کاربرد هوش مصنوعی در تحلیل داده‌های سلامت

این کارگاه در تاریخ 22 و 23 تیر 1405 در پژوهشکده علوم بهداشتی (به مدت 6 ساعت) برگزار شده است.

* این دوره به صورت فیلم آموزشی می باشد.

*توجه: پیوند بارگیری(لینک دانلود) تا سه روز پس از خرید قابل استفاده می باشد، لذا خواهشمند است ظرف این مدت اقدام به بارگیری (دانلود) محتوای مورد نظر نمایید.

در نخستین روز کارگاه کاربرد هوش مصنوعی در تحلیل داده‌های سلامت، مباحثی همچون مفاهیم پایه ای داده‌ های سلامت، ویژگی‌ های کلان‌ داده  (Big Data)، منابع تولید داده در نظام سلامت، فرآیند داده‌ کاوی (Data Mining) و مراحل استخراج دانش از داده‌ ها مورد بررسی قرار گرفت. در این بخش، با اشاره به گسترش پرونده‌ های الکترونیک سلامت، سامانه‌ های اطلاعات بیمارستانی، تجهیزات پزشکی هوشمند و سایر منابع دیجیتال، بر نقش روزافزون کلان‌ داده‌ ها در مدیریت و تصمیم‌ گیری نظام سلامت تأکید شد.
مدرسین همچنین اصول داده‌ کاوی، مراحل آماده‌ سازی داده‌ ها، انتخاب الگوریتم‌ های مناسب و ارزیابی مدل‌های تحلیلی را تشریح کردند و به معرفی مبانی یادگیری ماشین (Machine Learning)، تفاوت آن با روش‌ های آماری متداول و انواع روش‌ های یادگیری شامل یادگیری نظارت‌ شده، بدون نظارت و یادگیری تقویتی پرداختند. همچنین کاربرد این روش‌ها در پیش‌ بینی، طبقه‌ بندی، خوشه‌ بندی و کشف الگوهای پنهان در داده‌ های سلامت با ارائه مثال‌ های عملی تشریح شد.

سرفصل های کاربرد هوش مصنوعی در تحلیل داده‌های سلامت (روز اول)

• مفهوم داده کلان در علوم پزشکی
• آنالیز داده های بزرگ
• داده کاوی مفهوم یادگیری ماشین
• یادگیری با نظارت و بی نظارت، یادگیری تقویتی
• مصادیق یادگیری ماشین در علوم پزشکی

روز دوم کارگاه کاربرد هوش مصنوعی در تحلیل داده‌ های سلامت به آموزش کاربردی ابزارهای تحلیل داده اختصاص داشت. در این بخش، شرکت‌ کنندگان با قابلیت‌ های نرم‌افزارIBM  SPSS Modeler  در اجرای فرآیندهای داده‌ کاوی، طراحی مدل‌ های پیش‌ بینی، طبقه‌ بندی و تحلیل داده‌ های سلامت آشنا شدند و نحوه پیاده‌ سازی الگوریتم‌ های مختلف را به‌صورت عملی فرا گرفتند.

در ادامه، انواع ابزارها و سامانه‌ های مبتنی بر هوش مصنوعی و قابلیت‌ ها، مزایا و محدودیت‌ های هر یک معرفی شد. همچنین نقش هوش مصنوعی مولد در تسهیل فعالیت‌ های پژوهشی، از جمله جست‌ وجوی منابع علمی، خلاصه‌ سازی متون، تولید کد، تحلیل داده‌ ها و نگارش علمی مورد بحث قرار گرفت. در این بخش، مدرسین بر ضرورت استفاده مسئولانه از این فناوری‌ ها و رعایت اصول اخلاق پژوهش، حفظ محرمانگی داده‌ ها، شفافیت در استفاده از ابزارهای هوش مصنوعی و اعتبارسنجی نتایج تولیدشده تأکید کردند.

در بخش عملی کارگاه کاربرد هوش مصنوعی در تحلیل داده‌های سلامت، مدرسین با ارائه مثال‌ ها و تمرین‌ های کاربردی، نحوه استفاده از ابزارهای هوش مصنوعی در مراحل مختلف پژوهش، به‌ویژه تحلیل داده‌ های سلامت، انتخاب الگوریتم‌ های مناسب، تفسیر خروجی‌ ها و ارزیابی عملکرد مدل‌ ها را آموزش دادند. این بخش با استقبال شرکت‌ کنندگان همراه بود و فرصت مناسبی برای آشنایی عملی با ظرفیت‌ ها و محدودیت‌ های فناوری‌ های نوین هوش مصنوعی در پژوهش‌های حوزه سلامت فراهم کرد.

سرفصل های کاربرد هوش مصنوعی در تحلیل داده‌های سلامت (روز دوم)

• کاربردهای هوش مصنوعی در علوم پزشکی
• انواع الگوریتم های خوشه بندی و طبقه بندی
• ارزیابی مدلهای هوش مصنوعی در علوم پزشکی
• بررسی یک مجموعه داده واقعی و پیاده سازی مدل