क्यानडाली परिप्रेक्षुले मेडिकल विद्यार्थीहरूको लागि कृत्रिम बुद्धिमत्ता सिकाउन

प्रकृति comploce.com भ्रमणको लागि धन्यवाद। ब्राउजर को संस्करण तपाईं प्रयोग गर्दै हुनुहुन्छ सीमित CSS समर्थन छ। उत्तम नतिजाको लागि, हामी तपाईंको ब्राउजरको नयाँ संस्करणको प्रयोग गर्न सिफारिस गर्दछौं (वा इन्टर्नेट एक्सप्लोरमा अनुकूलता मोड बन्द गर्दै)। यस बीचमा, निरन्तर समर्थन सुनिश्चित गर्न हामी स्टाइलिंग वा जाभास्क्रिप्ट बिना साइट देखाउँदैछौं।
क्लिनिकल कृत्रिम बुद्धिमत्ता (ऐ) को आवेदन द्रुत रूपमा बढ्दै छ, तर अवस्थित मेडिकल स्कूल पाठ्यक्रम सीमित शिक्षाले यस क्षेत्रलाई सीमित शिक्षा प्रस्ताव गर्दछ। यहाँ हामी कृत्रिम बुद्धिमत्ता पाठ्यक्रम को वर्णन गर्दछौं कि हामीले विकास गरी क्यानाडाली मेडिकल विद्यार्थीहरूलाई बुझायौं र भविष्यको प्रशिक्षणको लागि सिफारिसहरू गर्न।
कृत्रिम बुद्धिमत्ता (ऐ) चिकित्साले कार्यस्थल दक्षता र सहयोगी क्लिनिकल निर्णय सुधार गर्न सक्दछ। कृत्रिम बुद्धिको प्रयोगलाई सुरक्षित रूपमा मार्गनिर्देशन गर्न, चिकित्सकहरूको कृत्रिम बुद्धिको बारेमा केही समझ हुनुपर्दछ। धेरै टिप्पणीहरू वेशिंग एआई अवधारणा 1, जस्तै एआई मोडेलहरू र प्रमाणिकरण प्रक्रियाहरू व्याख्या गर्छन्। यद्यपि, थोरै संरचित योजनाहरू कार्यान्वयन भएको छ, विशेष गरी राष्ट्रिय तहमा। पिन्टो DOS सानोस एट अल .3। 2 Adil med मेडिकल विद्यार्थीहरू सर्वेक्षण गरिएको थियो र% 1% ले कृत्रिम बुद्धिमत्तामा प्रशिक्षण चाहिएको थियो। मेडिकल बौद्धिक बुद्धिमत्तालाई मेडिकल बीशनको लागि ध्यानपूर्वक सिकाउनु पर्ने सावधानीपूर्वक डिजाइन आवश्यक छ जुन विद्यार्थीहरूको लागि टेक्निकल र गैर प्राविधिक अवधारणालाई संयोजन गर्दछ जो प्राय: विस्तृत ज्ञान हुन्छ। हाम्रो अनुभवलाई मेडिकल विद्यार्थीहरूको तीन समूहमा ऐ वर्कशप्सहरूको श्रृंखला डेलि सम्बोधन गर्ने र ऐ मेडिकल शिक्षाको लागि सिफारिशहरू बनाउँदछ।
चिकित्सा विद्यार्थीहरूको लागि औषधी कार्यशालामा कृत्रिम बुद्धिमत्तामा कृत्रिम बुद्धिमत्ताका लागि पेशे। पाठ्यक्रममा परिवर्तनको विवरणको साथ, प्रत्येक कार्यशास्त्रको लागि एक तालिकामा 1। तीनै प्राथमिक शिक्षा उद्देश्यहरू: विद्यार्थीहरूलाई कृत्रिम बुद्धिपन्थी अनुप्रयोगहरूमा डाटा प्रशोधन गरिन्छ भनेर बुझ्नुहुन्छ, क्लिनिकल टिपलियन्टहरूको लागि आर्टिपायल बुद्धिशक्तिहरू विश्लेषण गर्दछ, र ईन्जिनियरहरू प्रदान गर्न सहयोग गर्न अवसरहरूको फाइदा लिनुहोस्।
निलो व्याख्यान र हल्का निलो को विषय हो अन्तर्क्रियात्मक प्रश्न र उत्तर अवधि हो। खैरो सेक्सन संक्षिप्त साहित्य समीक्षाको केन्द्रबिन्दु हो। सुन्तला सेक्सनहरू चयन गरिएको केस स्टुलिटीहरू हुन् जुन कृत्रिम बीशदार मोडेलहरू वा प्रविधि वर्णन गर्दछ। ग्रीन एक निर्देशित प्रोग्राइंग कोर्स हो जुन क्यान्टिफाइल बुद्धिमत्ता प्रमाणित गर्न र मोडेलहरूको मूल्यांकन गर्नको लागि डिजाइन गरिएको छ। कार्यशालाहरूको सामग्री र अवधिको अवधि विद्यार्थीको आवश्यकताहरूको मूल्या assessions ्कनको आधारमा फरक हुन्छ।
पहिलो कार्यशाला फेब्रुअरीदेखि अप्रिल 201 2019 सम्म ब्रिटिश कोलम्बियाको विश्वविद्यालयमा आयोजित गरिएको थियो, र सबै childres सहभागीहरूले सकारात्मक प्रतिक्रिया4 दिए। Covide-19 को कारणले दोस्रो कार्यशाला लगभग अक्टोबर 2020 मा आयोजित गरी 822 मेडिकल विद्यार्थी र 8 क्यानाडाली मेडिकल स्पाइजिंगबाट daying बासिन्दाहरूलाई। प्रस्तुतीकरण स्लाइडहरू र कोड खुला पहुँच साइट (HTTP://abkimed.gitubed.ietub.ia) मा अपलोड गरिएको छ। पहिलो पुनरावृत्तिबाट कुञ्जी प्रतिक्रिया भनेको व्यापक एकदम गहन र सामग्री धेरै सैद्धान्तिक थियो। क्यानाडाको छ अलग फरक समय Zonges प्रस्तुत गर्दछ थप चुनौतीहरू। तसर्थ, दोस्रो कार्यशालाले प्रत्येक सत्रमा 1 घण्टामा छोपेको छ, पाठ्यक्रम सामग्रीलाई सरलीकृत, थप केस स्टेटहरू थपियो जसले सहभागीहरूलाई न्यूनतम डिबगिंग (बक्स 1) बनाउँदछ। दोस्रो पुनरावृत्तिबाट कुञ्जी प्रतिक्रियाले प्रोग्रामिंग अभ्यासमा सकारात्मक प्रतिक्रिया समावेश गर्यो र मेशिन सञ्चार परियोजनाको लागि योजना बनाउन अनुरोध। त्यसकारण हाम्रो तेस्रो कार्यशालामा मार्च-अप्रिल 2021 मा 12 didised मेडिकल विद्यार्थीहरूको लागि लगभग 126 मेडिकल विद्यार्थीहरूको लागि आयोजित परियोजनाहरूमा कार्यशाला अवधारणा प्रयोग गरेर परियोजनामा ​​आत्मकष प्रयोग गरियो।
डाटा विश्लेषण: तथ्या .्कमा अध्ययनको एक क्षेत्र जुन विश्लेषण, प्रशोधन गर्ने, र डेटा बान्कीलाई सञ्चार गरेर डाटामा अर्थपूर्ण ढाँचा पहिचान गर्दछ।
डाटा खानी: डाटा पहिचान र निकाल्ने डाटा को प्रक्रिया। कृत्रिम बुद्धिको सन्दर्भमा, यो प्राय: ठूलो हुन्छ, प्रत्येक नमूनाको लागि बहु प्रवृत्तिको साथ।
आयागतता प्रतिबन्ध: मूल डाटा सेटको महत्त्वपूर्ण गुणहरूको संरक्षण गर्ने क्रममा धेरै व्यक्तिगत सुविधाहरूको साथ डाटा रूपान्तरण गर्ने प्रक्रिया।
विशेषताहरू (कृत्रिम बुद्धिको सन्दर्भमा): नमूनाको मापन योग्य गुणहरू। प्राय: "सम्पत्ती" वा "चल" को साथ आदानप्रदानको रूपमा प्रयोग गरिन्छ।
ग्रेडियन्ट सक्रियता नक्शा: कृत्रिम बमोलाल उपकरण मोडेलहरू (विशेष गरी कन्डिसनल न्यूरोर्क्सहरूको व्याख्या गर्न प्रयोग गरिएको एक प्रविधिको विश्लेषण गर्दछ जुन उच्चतम भविष्यवाणी गरिएको डाटा वा छविहरू छन्।
मानक मोडेल: अवस्थित AI मोडेल जुन समान कार्यहरू प्रदर्शन गर्न प्रि-प्रशिक्षित भएको छ।
टेस्टिंग (कृत्रिम बुद्धिको सन्दर्भमा): एक मोडेलले कसरी यो भन्दा पहिले सामना नगरेको कार्य प्रयोग गरेर एक मोडेल गर्दछ अवलोकन गर्दछ।
प्रशिक्षण (कृत्रिम बुद्धिको सन्दर्भमा): डाटा र परिणामहरूको साथ एक मोडेल प्रदान गर्दछ ताकि नयाँ आन्तरिक प्यारामिटरहरू समायोजन गर्न नयाँ डाटा प्रयोग गर्न को लागी यसको क्षमतालाई यसको क्षमता अप्ट्रीकरण गर्न।
भेक्टर: डाटाको एर्रे। मेशीन सिकिंगमा, प्रत्येक एर्रे एलिमेन्ट मूलतः नमूना को एक अद्वितीय विशेषता हो।
तालिका 1 अप्रिल 2021 को लागि भर्खरको पाठ्यक्रमहरू सूचीबद्ध गर्दछ, प्रत्येक शीर्षकको लागि लक्षित सिक्ने उद्देश्यहरू सहित। यो कार्यशाला ती नयाँ व्यक्तिहरूको लागि प्राविधिक स्तरमा उद्देश्य राख्दछ र स्नातक मेडिकल डिग्रीको पहिलो वर्ष बाहिर कुनै गणित ज्ञानको आवश्यक पर्दैन। पाठ्यक्रम bedic मेडिकल विद्यार्थी र chirsters ले ईन्जिनियरिंगमा उन्नत डिग्रीको साथ विकसित भएको थियो। ईन्जिनियरहरू कृत्रिम बुद्धिमत्ता सिद्धान्तलाई सिकाउन विकास गर्दैछन्, र चिकित्सा विद्यार्थीहरूले क्लिनिकसँग सम्बन्धित सामग्री सिकिरहेका छन्।
कार्यशालाहरूमा लेक्चर, केस अध्ययन, र निर्देशित प्रोग्रामिंग समावेश छ। पहिलो लेक्चरमा, हामी बारुटाइजमा डाटा विश्लेषण, लॉगलाइटिस्ट, र वर्णनात्मक र विकर्षित तथ्या .्कहरू सहित डाटा विश्लेषणको चयनित अवधारणाहरूको समीक्षा गर्दछौं। यद्यपि डाटा विश्लेषण कृत्रिम बुद्धिको आधार हो, हामी विषयहरू समावेश गर्दछौं जस्तै डाटा खानी, महत्त्व परीक्षण, वा अन्तर्क्रियात्मक दृश्य। यो समय अवरोधका कारणले हो र केही स्नातक विद्यार्थीहरूको बाख्रापमा प्रशिक्षण थियो र अधिक अनौंठो मेसिन सिक्ने विषयहरूमा कभर गर्न चाहन्थ्यो। पछिल्लो लेक्चरले आधुनिक विधिहरू प्रस्तुत गर्दछ र आय समस्या गठन, योग्यता र Ai मोडेलहरूको सीमितता र सीमितताहरू। व्याख्यानहरू अवस्थित कृत्रिम बुद्धिमत्ता उपकरणहरूमा व्यावहारिक र व्यावहारिक अनुसन्धानको सामना गर्नुपर्यो। हामी क्लिनिकल प्रश्नहरू सम्बोधन गर्न नबुझेको प्रभावकारिता र सम्भाव्यता मूल्यांकन गर्नका लागि सीपहरू जोड दिन्छौं, अवस्थित कृत्रिम बुद्धिमत्ता उपकरणहरूको सीमितता बुझाइ। उदाहरण को लागी, हामीले विद्यार्थीहरूलाई क्याडिएट्रिक हेड एट अल्चल द्वारा प्रस्ताव गर्न को लागी एक कृत्रिम बुद्धिमत्ता दिशानिर्देशहरु व्याख्या गर्न को लागी एक cet स्क्यान एक चिकित्सक को परीक्षा मा आधारित उपयोगी हुनेछ कि भनेर निर्धारण गर्न। हामी यो कुरामा संदिग्धहरुको व्याख्या गर्न चिकित्सकहरूको व्याख्या गर्नुको साताको बरु व्याख्या गर्नुको साताको बृद्धि गर्नुको साटो प्रमाणित गर्नुको साटो प्रमाणित गर्नुको साटो प्रमाणित गर्नुको साटो प्रमाणित हुन्छ।
उपलब्ध खुला स्रोत बुटस्ट्र्याप प्रोग्रामिंग प्रोग्रामिंग उदाहरणहरू (HTTPS://gtpsub.com/maghaumed = giithuugraming_examples), आक्रित मोडल, मानक कटौती, र प्रशिक्षण । र परीक्षण। हामी गुगल कोम्पबोरेक्ट नोटबुकहरू (गुगल एलएलसी, माउन्टेन, माउन्टेन, CA) प्रयोग गर्छौं, जसले गर्दा पिथन कोडलाई वेब ब्राउजरबाट कार्यान्वयन गर्न अनुमति दिन्छ। छविमा। चित्र 2 ले प्रोग्रामिंग व्यायामको उदाहरण प्रदान गर्दछ। यस गतिमा विस्कॉन्सिनका पूर्वानुमानमा पूर्वानुमानमा पूर्वानुमान पुस्तकहरू प्रयोग गरेर समावेश गर्दछ।
सम्बन्धित शीर्षकमा हप्ता भर वर्तमान कार्यक्रमहरू र प्रकाशित AI अनुप्रयोगहरूबाट उदाहरणहरू चयन गर्नुहोस्। प्रोग्रामिंग तत्वहरू मात्र समावेश छन् यदि तिनीहरूलाई भविष्यको क्लिनिकल अभ्यासमा अन्तर्दृष्टि प्रदान गर्न प्रासंगिक मानिन्छ भने, कसरी तिनीहरू क्लिनिकल परीक्षणहरूमा प्रयोगको लागि तयार छन् कि भनेर निर्धारण गर्न प्रासंगिक रूपमा लिइन्छ। यी उदाहरणहरू पूर्ण रूपमा हुने अन्तिम अनुप्रयोगमा अन्त हुन्छ जुन ट्युमर्स वा दर्जनको रूपमा मेडिकल छवि प्यारामिटरमा आधारित छ।
पूर्व ज्ञानको कुख्यातता। हाम्रो सहभागीहरू उनीहरूको गणितीय ज्ञानको स्तरमा फरक भए। उदाहरण को लागी, उन्नत ईन्जिनियरिंग ईन्जिनियरिंग पृष्ठभूमिका साथ विद्यार्थीहरू अधिक गहन सामग्री खोज्दैछन्, जस्तै आफ्नै चारै साटर रूपान्तरणहरू प्रदर्शन गर्ने। यद्यपि कक्षामा 10 एल्गोरिथ्म छलफल गर्न सम्भव छैन किनकि यसको लागि संकेतको प्रसंस्करणको गहन ज्ञानको आवश्यकता छ।
उपस्थिति प्लोप्र्गा। अनुगमन-अप बैठकमा उपस्थिति, विशेष गरी अनलाइन ढाँचामा। समाधान ट्र्याक गर्न सकिन्छ र सम्पन्नताको प्रमाणपत्र प्रदान गर्न सक्छ। चिकित्सा स्कूलहरू विद्यार्थीहरूको अतिरिक्त शैक्षिक शैक्षिक गतिविधिहरूको ट्रान्सक्रिप्टहरू पहिचान गर्न परिचित छन् जुन विद्यार्थीहरूलाई डिग्री पछ्याउन प्रोत्साहित गर्न सक्दछ।
पाठ्यक्रम डिजाईन गर्नुहोस्: किनकि एआईले धेरै सब्सफिल्डहरू स्प्यान गर्दछ, उपयुक्त गहिराई र चौडाइजको मूल अवधारणाहरू छान्न गाह्रो हुन सक्छ। उदाहरण को लागी, क्लिनिकमा प्रयोगशाला बाट एई उपकरणको प्रयोगको निरन्तरता एक महत्त्वपूर्ण विषय हो। जब हामी डाटा प्रोफोरोसिंग, मोडेल भवन, र प्रमाणीकरण समावेश गर्दछौं, हामीमा ठूला डाटा विश्लेषणात्मक, अन्तर्क्रियात्मक ऐतिहासिक परीक्षाहरू समावेश गर्दैनौं, सट्टामा हामी ध्यान केन्द्रित गर्दछौं। हाम्रो मार्गनिर्देशन सिद्धान्त साक्षरता, सीपहरू होइन। उदाहरण को लागी, बुझाइले बुझाइ बुझाइको लागि कुन मोडेल सुविधाहरू व्याख्याको लागि महत्त्वपूर्ण छ। यो गर्ने एउटा तरिका ढाँचा सक्रिय सक्रियता नक्शा प्रयोग गर्नु हो, जसले डाटाको क्षेत्रहरूको क्षेत्रहरूको पूर्वानुमान गर्न सक्दछ। जे होस्, यसमा बहुविध क्याल्कुलस आवश्यक छ र परिचय गराउन सकिदैन। साझा शव्दको विकास चुनौतीपूर्ण थियो किनभने हामी तथ्या .्गिक औपचारिकता बिना भेक्टरहरूको रूपमा कसरी काम गर्ने भनेर वर्णन गर्न कोशिस गर्दैछौं। नोट गर्नुहोस् कि, उदाहरणका लागि, उदाहरणका लागि, उदाहरणका लागि, उदाहरणका लागि, "विशेषता" को "चरित्र" वा "विशेषता" को रूपमा वर्णन गरिएको छ।
ज्ञान अवधारण। किनभने Ai को आवेदन सीमित छ, को हदसम्म सबैको ज्ञान कायम राख्नको हदसम्म ज्ञान कायम राख्छ। मेडिकल स्कूल पाठ्यक्रम प्राय: व्यावहारिक घुमाउरोमा ज्ञानलाई सुदृढ पार्न अन्तरिक्ष पुन: परिभाषामा भर पर्नुपर्दछ, जसमा AI शिक्षामा पनि लागू गर्न सकिन्छ।
व्यावसायिकता साक्षरता भन्दा बढी महत्त्वपूर्ण छ। सामग्रीको गहिराइ गणित कडा कडा बिना डिजाइन गरिएको हो, जुन एक समस्या थियो जब अत्यावश्यक बुद्धिमत्तामा क्लिनिकल कोर्स सुरू गर्दै। प्रोग्रामिंग उदाहरणहरूमा हामी एक टेम्प्लेट कार्यक्रम प्रयोग गर्छौं जसले सहभागीहरूलाई खेतहरू भर्न र पूर्ण प्रोग्रामिंग वातावरण कसरी सेट अप गर्न बाहिर निस्कन बिना सफ्टवेयर चलाउन अनुमति दिन्छ।
कृत्रिम बौद्धिक सुधारलाई सम्बोधन गरिएको चिन्ता: त्यहाँ व्यापक चिन्ता छ कि कृत्रिम बुद्धिले केही क्लिनिकल कर्तव्य प्रतिस्थापन गर्न सक्छ। यस मुद्दालाई सम्बोधन गर्न हामी ऐको सीमितताहरूको व्याख्या गर्न सक्छौं, नियामकहरूले अनुमोदन गरेका सबै एआईएस प्रविधिको आवश्यकता छ भन्ने तथ्यहरू समावेश गर्दछ। हामी पूर्वाग्रहको महत्त्व पनि जोड दिन्छौं किनभने एल्गोरिदमहरू पूर्वाग्रहको खतरामा छन्, विशेष गरी यदि डाटा सेट बीमा 122 होइन। फलस्वरूप, एक निश्चित उपसमूह गलत रूपमा मोडल हुन सक्छ, जुन अनुचित क्लिनिकल निर्णयहरूतर्फ अग्रसर हुन्छ।
स्रोतहरू सार्वजनिक रूपमा उपलब्ध छन्: हामीले सार्वजनिक रूपमा उपलब्ध स्रोतहरू सिर्जना गरेका छौं, लेक्चर स्लाइड र कोड सहित। यद्यपि समिकव्य सामग्रीमा पहुँच सीमित छ, जबकि समय खुला स्रोत सामग्री AI विशेषज्ञहरू सबै मेडिकल स्कूलहरूमा उपलब्ध नभएदेखि।
एक कार्यशाला: यो कार्यशाला: यो कार्यशाला भनेको चिकित्सा विद्यार्थीहरूले ईन्जिनियरहरूसँगै पाठ्यक्रमहरू योजना गर्न संयुक्त उप्रान्तको संयुक्त उप्रान्त रहेको छ। यसले दुबै क्षेत्रहरूमा सहयोगी अवसरहरू र ज्ञान अन्तरहरूको प्रदर्शन गर्दछ, सहभागीहरूलाई भविष्यमा योगदान पुर्याउन सक्ने सम्भावित भूमिका बुझ्नको लागि अनुमति दिन्छ।
AI कोर दक्षता परिभाषित गर्नुहोस्। दक्षहरूको सूची परिभाषित गर्दा एक मानकीकृत संरचना प्रदान गर्दछ जुन अवस्थित योग्यता-आधारित मेडिकल पाठ्यौलामा एकीकृत हुन सक्छ। यो कार्यशालाले हाल उद्देश्यपूर्ण स्तर 2 (समझ), ((अनुप्रयोग), र (अनुप्रयोग) (विश्लेषण) (विश्लेषण) (विश्लेषण), ब्लूमको वर्गीकरणको (अनुप्रयोग) (अनुप्रयोग) (अनुप्रयोग) (अनुप्रयोग) (विश्लेषण) प्रयोग गर्दछ। वर्गीकरणको उच्च स्तरमा स्रोतहरू भएको, जस्तै परियोजनाहरू सिर्जना गर्दा ज्ञानलाई अझ सुदृढ पार्न सक्छ। यसको निर्धारण गर्न क्लिनिकल विज्ञहरूसँग काम गर्न र क्लिनिकल वर्कफ्लोमा कसरी लागू गर्न सकिन्छ र दोहोरिने विषयहरूको शिक्षालाई पहिले नै मानक मेडिकर्नीमा समावेश गर्न सकिन्छ।
AI प्रयोग गरेर केस स्टडहरू सिर्जना गर्नुहोस्। क्लिनिकल उदाहरणहरू जस्तै, केस-आधारित शिक्षाले क्लिनिकल प्रश्नहरूको प्रकाशलाई हाइलाइट गरेर अमूर्त अवधारणाहरूलाई अझ सुदृढ पार्न सक्छ। उदाहरण को लागी, एक कार्यशाला अध्ययनले Google को Ai-आधारित मधुमेनी पत्ता लगाउन र नियामक अनुमोदन मार्गहरू विश्लेषण गर्न गुगलका एआई-आधारित मधुमेई पत्ता लगाउने प्रणाली 1 13 को विश्लेषण गर्यो।
प्राविधिक शिक्षा प्रयोग गर्नुहोस्: प्राविधिक सीपहरूको लागि केन्द्रित अभ्यासलाई दोहोर्याउनुहोस् र मानको लागि दोहोर्याइएको अनुप्रयोग, क्लिनिकल प्रशिक्षार्थीहरूको घुमाउने शिक्षाको अनुभव जस्तै। एक सम्भावित समाधान फ्लिप गरिएको कक्षा कोठा मोडल हो, जुन ईन्जिनियरि supportion शिक्षा 1 on मा ज्ञान पुन: अवधारणा सुधार गर्न रिपोर्ट गरिएको छ। यस मोडेलमा, विद्यार्थीहरूले सैद्धान्तिक सामग्रीको समीक्षा गर्छन् र वर्गको समयमा केस स्टकाई मार्फत समस्याहरू समाधान गर्न समर्पित हुन्छन्।
बहुमत्घनशील सहभागीहरूको लागि स्केलिंग: हामी एआईई एआईलाई तालिमहरू लगायतका चिकित्सकहरू सहितको प्रशिक्षणको साथसाथै सहयोगी संस्थागत गर्न पाउँछौं। तसर्थ, पाठ्यक्रम विभिन्न विभागबाट संकायको लागि स्वास्थ्य सेवाको विभिन्न क्षेत्रमा दर्जी गर्न आवश्यक पर्दछ।
कृत्रिम बुद्धिमत्ता उच्च-टेक हो र यसको कोर अवधारणाहरू गणित र कम्प्युटर विज्ञानसँग सम्बन्धित छन्। प्रशिक्षण स्वास्थ्य सेवा कर्मचारीहरूलाई बुझ्ने आधारभूत बौद्धिक, क्लिनिकल प्रासंगिक शिक्षा, र वितरण विधिहरूमा अनौंठो चुनौतीहरू प्रस्तुत गर्न प्रशिक्षण। हामी आशावादी छौं कि एआईले शिक्षा कार्यशालाबाट प्राप्त गरेको अन्तरदृष्टिहरूले भविष्यका शिक्षकहरूलाई फोन गरिएका कामदारहरूलाई चिकित्सा शिक्षालाई चिकित्सा शिक्षामा अभिव्यक्त गर्न मद्दत गर्दछ।
गुगल कोम्पबोरेक्ट पाइथन स्क्रिप्ट खुल्ला स्रोत हो र उपलब्ध छ: HTTPS://giithuub.com / othithue /।
सरकार, किलो र खान, एस रूपान्तर्गत चिकित्सा शिक्षा: कार्य गर्न कल। अक्कड। औषधी। 88 88, 1 1407-1-1410 (201))।
म्याककी, LG आदि। चिकित्सा विद्यार्थीहरूले के कृत्रिप बौद्धिकको बारेमा जान्नु आवश्यक छ? एनपीजे नम्बरहरू। औषधी ,, 1- 1-3 (2020)।
DOS Santos, DP, ET अल। कृत्रिम बुद्धिमत्ताका लागि मेडिकल विद्यार्थीहरूको दृष्टिकोण: एक मल्टिन्टेन्टर सर्वेक्षण। यूरो विकिरण। 2 ,, 1 16400-1-1646466 (201))।
प्रशंसक, के, हू, र r। र सिंणा, आर। डाईड गर्न मेसिनका लागि परिचय: एक पायलट प्रोजेक्ट। J. मेड। सिकाउँछ , 54, 1042-1143333 (2020)।
Coperman एन, एट अल। क्लियरीले क्लियरीलाई क्लिनिकल मस्तिष्क चोटपटक लागेको छ कि टाउकोमा चोटपटकपछि, एक सम्भावित कोहोर्ट अध्ययन। लान्सेट 3 374, 11600-11700 (200))।
सडक, wn, Wolberg, wh र मंगसियारी, ओएल। स्तन ट्यूमजिकल निदानको लागि आणविक सुविधा निकाय। बायोडेनिकल विज्ञान। छवि प्रशोधन। बायोडेनिकल विज्ञान। हाम्रो। 1 190 05, 861-8700 (1 199 199 M)।
चेन, PHC, LIU, Y. र पेन्डि, एल। Nat। शव्याप। 1 ,, 4010-4114 (201))।
सेल्भाराजू, RR एट अल। ग्रेड-क्यामेरा: ग्रेडियन्ट-आधारित स्थानीयकरणको माध्यमबाट गहिरा नेटवर्कहरूको दर्शक व्याख्या। कम्प्युटर दर्शनमा आईईएईको अन्तर्राष्ट्रिय सम्मेलनको कार्यवाही, 6118-62626 (201))।
कुमाशय बी, स्टीवर्ट k र इल्चा डी। विकास र प्रमाणित चिकित्सा शिक्षाको प्रयोग गरेर प्रमाणहरू प्रयोग गरेर प्रमाण-आधारित औषधि योग्यताहरूको आकलन गर्नका लागि सर्कुल मोडेलको मूल्यांकन। BMK औषधि। सिकाउँछ 21, 1-9 (202)।
कोलाचलामा वीबी र गार्गा PS मेसिन शिक्षण र चिकित्सा शिक्षा। एनपीजे नम्बरहरू। औषधी। 1, 1- 1-3 (201))।
भ्यान लीवान, केजी, स्केलेसेक, एस।, रुज, रायन, भ्यान Gooy, B. र डिपार्जनी बुद्धिमत्ता: 100 वाणिज्यिक उत्पादनहरू र उनीहरूको वैज्ञानिक प्रमाणहरू। यूरो विकिरण। .1,, 37 77978--3804 (2021)।
टोपोल, EJ उच्च प्रदर्शन औषधि: मानव र कृत्रिम बुद्धिको कन्सोर्जेन्स। Nat। औषधी। 2 ,, 44 44--56 (201))।
बीडी, E. एट अल। मधुमेह रेटिनोप्रिफाथीको पहिचानको लागि क्लिनिकमा खरिद गरिएको गहिरो साहित्य प्रणालीको मानव-केन्द्रित मूल्यांकन। प्रणालीमा प्रणालीहरूमा 2020 कि सम्मेलनको कार्यवाही (2020) मा मानव कारकहरूको कार्यवाही।
केर, बी। ईन्जिनियरिंग शिक्षामा फ्लिप गरिएको कक्षाकोठा: अनुसन्धान समीक्षा। अन्तर्क्रियात्मक सहयोगी शिक्षामा 201 2015 को अन्तर्राष्ट्रिय सम्मेलनको कार्यवाही (201))।
लेखकहरूले दानियल वाकर, टिका साईडिन, र पेनअपल बप्तिस्मा पर्यवेयण अनुसन्धान र कृत्रिम बुद्धिमत्ता अनुसन्धान अनुसन्धान र ब्रिटिश कोलम्बियाको लागि समर्थन र कोमर्मितिमा।
RH, पृ, zh, रु र मा कार्यशाला शिक्षण सामग्री को विकास को लागी जिम्मेवार थिए। आरएच र पीपी प्रोग्रामिंग उदाहरण को विकास को लागी जिम्मेवार थिए। KYF, OY, MT र PW परियोजनाको तार्किक संगति र कार्यशालाहरूको विश्लेषणको लागि जिम्मेवार थिए। आरए, ओई, एमआईटी, आंकडा र तालिका बनाउने को लागी रु। Rh, Kyf, PP, or, my, m, m, m, ma, Ma, कागजात मस्यौदा को लागी जिम्मेवार थियो।
सञ्चार औषधि cooynn mcggror, फेसियो मोरेज, र आदित्य बोरकी यो कामको समीक्षा को लागी।