Datadriven sjukvård, 7,5 hp

Huvudområde med fördjupning

Grundläggande behörighet + Engelska 6.

Kursen ges som valbar kurs inom programmet Tillämpad artificiell intelligens (AI), 180 hp.

Hälsovårdssystem är komplexa och mångfacetterade. Artificiell intelligens (AI) och maskininlärning (ML) teknologier har stor potential att förbättra vården, stärka vårdpersonalens möjligheter, förbättra tillgång och rättvisa gällande hälsoinformation, och leverera bättre hälsoutfall. Målet med kursen är att studenterna ska förstå AI:s potential att förbättra vårdekosystem. Målet är även att avsnitt i kursen ska göra det möjligt för studenter att tänka strategiskt med tvärvetenskaplig kunskap om datadriven vård som kopplar samman områdena AI och ML, affärsmodellering och implementering.

Efter avslutad kurs ska studenten kunna:

Kunskap och förståelse

• beskriva de potentiella fördelarna och utmaningarna med att tillämpa AI/ML-lösningar i vården
• identifiera systemiska möjligheter och hinder för teknologisk innovation i vårdekosystem
• kategorisera nyckelintressenter för datadrivna kliniska beslutsstödsystem

Färdighet och förmåga

• applicera några övervakade och oövervakade maskininlärningslösningar och utvärdera dem med hjälp av några av de viktigaste prestationskriterierna
• demonstrera hur man kategoriserar nyckelaktörer inom vårdekosystemet och hur affärsmodeller innoveras och skalas inom denna kontext
• analysera några av de implementeringsstrategier som underlättar framgångsrika implementeringar av AI/ML i vårdekosystem

Värderingsförmåga och förhållningssätt

• utvärdera och granska prestandan hos specifika maskininlärningsalgoritmer som används för att lösa ett vårdproblem
• analysera affärsmodeller och värdeskapande i vårdekosystem
• analysera hinder och strategier för AI-implementering i vården

Kursen är uppdelad i fem huvuddelar:

1. AI-möjligheter och utmaningar inom vården: denna del kommer att täcka ämnet ansvarsfull AI. Ansvarsfull AI, även känt som etisk AI, är en utvecklande ram som strävar efter att säkerställa att AI-system utvecklas, implementeras och används i linje med etiska principer, samhällsvärden och lagliga regleringar. Denna del kommer också att diskutera möjligheter och utmaningar med vad AI kan tillföra vården, hur XAI kan mildra dem och hur informationsdriven vård kan transformera vården. Olika användningsfall kommer att täckas för att diskutera de nuvarande huvudsakliga användningsområdena: (i) medicinskt relaterade användningsfall inklusive diagnostik, triage och behandling, och (ii) hanteringsrelaterade användningsfall inklusive procedur- och ankomstanalys och patientprofiler.

2. Värdeskapande och implementering av AI inom vården: denna del kommer att täcka utmaningarna med att integrera AI i vårdmiljöer genom att förstå de hinder som förhindrar dess framgångsrika implementering. Detta kräver också att analysera perspektiven hos olika nyckelaktörer inom ett vårdekosystem och koppla denna analys till hur affärsmodeller innoveras och skalas inom denna kontext.

3. Praktiska AI-laboratorier: denna del kommer att inkludera viss programmering i Python för att se hur AI/ML-lösningar utvecklas för att hantera saknade data, obalanserade klasser och funktioners betydelse med hjälp av XAI. Flera förskrivna övningar med verkliga hälsodatasatser kommer att tillhandahållas som en lösning inom det smarta vårdområdet. Studenterna får möjlighet att prova de tillhandahållna övningarna i olika scenarier, manipulera dem och få en känsla av hur AI/ML-utveckling utförs i praktiken.

4. Relevanta förordningar inom vården: denna del kommer kort att granska relevanta förordningar inklusive medicintekniska förordningar, GDPR, CE-märkning, EU:s AI-förordning, Läkemedelsverkets "Användning av artificiell intelligens i svensk sjukvård" etc.

5. Datakällor i informationsdriven vård: i denna del kommer befintliga datakällor att täckas, inklusive EHR, HR-system, nationella kvalitetsregister och andra. En introduktion till det pågående arbetet med centraliserad datalagring med gemensamma API:er kommer att ges, inklusive en diskussion om för- och nackdelar.

Undervisningen sker genom en blandning av fysiska och onlineföreläsningar. Varje föreläsning följs av antingen ett praktiskt labb eller en skriftlig uppgift där studenten ska reflektera över diskuterade begrepp.

Examinationen består av en muntlig examination, två laborationer och två skriftliga uppgifter. Samtliga moment kommer att vara individuellt arbete.

Om särskilda skäl finns får examinator göra undantag från angiven examinationsform och medge att en student examineras på annat sätt. Särskilda skäl kan till exempel vara beslut om riktat pedagogiskt stöd.

I kursen ingår kursvärdering. Denna är vägledande för utveckling och planering av kursen. Kursvärderingen dokumenteras och redovisas för studenterna.