Artificiell intelligens inom mental hälso- och sjukvård

Kursbeskrivning

Observera att kursen ges på engelska.

Om kursen

Vem är morgondagens kliniker - människa och maskin? Tillsammans utforskar vi hur artificiell intelligens (AI) undersöks och integreras med fokus på klinisk psykologi och psykiatri, för att förbättra den skräddarsydda patientvården. Under kursen diskuterar vi etiska implikationer av detta pågående paradigmskifte och dess konsekvenser för mental hälso- och sjukvård.

Kursen ger ett tvärvetenskapligt perspektiv på både möjligheter och utmaningar med implementering av AI-verktyg. Med hjälp av teori och exempel från verkligheten får du insikt i de särskilda styrkorna och begränsningarna hos människa kontra maskin. Fokusområden inkluderar chatbots, självmordsprediktion och applicerad maskininlärning i syfte att förbättra skräddarsydd behandling, monitorering och vård. Dessa områden studeras också ur ett etiskt perspektiv. Föreläsningar kompletteras med seminarier om de senaste rönen. Interaktiva workshops ger möjlighet till såväl teoretisk fördjupning som praktisk erfarenhet av konstruktion av AI-verktyg.

Om undervisningen

Dina kunskaper examineras genom gruppdiskussioner, muntliga presentationer och skriftliga utvärderingar.

Artificiell intelligens inom mental hälso- och sjukvård

Artificial Intelligence in Mental Healthcare

Basdata

Kurskod: 1QA142
Kursens namn: Artificiell intelligens inom mental hälso- och sjukvård
Högskolepoäng: 3
Utbildningsform: Högskoleutbildning, 2007 års studieordning
Huvudområde: Övriga ämnen
Nivå: Grundnivå, kursens fördjupning kan inte klassificeras
Betygsskala: Underkänd (U) eller godkänd (G)
Kursansvarig institution: Institutionen för klinisk neurovetenskap
Beslutande organ: Utbildningsnämnden CNS
Datum för fastställande: 2023-12-13
Reviderad av: Utbildningsnämnden CNS
Senast reviderad: 2024-10-30
Kursplanen gäller från: Vårtermin 2025

Särskild behörighet

Minst 60 hp. Dessutom krävs Engelska B/Engelska 6 med lägst betyget godkänd/E.

Mål

Syftet med kursen är att introducera ämnet artificiell intelligens (AI) med fokus på teoretisk utveckling och praktisk tillämpning inom klinisk psykologi och psykiatri samt att stimulera till ett vetenskapligt förhållningssätt.

LÄRANDEMÅL
Efter avslutad kurs kommer studenten att kunna förstå möjligheter och utmaningar som samtida AI-verktyg erbjuder inom klinisk psykologi och psykiatri, inklusive:

Kunskap och förståelse

  • Identifiera styrkor och begränsningar hos människan jämförd med maskiner och hur morgondagens kliniker kan vara en kombination av båda.
  • Artikulera och diskutera etiska överväganden avseende utveckling samt implementering av AI-verktyg i kliniskt rutinarbete.
  • Beskriva grundläggande koncept rörande konversationsagenter (chatbots) för onlinepsykoterapi.
  • Ge andra exempel på AI-applikationer inom mental hälso- och sjukvård.

Färdigheter

  • Uppmana (prompta) generativa AI-verktyg för att producera tal-till-text, text-till-text, samt text-till-visuella resultat.
  • Bidra till utvecklingen av en prediktiv maskininlärningsmodell.
  • I tal och skrift resonera om modellens styrkor och begränsningar avseende både lokal klinisk kontext och ur ett större samhälleligt perspektiv.
  • identifiera och resonera om etiska utmaningar som kliniska AI-implementeringsexempel kan medföra.

Förhållningssätt

  • Exponeras för lämplig vetenskaplig litteratur inom området AI-fokuserad digital hälsovård.
  • Exponeras för och uppmuntras till kritisk kvalitetsgranskning av nämnda litteratur.

Innehåll

Kursen ger en tvärvetenskaplig synvinkel på såväl möjligheter som utmaningar med AI inom mental hälso- och sjukvård. Genom teori och verkliga exempel kommer studenterna att få insikt i de särskilda styrkorna och begränsningarna hos människor jämfört med maskiner. Fokusområden inkluderar konversationsagenter, självmordsprognostik och tillämpad maskininlärning för bättre skräddarsydd behandling, monitorering och vård. Dessa ämnen kommer också att studeras och diskuteras ur ett etiskt perspektiv. Föreläsningar kommer att stödjas av seminarier om banbrytande forskningsresultat. Interaktiva workshops kommer att erbjuda möjligheter både för teoretisk utveckling och praktisk konstruktion av AI-verktyg.

Arbetsformer

Arbetsformatet i kursen innefattar både lärarledd samt självständig undervisning. Den lärarledda undervisningen innefattar föreläsningar, workshops, en journal club med seminariediskussioner samt delar av grupprojektarbetet. Självstudier sker i form av egen läsning, reflektion, samt delar av grupprojektarbetet.

Grupprojektarbetet kommer att resultera i muntlig och skriftlig redovisning. Det kommer också finnas ett individuellt flervalsprov. Kontinuerlig inlärning stimuleras genom aktivt deltagande i diskussioner.

Examination

Kursen examineras genom ett flervalsprov och en grupprojektrapport, inklusive dess muntliga presentation. Kursen kommer att hållas på plats. Närvaro är obligatorisk. Möjlighet till omtentamen följer standardpraxis.

Frånvaro från eller ej fullgörande av obligatoriska utbildningsinslag
Examinator bedömer om och i så fall hur frånvaro från eller ej fullgörande av obligatoriska utbildningsinslag kan tas igen. Innan studenten deltagit i eller fullgjort de obligatoriska utbildningsinslagen, eller tagit igen frånvaro/ brister i enlighet med examinators anvisningar kan inte studieresultaten slutrapporteras. Frånvaro från eller ej fullgörande av ett obligatoriskt utbildningsinslag kan innebära att studenten inte kan ta igen tillfället förrän nästa gång kursen ges.

Möjlighet till undantag från kursplanens föreskrifter om examination
Om det föreligger särskilda skäl, eller behov av anpassning för student med funktionsnedsättning, får examinator fatta beslut om att frångå kursplanens föreskrifter om examinationsform, antal examinationstillfällen, möjlighet till komplettering eller undantag från obligatoriska utbildningsinslag m.m. Innehåll och lärandemål samt nivån på förväntade färdigheter, kunskaper och förhållningssätt får inte ändras, tas bort eller sänkas.

Övergångsbestämmelser

Om kursen läggs ner eller genomgår stora förändringar kommer information om övergångsbestämmelser att anges här.

Övriga föreskrifter

Kursen erbjuds uteslutande på engelska.

Kursutvärdering kommer att utföras enligt de riktlinjer som fastställts för utbildningen vid Karolinska Institutet.

Litteraturlista och övriga läromedel

Obligatorisk litteratur

Obligatorisk litteratur

Rekommenderad litteratur

  • The elements of statistical learning: data mining, inference, and prediction, Hastie, Trevor; Tibshirani, Robert; Friedman, Jerome; Bagley, Cindee, Johanneshov : MTM, 2018 - 2 CD-R (56 tim., 19 min.) LIBRIS-ID: 19hd9694zg2s7f70,

Övrig obligatorisk litteratur, inkluderat artiklar och annat läromaterial tillhandahålls via lärplattform.