্নিংয়ে, প্রতিটি অ্যারে উপাদান সাধারণত নমুনার একটি অনন্য বৈশিষ্ট্য।
সারণী 1 প্রতিটি বিষয়ের জন্য লক্ষ্যযুক্ত শেখার উদ্দেশ্যগুলি সহ 2021 সালের এপ্রিলের সর্বশেষতম কোর্সগুলি তালিকাভুক্ত করে। এই কর্মশালাটি প্রযুক্তিগত স্তরে নতুনদের জন্য উদ্দেশ্যে করা হয়েছে এবং স্নাতক মেডিকেল ডিগ্রির প্রথম বছরের বাইরে কোনও গাণিতিক জ্ঞানের প্রয়োজন হয় না। কোর্সটি ইঞ্জিনিয়ারিংয়ে উন্নত ডিগ্রি সহ 6 টি মেডিকেল শিক্ষার্থী এবং 3 জন শিক্ষক দ্বারা বিকাশ করা হয়েছিল। ইঞ্জিনিয়াররা শেখানোর জন্য কৃত্রিম বুদ্ধিমত্তা তত্ত্ব বিকাশ করছে এবং মেডিকেল শিক্ষার্থীরা ক্লিনিকালি প্রাসঙ্গিক উপাদান শিখছে।
কর্মশালায় বক্তৃতা, কেস স্টাডি এবং গাইডেড প্রোগ্রামিং অন্তর্ভুক্ত। প্রথম বক্তৃতায়, আমরা ডেটা ভিজ্যুয়ালাইজেশন, লজিস্টিক রিগ্রেশন এবং বর্ণনামূলক এবং প্ররোচিত পরিসংখ্যানগুলির তুলনা সহ বায়োস্ট্যাটিস্টিকসে ডেটা বিশ্লেষণের নির্বাচিত ধারণাগুলি পর্যালোচনা করি। যদিও ডেটা বিশ্লেষণ কৃত্রিম বুদ্ধিমত্তার ভিত্তি, আমরা ডেটা মাইনিং, তাত্পর্য পরীক্ষা বা ইন্টারেক্টিভ ভিজ্যুয়ালাইজেশনের মতো বিষয়গুলি বাদ দিই। এটি সময়ের সীমাবদ্ধতার কারণে এবং কারণ কিছু স্নাতক শিক্ষার্থী বায়োস্টাটিক্সে পূর্ব প্রশিক্ষণ নিয়েছিল এবং আরও অনন্য মেশিন লার্নিং বিষয়গুলি কভার করতে চেয়েছিল। পরবর্তী বক্তৃতাটি আধুনিক পদ্ধতিগুলির সাথে পরিচয় করিয়ে দেয় এবং এআই সমস্যা গঠন, এআই মডেলগুলির সুবিধা এবং সীমাবদ্ধতা এবং মডেল পরীক্ষার বিষয়ে আলোচনা করে। বক্তৃতাগুলি বিদ্যমান কৃত্রিম বুদ্ধিমত্তা ডিভাইসগুলির উপর সাহিত্য এবং ব্যবহারিক গবেষণা দ্বারা পরিপূরক। আমরা বিদ্যমান কৃত্রিম বুদ্ধিমত্তা ডিভাইসগুলির সীমাবদ্ধতাগুলি বোঝা সহ ক্লিনিকাল প্রশ্নগুলির সমাধান করার জন্য কোনও মডেলের কার্যকারিতা এবং সম্ভাব্যতা মূল্যায়নের জন্য প্রয়োজনীয় দক্ষতার উপর জোর দিয়েছি। উদাহরণস্বরূপ, আমরা শিক্ষার্থীদের কুপারম্যান এট আল।, 5 দ্বারা প্রস্তাবিত পেডিয়াট্রিক হেড ইনজুরির নির্দেশিকাগুলি ব্যাখ্যা করতে বলেছিলাম যা চিকিত্সকের পরীক্ষার ভিত্তিতে সিটি স্ক্যান কার্যকর হবে কিনা তা নির্ধারণের জন্য একটি কৃত্রিম গোয়েন্দা সিদ্ধান্ত ট্রি অ্যালগরিদম প্রয়োগ করে। আমরা জোর দিয়েছি যে এটি চিকিত্সকদের প্রতিস্থাপনের পরিবর্তে চিকিত্সকদের ব্যাখ্যা করার জন্য ভবিষ্যদ্বাণীমূলক বিশ্লেষণ সরবরাহ করার একটি সাধারণ উদাহরণ।
উপলভ্য ওপেন সোর্স বুটস্ট্র্যাপ প্রোগ্রামিং উদাহরণগুলিতে (https://github.com/ubcaimed/ubcaimed.github.io/tree/master/programming_examples), আমরা কীভাবে অনুসন্ধানী ডেটা বিশ্লেষণ, ডাইমেনশনালালিটি হ্রাস, স্ট্যান্ডার্ড মডেল লোডিং, এবং প্রশিক্ষণ সম্পাদন করতে পারি তা প্রদর্শন করি । এবং পরীক্ষা। আমরা গুগল কোলাবোরেটরি নোটবুকগুলি (গুগল এলএলসি, মাউন্টেন ভিউ, সিএ) ব্যবহার করি, যা পাইথন কোডকে ওয়েব ব্রাউজার থেকে কার্যকর করার অনুমতি দেয়। চিত্র 2 এ চিত্র 2 একটি প্রোগ্রামিং অনুশীলনের উদাহরণ সরবরাহ করে। এই অনুশীলনের মধ্যে উইসকনসিন ওপেন স্তন ইমেজিং ডেটাসেট 6 এবং একটি সিদ্ধান্ত গাছের অ্যালগরিদম ব্যবহার করে ত্রুটিযুক্তদের পূর্বাভাস দেওয়া জড়িত।
সম্পর্কিত বিষয়গুলিতে সপ্তাহ জুড়ে প্রোগ্রামগুলি উপস্থাপন করুন এবং প্রকাশিত এআই অ্যাপ্লিকেশনগুলির উদাহরণ নির্বাচন করুন। প্রোগ্রামিং উপাদানগুলি কেবল তখনই অন্তর্ভুক্ত করা হয় যদি তারা ভবিষ্যতের ক্লিনিকাল অনুশীলনের অন্তর্দৃষ্টি প্রদানের ক্ষেত্রে প্রাসঙ্গিক হিসাবে বিবেচিত হয়, যেমন ক্লিনিকাল ট্রায়ালগুলিতে ব্যবহারের জন্য প্রস্তুত কিনা তা নির্ধারণের জন্য মডেলগুলি কীভাবে মূল্যায়ন করা যায়। এই উদাহরণগুলি একটি পূর্ণ-শেষ থেকে শেষ অ্যাপ্লিকেশনটিতে সমাপ্ত হয় যা টিউমারগুলিকে মেডিকেল ইমেজ প্যারামিটারের উপর ভিত্তি করে সৌম্য বা ম্যালিগন্যান্ট হিসাবে শ্রেণিবদ্ধ করে।
পূর্ববর্তী জ্ঞানের বৈচিত্র্য। আমাদের অংশগ্রহণকারীরা তাদের গাণিতিক জ্ঞানের স্তরে পরিবর্তিত হয়েছিল। উদাহরণস্বরূপ, উন্নত ইঞ্জিনিয়ারিং ব্যাকগ্রাউন্ডযুক্ত শিক্ষার্থীরা আরও গভীরতর উপাদানগুলির সন্ধান করছে, যেমন কীভাবে তাদের নিজস্ব ফুরিয়ার ট্রান্সফর্মগুলি সম্পাদন করা যায়। যাইহোক, ক্লাসে ফুরিয়ার অ্যালগরিদম নিয়ে আলোচনা করা সম্ভব নয় কারণ এটির জন্য সিগন্যাল প্রসেসিংয়ের গভীরতর জ্ঞান প্রয়োজন।
উপস্থিতি বহির্মুখ। ফলো-আপ সভাগুলিতে উপস্থিতি হ্রাস পেয়েছে, বিশেষত অনলাইন ফর্ম্যাটে। একটি সমাধান উপস্থিতি ট্র্যাক করা এবং সমাপ্তির একটি শংসাপত্র সরবরাহ করা হতে পারে। মেডিকেল স্কুলগুলি শিক্ষার্থীদের বহির্মুখী একাডেমিক ক্রিয়াকলাপগুলির প্রতিলিপিগুলি স্বীকৃতি হিসাবে পরিচিত, যা শিক্ষার্থীদের একটি ডিগ্রি অর্জনে উত্সাহিত করতে পারে।
কোর্স ডিজাইন: কারণ এআই এতগুলি সাবফিল্ডগুলিকে বিস্তৃত করেছে, উপযুক্ত গভীরতা এবং প্রস্থের মূল ধারণাগুলি নির্বাচন করা চ্যালেঞ্জিং হতে পারে। উদাহরণস্বরূপ, পরীক্ষাগার থেকে ক্লিনিক পর্যন্ত এআই সরঞ্জামগুলির ব্যবহারের ধারাবাহিকতা একটি গুরুত্বপূর্ণ বিষয়। আমরা ডেটা প্রিপ্রোসেসিং, মডেল বিল্ডিং এবং বৈধতা কভার করার সময়, আমরা বিগ ডেটা অ্যানালিটিক্স, ইন্টারেক্টিভ ভিজ্যুয়ালাইজেশন বা এআই ক্লিনিকাল ট্রায়াল পরিচালনা করার মতো বিষয়গুলি অন্তর্ভুক্ত করি না, পরিবর্তে আমরা সর্বাধিক অনন্য এআই ধারণাগুলিতে ফোকাস করি। আমাদের গাইডিং নীতিটি দক্ষতা নয়, সাক্ষরতার উন্নতি করা। উদাহরণস্বরূপ, কোনও মডেল কীভাবে ইনপুট বৈশিষ্ট্যগুলি প্রক্রিয়া করে তা বোঝার জন্য ব্যাখ্যাযোগ্যতার জন্য গুরুত্বপূর্ণ। এটি করার একটি উপায় হ'ল গ্রেডিয়েন্ট অ্যাক্টিভেশন মানচিত্র ব্যবহার করা, যা ডেটাগুলির কোন অঞ্চলগুলি অনুমানযোগ্য তা কল্পনা করতে পারে। তবে এর জন্য মাল্টিভারিয়েট ক্যালকুলাস প্রয়োজন এবং এটি চালু করা যায় না। একটি সাধারণ পরিভাষা বিকাশ করা চ্যালেঞ্জিং ছিল কারণ আমরা গাণিতিক আনুষ্ঠানিকতা ছাড়াই ভেক্টর হিসাবে কীভাবে ডেটা নিয়ে কাজ করব তা ব্যাখ্যা করার চেষ্টা করছিলাম। নোট করুন যে বিভিন্ন পদগুলির একই অর্থ রয়েছে, উদাহরণস্বরূপ, এপিডেমিওলজিতে একটি "বৈশিষ্ট্য" একটি "পরিবর্তনশীল" বা "বৈশিষ্ট্য" হিসাবে বর্ণনা করা হয়।
জ্ঞান ধরে রাখা। কারণ এআইয়ের প্রয়োগ সীমাবদ্ধ, অংশগ্রহণকারীরা যে পরিমাণে জ্ঞান ধরে রাখে তা এখনও দেখা যায়। মেডিকেল স্কুল পাঠ্যক্রম প্রায়শই ব্যবহারিক আবর্তনের সময় জ্ঞানকে শক্তিশালী করার জন্য ব্যবধানযুক্ত পুনরাবৃত্তির উপর নির্ভর করে, 9 যা এআই শিক্ষার ক্ষেত্রেও প্রয়োগ করা যেতে পারে।
সাক্ষরতার চেয়ে পেশাদারিত্ব আরও গুরুত্বপূর্ণ। উপাদানের গভীরতা গাণিতিক কঠোরতা ছাড়াই ডিজাইন করা হয়েছে, যা কৃত্রিম বুদ্ধিমত্তায় ক্লিনিকাল কোর্স চালু করার সময় একটি সমস্যা ছিল। প্রোগ্রামিং উদাহরণগুলিতে, আমরা একটি টেম্পলেট প্রোগ্রাম ব্যবহার করি যা অংশগ্রহণকারীদের একটি সম্পূর্ণ প্রোগ্রামিং পরিবেশ কীভাবে সেট আপ করতে হয় তা নির্ধারণ না করে ক্ষেত্রগুলি পূরণ করতে এবং সফ্টওয়্যারটি চালানোর অনুমতি দেয়।
কৃত্রিম বুদ্ধিমত্তা সম্পর্কে উদ্বেগগুলি সম্বোধন করা হয়েছে: কৃত্রিম বুদ্ধিমত্তা কিছু ক্লিনিকাল ডিউটি 3 প্রতিস্থাপন করতে পারে এমন ব্যাপক উদ্বেগ রয়েছে। এই সমস্যাটির সমাধানের জন্য, আমরা এআইয়ের সীমাবদ্ধতাগুলি ব্যাখ্যা করি, সহ যে নিয়ন্ত্রকদের দ্বারা অনুমোদিত প্রায় সমস্ত এআই প্রযুক্তি চিকিত্সকের তদারকি 11 প্রয়োজন। আমরা পক্ষপাতের গুরুত্বকেও জোর দিয়েছি কারণ অ্যালগরিদমগুলি পক্ষপাতিত্বের ঝুঁকিতে রয়েছে, বিশেষত যদি ডেটা সেটটি বৈচিত্র্যময় না হয়। ফলস্বরূপ, একটি নির্দিষ্ট উপগোষ্ঠী ভুলভাবে মডেল করা যেতে পারে, যা অন্যায় ক্লিনিকাল সিদ্ধান্তের দিকে পরিচালিত করে।
সংস্থানগুলি সর্বজনীনভাবে উপলভ্য: আমরা বক্তৃতা স্লাইড এবং কোড সহ সর্বজনীনভাবে উপলভ্য সংস্থান তৈরি করেছি। যদিও সময় অঞ্চলগুলির কারণে সিঙ্ক্রোনাস সামগ্রীতে অ্যাক্সেস সীমাবদ্ধ, তবে এআই দক্ষতা সমস্ত মেডিকেল স্কুলে পাওয়া যায় না বলে ওপেন সোর্স সামগ্রী অ্যাসিনক্রোনাস শিক্ষার জন্য একটি সুবিধাজনক পদ্ধতি।
আন্তঃশৃঙ্খলা সহযোগিতা: এই কর্মশালাটি একটি যৌথ উদ্যোগ যা মেডিকেল শিক্ষার্থীদের দ্বারা ইঞ্জিনিয়ারদের সাথে একত্রে কোর্স পরিকল্পনা করার জন্য শুরু করা একটি যৌথ উদ্যোগ। এটি উভয় ক্ষেত্রেই সহযোগিতার সুযোগ এবং জ্ঞানের ব্যবধানগুলি প্রদর্শন করে, অংশগ্রহণকারীদের ভবিষ্যতে তারা যে সম্ভাব্য ভূমিকা অবদান রাখতে পারে তা বোঝার অনুমতি দেয়।
এআই কোর দক্ষতা সংজ্ঞায়িত করুন। দক্ষতার একটি তালিকা সংজ্ঞায়িত করা একটি মানক কাঠামো সরবরাহ করে যা বিদ্যমান দক্ষতা-ভিত্তিক মেডিকেল পাঠ্যক্রমের সাথে সংহত করা যায়। এই ওয়ার্কশপটি বর্তমানে ব্লুমের ট্যাক্সনোমির 2 (বোধগম্যতা), 3 (অ্যাপ্লিকেশন), এবং 4 (বিশ্লেষণ) ব্যবহার করে। প্রকল্প তৈরি করার মতো উচ্চ স্তরের শ্রেণিবিন্যাসে সংস্থান থাকা জ্ঞানকে আরও শক্তিশালী করতে পারে। ক্লিনিকাল বিশেষজ্ঞদের সাথে এআই বিষয়গুলি কীভাবে ক্লিনিকাল ওয়ার্কফ্লোতে প্রয়োগ করা যেতে পারে তা নির্ধারণ করতে এবং স্ট্যান্ডার্ড মেডিকেল পাঠ্যক্রমের মধ্যে ইতিমধ্যে অন্তর্ভুক্ত পুনরাবৃত্ত বিষয়গুলির শিক্ষাকে রোধ করতে পারে তা নির্ধারণ করার জন্য এটির জন্য এটি প্রয়োজন।
এআই ব্যবহার করে কেস স্টাডি তৈরি করুন। ক্লিনিকাল উদাহরণগুলির মতো, কেস-ভিত্তিক শিক্ষাগুলি ক্লিনিকাল প্রশ্নগুলির সাথে তাদের প্রাসঙ্গিকতা হাইলাইট করে বিমূর্ত ধারণাগুলিকে শক্তিশালী করতে পারে। উদাহরণস্বরূপ, একটি ওয়ার্কশপ স্টাডিতে গুগলের এআই-ভিত্তিক ডায়াবেটিক রেটিনোপ্যাথি সনাক্তকরণ সিস্টেম 13 বিশ্লেষণ করেছে যে ল্যাব থেকে ক্লিনিকে যাওয়ার পথে চ্যালেঞ্জগুলি সনাক্ত করতে যেমন বাহ্যিক বৈধতা প্রয়োজনীয়তা এবং নিয়ন্ত্রক অনুমোদনের পথগুলি।
পরীক্ষামূলক শেখার ব্যবহার করুন: প্রযুক্তিগত দক্ষতার জন্য ক্লিনিকাল প্রশিক্ষণার্থীদের ঘোরানো শেখার অভিজ্ঞতার অনুরূপ মাস্টারকে কেন্দ্রীভূত অনুশীলন এবং পুনরাবৃত্তি প্রয়োগের প্রয়োজন। একটি সম্ভাব্য সমাধান হ'ল ফ্লিপড ক্লাসরুমের মডেল, যা ইঞ্জিনিয়ারিং এডুকেশন 14 এ জ্ঞান ধরে রাখার উন্নতি করার জন্য রিপোর্ট করা হয়েছে। এই মডেলটিতে, শিক্ষার্থীরা তাত্ত্বিক উপাদানগুলি স্বাধীনভাবে পর্যালোচনা করে এবং শ্রেণির সময় কেস স্টাডির মাধ্যমে সমস্যা সমাধানে উত্সর্গীকৃত।
বহু -বিভাগীয় অংশগ্রহণকারীদের জন্য স্কেলিং: আমরা একাধিক শাখায় সহযোগিতা জড়িত এআই গ্রহণের কল্পনা করি, চিকিত্সক এবং বিভিন্ন স্তরের প্রশিক্ষণের সাথে মিত্র স্বাস্থ্য পেশাদারদের সহ। অতএব, বিভিন্ন বিভাগ থেকে অনুষদের সাথে পরামর্শে পাঠ্যক্রমের বিকাশের প্রয়োজন হতে পারে স্বাস্থ্যসেবার বিভিন্ন ক্ষেত্রে তাদের বিষয়বস্তু তৈরি করতে।
কৃত্রিম বুদ্ধিমত্তা উচ্চ প্রযুক্তি এবং এর মূল ধারণাগুলি গণিত এবং কম্পিউটার বিজ্ঞানের সাথে সম্পর্কিত। কৃত্রিম বুদ্ধিমত্তা বোঝার জন্য স্বাস্থ্যসেবা কর্মীদের প্রশিক্ষণ দেওয়া বিষয়বস্তু নির্বাচন, ক্লিনিকাল প্রাসঙ্গিকতা এবং বিতরণ পদ্ধতিতে অনন্য চ্যালেঞ্জ উপস্থাপন করে। আমরা আশা করি যে এআই থেকে প্রাপ্ত অন্তর্দৃষ্টিগুলি শিক্ষা কর্মশালায় প্রাপ্ত ভবিষ্যতের শিক্ষাবিদদের এআইকে চিকিত্সা শিক্ষায় সংহত করার উদ্ভাবনী উপায়গুলি গ্রহণ করতে সহায়তা করবে।
গুগল কোলাবোরেটরি পাইথন স্ক্রিপ্টটি ওপেন সোর্স এবং এটি উপলব্ধ: https://github.com/ubcaimed/ubcaimed.github.io/tree/master/।
প্রবার, কেজি এবং খান, এস। রিথিংকিং মেডিকেল এডুকেশন: অ্যাকশন টু অ্যাকশন। আক্কাদ ওষুধ। 88, 1407–1410 (2013)।
ম্যাককয়, এলজি ইত্যাদি মেডিকেল শিক্ষার্থীদের কৃত্রিম বুদ্ধিমত্তা সম্পর্কে সত্যই কী জানা দরকার? এনপিজেডএইচ সংখ্যা। মেডিসিন 3, 1–3 (2020)।
ডস সান্টোস, ডিপি, ইত্যাদি। কৃত্রিম বুদ্ধিমত্তার প্রতি মেডিকেল শিক্ষার্থীদের মনোভাব: একটি মাল্টিসেন্টার জরিপ। ইউরো বিকিরণ 29, 1640–1646 (2019)।
ফ্যান, কেওয়াই, হু, আর।, এবং সিঙ্গলা, আর। মেডিকেল শিক্ষার্থীদের জন্য মেশিন লার্নিংয়ের পরিচিতি: একটি পাইলট প্রকল্প। জে মেড। শিক্ষা দিন। 54, 1042–1043 (2020)।
কুপারম্যান এন, ইত্যাদি। মাথার আঘাতের পরে ক্লিনিক্যালি উল্লেখযোগ্য মস্তিষ্কের আঘাতের খুব কম ঝুঁকিতে শিশুদের সনাক্তকরণ: একটি সম্ভাব্য সহযোগিতা অধ্যয়ন। ল্যানসেট 374, 1160–1170 (2009)।
স্ট্রিট, ডাব্লুএন, ওলবার্গ, ডাব্লু এবং ম্যাঙ্গাসারিয়ান, ওল। স্তন টিউমার নির্ণয়ের জন্য পারমাণবিক বৈশিষ্ট্য নিষ্কাশন। বায়োমেডিকাল বিজ্ঞান। চিত্র প্রক্রিয়াকরণ। বায়োমেডিকাল বিজ্ঞান। ওয়েইস 1905, 861–870 (1993)।
চেন, পিএইচসি, লিউ, ওয়াই এবং পেং, এল। কীভাবে স্বাস্থ্যসেবার জন্য মেশিন লার্নিং মডেলগুলি বিকাশ করা যায়। নাট ম্যাট 18, 410–414 (2019)।
সেলভারাজু, আরআর এট আল। গ্রেড-ক্যাম: গ্রেডিয়েন্ট-ভিত্তিক স্থানীয়করণের মাধ্যমে গভীর নেটওয়ার্কগুলির ভিজ্যুয়াল ব্যাখ্যা। কম্পিউটার ভিশন সম্পর্কিত আইইইই আন্তর্জাতিক সম্মেলনের কার্যক্রম, 618–626 (2017)।
কুমারভেল বি, স্টুয়ার্ট কে এবং আইএলিক ডি স্নাতক চিকিত্সা শিক্ষায় ওএসসিই ব্যবহার করে প্রমাণ-ভিত্তিক ওষুধের দক্ষতাগুলি মূল্যায়নের জন্য একটি সর্পিল মডেলের বিকাশ এবং মূল্যায়ন। বিএমকে মেডিসিন। শিক্ষা দিন। 21, 1–9 (2021)।
কোলাচালামা ভিবি এবং গার্গ পিএস মেশিন লার্নিং এবং মেডিকেল শিক্ষা। এনপিজেডএইচ সংখ্যা। ওষুধ। 1, 1–3 (2018)।
ভ্যান লিউউইন, কেজি, শ্যালেক্যাম্প, এস।, রুটেন, এমজে, ভ্যান জিনেকেন, বি এবং ডি রুই, এম। ইউরো বিকিরণ 31, 3797–3804 (2021)।
টপল, ইজে উচ্চ-পারফরম্যান্স মেডিসিন: মানব এবং কৃত্রিম বুদ্ধিমত্তার রূপান্তর। নাট ওষুধ। 25, 44–56 (2019)।
বেদে, ই। এট আল। ডায়াবেটিক রেটিনোপ্যাথি সনাক্তকরণের জন্য ক্লিনিকে মোতায়েন করা একটি গভীর শিক্ষার সিস্টেমের মানব-কেন্দ্রিক মূল্যায়ন। কম্পিউটিং সিস্টেমগুলিতে মানব উপাদানগুলির উপর 2020 সিএইচআই সম্মেলনের কার্যক্রম (2020)।
কের, বি। ইঞ্জিনিয়ারিং শিক্ষায় ফ্লিপড ক্লাসরুম: একটি গবেষণা পর্যালোচনা। ইন্টারেক্টিভ সহযোগিতামূলক লার্নিং (2015) সম্পর্কিত 2015 আন্তর্জাতিক সম্মেলনের কার্যক্রম।
সমর্থন ও তহবিলের জন্য লেখকরা ব্রিটিশ কলম্বিয়া বিশ্ববিদ্যালয়ের বায়োমেডিকাল ইমেজিং এবং কৃত্রিম বুদ্ধিমত্তা গবেষণা ক্লাস্টার থেকে ড্যানিয়েল ওয়াকার, টিম সালকুডিন এবং পিটার জ্যান্ডস্ট্রাকে ধন্যবাদ জানায়।
আরএইচ, পিপি, জেডএইচ, আরএস এবং এমএ কর্মশালার শিক্ষার সামগ্রী বিকাশের জন্য দায়বদ্ধ ছিল। আরএইচ এবং পিপি প্রোগ্রামিং উদাহরণগুলি বিকাশের জন্য দায়বদ্ধ ছিল। কেওয়াইএফ, ওওয়াই, এমটি এবং পিডব্লিউ প্রকল্পের লজিস্টিকাল সংস্থা এবং কর্মশালার বিশ্লেষণের জন্য দায়বদ্ধ ছিল। আরএইচ, ও, এমটি, আরএস পরিসংখ্যান এবং টেবিলগুলি তৈরি করার জন্য দায়বদ্ধ ছিল। আরএইচ, কেওয়াইএফ, পিপি, জেডএইচ, ওওয়াই, এমওয়াই, পিডব্লিউ, টিএল, এমএ, আরএস ডকুমেন্টটি খসড়া তৈরি এবং সম্পাদনা করার জন্য দায়বদ্ধ ছিল।
যোগাযোগের মেডিসিন এই কাজের পর্যালোচনাতে তাদের অবদানের জন্য ক্যারোলিন ম্যাকগ্রিগর, ফ্যাবিও মোরেস এবং আদিত্য বোরকাতিকে ধন্যবাদ জানায়।
পোস্ট সময়: ফেব্রুয়ারী -19-2024