• Den övergripande kursen AI för läkare har målet att ge läkare och annan vårdpersonal en solid grundförståelse för AI. Kursens består av sexton digitala moduler på fyra progressionsnivåer som tillsammans skall ge kursdeltagaren en solid grundförståelse för terminologi, metoder, etik och juridik inom och runt AI.

      Kursen om fattar sexton moduler:

Available courses

M0 AI i vården

Denna modul ger en introduktion till AI i vården för läkare med målet att motivera AI som en oumbärlig kompetens inom vården och ge en bas för och inspiration till vidare lärande. Modulen ger en övergripande introduktion till AI med ett flertal exempel från forskning och praxis, och lyfter fram tekniska, etiska och juridiska perspektiv på AI. Målet med modulen är att ge kännedom om hur AI används kliniskt och i klinisk forskning, och om etiska och juridiska aspekter av AI inom hälso- och sjukvården.

M1 Från intelligens till artificiell intelligens

Denna modul ger en introduktion till AI med avstamp i biologisk intelligens, med målet att ge en bred grundläggande (icke-teknisk) förståelse för terminologi och principer inom AI. Kursen introducerar de två typerna av AI: symbolisk och subsymbolisk AI för att visa på bredden i AI och för att visa hur styrkor och svagheter skiljer sig. Modulen tar även upp de etiska och juridiska frågorna runt förklarbarhet, bias och ansvar.

M2 Data, Modeller och Bias

This module introduces models and data as basis of medical AI, as well as which biases are important to watch out for. It starts from the idea that physicians meet patients already with models in mind, that guide what they ask, measure, conclude and recommend. Different kinds of models in medicine are then summarized. The module shows that medical data are not merely “raw facts”, but are produced through clinical, organisational and technical models. Finally, students learn how these model–data dependencies shape AI systems, including where bias, error, and clinical responsibility can enter.

M3 AI:s historia

Denna modul ger en översikt över AI:s historia och utveckling, från de tidiga idéerna till dagens tillämpningar inom bland annat medicin. Deltagaren får lära sig att AI är ett etablerat forskningsfält med lång kontinuitet, präglat av återkommande vågor av intresse, tekniska genombrott och viktiga milstolpar. Modulen berör även hur etiska och juridiska frågor har blivit allt viktigare i takt med AI:s ökande betydelse i samhället och hälso- och sjukvården.

M4 Symbolisk AI och expertsystem

I denna modul får du ökad förståelse om symbolisk AI och expertsystem och varför denna typ av AI har relevans i medicinska sammanhang. Du lär dig mer om tekniken, men också etiska praktiska aspekter. 

M5 - Maskininlärningens grunder

Denna modul ger en översikt över grundläggande koncept inom maskininlärning (ML). Den presentera till exempel olika inlärningsmetoder och arbetsflöden för utveckling och använding av ML.

M7 grundläggande maskininlärning

Medialt välkänd AI så som ChatGPT och djupinlärning är bara en del av
de AI-metoder som används och behövs i praktiken. I vården används
ofta metoder som är lättare att tolka, klarar sig på mindre data och
kan ange hur säkra de är. Modulen ger fem grundläggande intuitioner om
hur lärande modeller beter sig och går igenom de viktigaste metoderna
utanför neurala nät: beslutsträd, logistisk regression, k närmaste
grannar, probabilistiska metoder och trädensembler. Den avslutas med
vad du ska kräva av ett AI-verktyg samt med etiska frågor om autonomi
och informerat samtycke relaterat till dessa intuitioner.

M8 - Artificiella neuronnät, djupinlärning

Denna modul ger en introduktion till djupinlärning med artificiella neuronnät (ANN). Vi går över arkitektur, funktion och träning av ANNs samt olika användingsområden inom medicin. Dessutom diskuteras etiska, hållbarhets- och juridiska frågor som väckts av användingen av ANNs.

M9 AI i praktiken: Klinisk användning av AI

Modulen visar exempel på använding av AI i klinisk praktik och belyser dess styrkor och begränsningar ur olika perspektiv. 

M10 - Quality and Evaluation of AI Tools

This module introduces key concepts and frameworks for evaluating the quality of AI tools in healthcare, including software and AI quality standards, data quality, bioethics, and FUTURE-AI. You will learn how to identify relevant quality characteristics and assess whether an AI tool is fit for use in a healthcare context.

M11 Risk och säkerhet med AI (klar förutom att sektion 4 saknas, sägs komma 7 okt)

Denna modul ger fördjupad förståelse för risker och säkerhetsaspekter vid användning av AI inom medicin och vård. Fokus ligger på juridiska, tekniska och etiska perspektiv för att säkerställa en ansvarsfull och säker tillämpning av AI i kliniska sammanhang.

M12 Transfer learning, federated learning och framtidens ML

En AI-modell som fungerar på ett sjukhus fungerar inte automatiskt på nästa. Modulen förklarar hur stora språkmodeller fungerar, skillnaden mellan att chatta med AI och att arbeta i ett AI-harness, och hur modeller återanvänds och anpassas (transfer learning, finjustering, att koppla på dokument). Den visar varför modeller kan försämras när de flyttas till en ny patientgrupp, hur sjukhus kan samarbeta utan att flytta patientdata, vad federated learning skyddar och inte skyddar, och hur bias följer med när en modell flyttas. Den avslutas med EU:s principer, AI-förordningen och frågan om vem som bär ansvaret när ett AI-stöd har fel.

M13 Sociala och ekonomiska effekter av AI i vården (klar förutom att 3 filmer saknas, oklart när de kommer)

I denna modul får du reflektera över möjliga konsekvenser av AI i vården för social, ekologisk och ekonomisk hållbarhet, och hur olika former av införande av AI kan påverka livet, sociala interaktioner, normer, läkarrollen och patientmötet.

M14 Framtiden Medicinska AI

Modulen är framåtblickande och utforskar olika vägar för framtidens medicinska AI. och den framtida vården.