Masterclass AI en Machine Learning voor de gezondheidszorg
Deze masterclass AI en Machine Learning voor de gezondheidszorg biedt medisch specialisten en IT specialisten de noodzakelijke kennis om te beginnen met Artificial intelligence (AI) en Machine Learning (ML).
In de gezondheidszorg is Machine Learning een van de meest veelbelovende en innoverende technologieën. AI en ML technologieën hebben een enorme vooruitgang geboekt de laatste jaren, onder invloed van de cloud, big data en IoT. Indien op de juiste manier geïmplementeerd, stelt het zorg verleners in staat betere diagnoses te stellen, betere zorg te bieden voor de patiënt en de toegang tot de gezondheidszorg te verbeteren.
In een AI en ML project is het essentieel dat de domein expert (degene met kennis van de materie / data, b.v. de medisch specialist) nauw samenwerkt met de data scientists en de IT specialisten. Onze AI en ML trainingen zijn specifiek voor domein experts en IT specialisten ontwikkeld.
Een van de doelen is de besluitvorming van een medisch specialist te verbeteren. Het is belangrijk te realiseren dat een AI of ML algoritme NIET de beslissing neemt. Een AI stelt een medisch specialist in staat, door het bieden van extra informatie, om sneller en accurater een diagnose te stellen. Ondanks het enthousiasme en optimisme van de leveranciers (Google, IBM, Amazon, Azure etc.) staat AI en ML op veel gebieden nog in de kinderschoenen. Daarom moeten we de AI en ML tools als ondersteunend zien en niet als zelfstandig beslissende entiteiten: keep the human in the loop.
En AI / ML in de gezondheidszorg is bij uitstek een voorbeeld van Friendly AI: Uit een artikel van de Global Health Privacy Summit ‘Artificial intelligence and Ethics’:
There are between 400 million and 2 billion people who don’t have access to healthcare or sanitized facilities. Whether it’s to lower the costs of healthcare or whether it’s to literally make healthcare ubiquitous so that all of humanity can participate in the opportunity to receive care, machine learning is somehow essential to this.
Een paar voorbeelden van toepassingen van AI en ML die behandeld worden in deze masterclass AI en Machine Learning voor de gezondheidszorg:
- Ondersteuning van klinische beslissing en Predictive Analytics: het identificeren en adresseren van risico’s, het genereren van patient specifieken beoordelingen en aanbevelingen.
- Medical Imaging: Machine learning kan het vermogen van medisch specialisten vergroten bij het snel identificeren van veranderingen en afwijkingen in foto’s en scans waardoor potentieel sneller en eerder een diagnose gesteld kan worden.
- Stem-naar-tekst vertaling/ NLP: Natural language processing (NLP) kan de intake van een patient en het aanmaken van het elektronisch patiënten dossier vereenvoudigen en er voor zorgen dat de data accurater en up-to-date is
- Cybersecurity: IT Bedreigingen van virussen en ransomware zijn aan de orde van de dag. Het beschermen van patiënt data en privacy zijn van groot belang voor een zorginstelling. Intelligente, zelflerende algoritmes kunnen een doorslaggevende rol spelen bij het voorkomen van een data lek of het bestrijden van computer virussen.
In deze training leert u de essentiële principes van Machine Learning en Data Science. De meest populaire tools (Dataiku, AzureML, etc.) worden besproken, die u in staat stellen een ML project te starten. U leert de specifieke zorgpunten en mogelijkheden van AI en ML in een gezondheidszorginstelling.
Deze masterclass AI en Machine Learning voor de gezondheidszorg beantwoordt vragen als;
- Wat is AI, ML en Deep Learning?
- Welke AI en ML oplossingen zijn nu al beschikbaar in de gezondheidszorg?
- Waarom is nu het moment om te starten met een AI / ML project?
- Wat zijn de eerste stappen in een AI/ML project?
- Wat is data governance in de gezondheidszorg, hoe kan ik mijn data beveiligen en hoe kan ik mijn (big) data efficiënt gebruiken?
- Hoe maak ik van Big data Smart data in de gezondheidszorg?
- Wat zijn de meest populaire algoritmes en hoe kan ik een algoritme of ML model evalueren of een score toekennen?
- Welke tools zijn beschikbaar?
- Wat zijn de gevaren en valkuilen van AI en ML?
- Wat is bias?
- Hoe moet een “black box” voorkomen worden?
- Wat zijn de ethische en juridische zorgpunten?
Na het volgen van deze training kunt u direct beginnen met AI / Ml en heeft u de kennis om AI / ML technologie in uw organisatie in te passen. U ontvangt referenties (boeken, trainingen, links) om uw kennis verder uit te bouwen.
Een uitgebreide agenda vindt u onderaan deze pagina.
Ongeduldig? Lees het uitstekende rapport van de Britse NHSx: Artificial Intelligence: How to get it right. Putting policy into practice for safe data-driven innovation in health and care.
Trainings methode
Deze masterclass AI en Machine Learning voor de gezondheidszorg is beschikbaar in de volgende formats:
- Klassikale training (gepland in Nederland en Belgie of op locatie).
- Webinar: Online classroom / virtual classroom: u kunt online, live, deze training bijwonen vanaf iedere locatie ter wereld via Skype of Zoom.
Een E-learning module (zoals beschikbaar voor onze IT Essentials voor niet-IT’ers) is in ontwikkeling.
Cursusduur
Twee en een halve dag.
Prijs
De Web Infra Academy hanteert twee prijsmodellen: per student of per training.
Voor een training op locatie kunt u contact met ons opnemen met het formulier onderaan deze pagina.
- Klassikaal: 1495,00 Euro per student
- Remote/online: 1095.00 Euro per student (met Skype of Zoom)
- E-learning: in ontwikkeling
- Blended: in ontwikkeling
Cursus data klassikale training
Serie 1
Startdatum 15-06-2020 – einddatum 17-06-2020, locatie Nieuwegein
Serie 2
Startdatum 23-09-2020 – einddatum 25-09-2020, locatie Nieuwegein
Cursus data remote/online
Serie 1
Startdatum 29-06-2020 – einddatum 01-07-2020, locatie: online (Skype of Zoom)
Begin- en eindtijd in overleg met de deelnemers.
Serie 2
Startdatum 30-09-2020 – einddatum 02-10-2020, locatie: online (Skype of Zoom)
Begin- en eindtijd in overleg met de deelnemers.
U kunt zich inschrijven via het contactformulier onderaan deze pagina.
Prerequisites
- Geen.
Target audience
Medisch specialisten, managers in de gezondheidszorg, IT’ers in de gezondheidszorg.
Agenda masterclass AI en Machine Learning voor de gezondheidszorg
Dag 1
- Examples of applied Machine Learning in healthcare
- What is AI en Machine Learning?
- History of AI and Machine Learning
- Terminology AI and Machine Learning (Deep learning, General AI, Narrow AI, Friendly AI, Singularity etc.)
- Why now: the 7 “key enablers”
- Relationship Big Data, IoT and AI/Machine Learning
- Exercise one: doing your first prediction using Dataiku
- Essentials of Data Science:
- the bell curve, standard deviation, Z-score etc.
- Data governance: bringing data silo’s together, data formats healthcare (HL7 FHIR etc.)
- Visualization
- Feature engineering
- Simpson’s paradox
- Exercise two: data selection and feature engineering using Azure ML
- The potential of AI and Machine Learning in healthcare
- Basic methods for Machine Learning (supervised learning, unsupervised learning, deep learning etc.)
Dag 2
- The most popular Machine Learning algorithms
- Exercise three: binomial classification
- Training your model (K-fold cross test)
- confusion matrix, Accuracy, precision, recall, ROC, UAC
- Exercise four: predicting a value
- R2 and scatter plots
- Overfitting and regularization
- Exercise five: clustering
- Silhouette
- Variable importance: RFM
- Natural Language Processing (NLP)
- Types of data: matrix, images-tensors, text-corpus
- Word frequency, Topic modelling, sentiment analysis
Dag 3
- Neural networks
- Exercise six: image recognition
- Convolutional neural networks
- The most popular tools for Machine Learning
- AutoML
- Risks and ethics of AI and Machine Learning (Bias)
- Data security: GDPR, depersonalization/masking, encryption and MFA
- How do I start a successful Machine Learning project
- How do I incorporate Machine Learning in my organization
- Resources for learning
Als u vragen heeft over/of geïnteresseerd bent in deze masterclass AI en Machine Learning voor de gezondheidszorg, kunt u contact met ons opnemen met onderstaand formulier: