Прикладной искусственный интеллект и анализ данных в здравоохранении

Чему научатся студенты?

• Обрабатывать и анализировать большие массивы медицинских данных
• Разрабатывать программные скрипты на Python для автоматического вычисления клинических показателей
• Применять методы машинного обучения и нейросетевые архитектуры
• Строить прогностические модели для оценки клинических рисков, использовать свёрточные нейросети для анализа медицинских изображений
• Визуализировать медицинские данные и создавать интерактивные дашборды. Строить статические графики для анализа распределений, корреляций и динамики показателей.
• Работать с медицинскими изображениями и неструктурированными текстами. Обрабатывать DICOM-файлы, применять методы обработки естественного языка и использовать большие языковые модели для суммаризации историй болезни, автоматической генерации выписок и извлечения структурированной информации с помощью промпт-инжиниринга
• Соблюдать этические и правовые нормы при работе с медицинскими данными

Два специализированных трека

• Трек «Клинический ИИ и анализ медицинских изображений»
  • Обрабатывать и подготавливать медицинские изображения 
  • Разрабатывать нейросетевые модели для диагностики 
  • Оценивать качество диагностических моделей 
  • Применять Transfer Learning для медицинских изображений 
  • Проводить этико-правовую экспертизу ИИ-решений 
• Трек «ИИ в управлении здравоохранением и медицинская аналитика»
  • Строить прогностические модели для управления ресурсами 
  • Применять большие языковые модели для обработки медицинских текстов 
  • Анализировать большие массивы медицинских данных 
  • Создавать интерактивные дашборды для руководителей медицинских организаций 
  • Обеспечивать информационную безопасность и комплаенс