Kursplan för Artificiell intelligens för kliniska och biomedicinska applikationer

Artificial Intelligence for Clinical and Biomedical Applications

Särskild behörighet

Lägst betyget G på kurserna Integrerad fysiologi och farmakologi (termin 1) samt Fysiologiska och farmakologiska mekanismer och experimentella metoder (termin 2) på Mastersprogrammet i translationell fysiologi och farmakologi.

Mål

Kursens syfte är att ge en överblick över tillämpningar och användning av ML/AI (maskininlärning/artificiell intelligens) inom Life Science, med målet att fördjupa studentens förståelse för hur ML/AI används inom bildanalys, läkemedelsutveckling samt diagnostik och prognostik.

Efter avslutad kurs ska studenten kunna:

• Beskriva grundläggande koncept inom ML och AI samt deras roll inom Life Science
• Ha en överblick över ML/AI-plattformar och genomföra en handledd praktisk övning
• Diskutera konsekvenserna av användning av ML/AI inom läkemedelsutveckling, bildanalys, diagnostik och prognostik
• Ha ett kritiskt och etiskt förhållningssätt till användningen av ML/AI inom Life Science
• Beskriva centrala begrepp inom maskininlärning, deep learning och stora språkmodeller
• Beskriva hur AI-verktyg som AlphaFold påskyndar läkemedelsutveckling och prediktion av proteinstrukturer
• Visa praktiska färdigheter i att hantera och analysera kliniska dataset och medicinska bilder 
• Beskriv AI:s potentiella roll i analys av kliniska dataset från HumanLab och liknande experiment inom humanfysiologi
• Diskutera viktiga etiska, regulatoriska och säkerhetsmässiga aspekter inom medicinsk AI 
• Kritiskt utvärdera AI-modellers tillförlitlighet, rättvisa och kliniska relevans

Innehåll

Kursen introducerar grundläggande koncept inom ML och AI samt deras tillämpningar inom bildanalys, läkemedelsutveckling, diagnostik, prognostik och analys av HumanLab-data. Kursens fokusområden är:

• Grunder i medicinsk AI: översikt av maskininlärning, deep learning och generativ AI inom hälso- och sjukvård. 
• AI inom diagnostik och prognostiska modeller: sjukdomsdiagnostik och prediktion av behandlingsutfall med hjälp av kliniska och bildbaserade data (t.ex. CNN-modeller för radiologi). 
• Introduktion till AI i läkemedelsutveckling: översikt av AI:s roll i target identifiering, QSAR-modellering, storskaliga in silico‑dockningsstudier, de novo‑design av peptider samt proteinvikningsverktyg som AlphaFold. 
• Kliniska big data: förståelse för datapreprocessering och ansvarsfull analys av kliniska dataset, inklusive hantering av bias och saknade data. 
• HumanLab‑dataapplikationer: hur AI kan användas för att analysera HumanLab‑dataset och skapa personanpassade prediktioner. 
• Etiska och regulatoriska aspekter: dataintegritet, rättvisa, bias‑minimering och regulatoriska vägledningar för implementering av kliniska AI‑system. 

Kursen omfattar både teoretiska och praktiska aspekter av användningen av ML/AI inom Life Science.

Arbetsformer

Lärandeaktiviteterna inkluderar föreläsningar, seminarier och praktiska övningar.

Examination

*Examinationer *

Individuell skriftlig inlämningsuppgift. Betygsätts U/G/VG

Muntlig presentation av projektarbete i grupp. Betygsätts U/G

*Obligatoriskt deltagande *

Praktiska övningar

Skriftliga uppgifter ska lämnas in före slutet av kursen enligt specifikation i schemat. För att få godkänt på kursen (betyget G eller högre) krävs minst godkänt på alla kursens moment. För att få väl godkänt på kursen krävs dessutom betyget väl godkänt på den individuella skriftliga uppgiften.

Obligatoriskt deltagande

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

Begränsning av examinationstillfällen

De studenter som ej är godkända efter ordinarie examinationstillfälle har rätt att delta vid ytterligare fem provtillfällen. Om studenten genomfört sex underkända examinationer ges inte något ytterligare tentamenstillfälle eller någon ny kursplats.

Som examinationstillfälle räknas de gånger studenten deltagit i ett och samma prov. Inlämning av blank skrivning räknas som provtillfälle. Provtillfälle till vilket studenten anmält sig men inte deltagit räknas inte som provtillfälle.

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 utbildningsmoment, m.m. Innehåll och lärandemål samt nivån på förväntade färdigheter, kunskaper och förmågor får inte ändras, tas bort eller sänkas.

Övriga föreskrifter

Kursen ges på engelska och examinationer genomförs på engelska.
Kursutvärdering genomförs enligt riktlinjer fastställda av Karolinska Institutet.

Litteraturlista och övriga läromedel

Studiematerial och referensartiklar kommer att tillhandahllas under kursen