Artificial Intelligence in Medicine II

Worum geht's

Du erhältst einen Überblick über fortgeschrittene Vorhersage- und Klassifikationsaufgaben in der Medizin. Du lernst Methoden für Prognose und Diagnostik (z. B. Risikoscores, Survival-Modelle, Differenzialdiagnose, Populationsstratifizierung), spezialisierte ML-Techniken (geometrische Deep Learning-Methoden für Punktwolken/Netze, Transformer, Reinforcement Learning) sowie Themen zur Vertrauenswürdigkeit und klinischen Umsetzung von KI (Bias, Fairness, Generalisierbarkeit, Datenharmonisierung, Evaluation). Am Ende kannst Du die Konzepte in eigenen AI-Projekten anwenden und ihre sozialen und ethischen Implikationen einschätzen.

Was du danach kannst

• Fortgeschrittene Themen der KI in der Medizin wiedergeben
• Beziehungen zwischen den Themen verstehen
• Gelerntes auf eigene AI-Projekte anwenden
• Soziale und ethische Implikationen analysieren und bewerten
• Strategien entwickeln, um Konzepte in der eigenen Arbeit anzuwenden

Aus was das Modul besteht

• LectureVermittlung der theoretischen Grundlagen und Fortgeschrittenenthemen
• PracticalTheoretische Übungen und praktische Programmieraufgaben zur Anwendung des Gelernten

Lehrmethode

• Interactive LectureEinführung und Diskussion komplexer Inhalte
• Theoretical and practical ExercisesVertiefung des Verständnisses und praktische Anwendung in Aufgaben