本課程為醫學生設計之醫學人工智慧應用導向課程，共四週、每週二小時。課程不以程式設計訓練為主要目標，而是協助未來臨床醫師理解AI與機器學習在醫療場域中的應用方式、判讀方法與導入限制。課程將基礎程式設計課程中的資料型態、資料整理、資料視覺化等內容轉化為醫療資料素養；並將機器學習課程中的資料前處理、監督式與非監督式學習、模型評估等內容，連結至臨床風險預測、影像輔助判讀、產前篩檢、病歷資料分析與醫療品質改善。學生將透過案例討論、模型結果判讀、AI文獻閱讀與小組討論，學習如何評估一項AI工具是否可信、是否適用於特定族群與場域，以及如何在病人安全、資料隱私與醫學倫理原則下導入臨床。
Course keywords: 醫療AI, 臨床應用, 機器學習, 決策輔助, 風險預測, 影像判讀, 模型評估, 倫理議題,Medical AI, Clinical application, Machine learning, Decision support, Risk prediction, Medical imaging, Model evaluation, AI ethics
本課程以臨床醫學應用為核心，介紹人工智慧與機器學習在醫療照護中的實際應用，特別著重於婦產科、產科風險評估、醫學影像判讀、臨床決策輔助及病人安全等情境。課程不以程式設計訓練為主要目標，而是協助醫學生了解醫療AI的基本概念、常見應用模式、模型效能指標、臨床導入限制、資料偏差、倫理議題與隱私保護。課程採互動式教學、小組討論與臨床案例分析，使學生能從臨床醫師角度判讀AI工具之價值與限制，培養未來面對智慧醫療環境所需之基本素養。
| # | 類別 Type |
版本 Version |
書名 Title |
出版年 Year of publication |
作者 Author |
出版者 Publishers |
ISBN | 單價 Price |
圖書館館藏 Library collections |
備註 Note |
|---|---|---|---|---|---|---|---|---|---|---|
| 1 | 參考書籍 | Rajkomar A, Dean J, Kohane I. Machine Learning in Medicine. New England Journal of Medicine. 2019. | 0 | 無 | 無 | |||||
| 2 | 參考書籍 | Topol E. Deep Medicine: How Artificial Intelligence Can Make Healthcare Human Again. Basic Books. 2019. | 0 | 無 | 無 | |||||
| 3 | 參考書籍 | LeCun Y, Bottou L, Bengio Y, Haffner P. Gradient-Based Learning Applied to Document Recognition. Proceedings of the IEEE. 1998. | 0 | 無 | 無 | |||||
| 4 | 參考書籍 | Vaswani A, Shazeer N, Parmar N, Uszkoreit J, Jones L, Gomez AN, Kaiser Ł, Polosukhin I. Attention Is All You Need. Advances in Neural Information Processing Systems. 2017. | 0 | 無 | 無 | |||||
| 5 | 參考書籍 | Mitchell TM. Machine Learning. McGraw-Hill. 1997. | 0 | 無 | 無 | |||||
| 6 | 參考書籍 | Russell S, Norvig P. Artificial Intelligence: A Modern Approach. Pearson. | 0 | 無 | 無 | |||||
| 7 | 參考書籍 | Selected recent journal articles and clinical guidelines related to artificial intelligence in obstetrics, gynecology, medical imaging, and clinical decision support. | 0 | 無 | 無 | |||||
| 8 | 參考書籍 | Beam AL, Kohane IS. Big Data and Machine Learning in Health Care. JAMA. 2018. | 0 | 無 | 無 |
課堂教學、互動式教學、小組討論、臨床案例分析、AI工具示範、文獻導讀與課堂回饋。
本課程採應用導向與案例導向教學。每週課程將以臨床情境作為出發點，介紹人工智慧於醫療照護中的應用方式，並透過小組討論與課堂分享，引導學生思考AI工具在臨床決策、疾病風險預測、醫學影像判讀、病人安全與倫理議題中的角色。課程評量採通過／不通過制，不以傳統筆試或個人報告為主要評量方式，以提升學生參與度與學習興趣。
| # | 標準 | 佔比 | 備註 |
|---|---|---|---|
| 1 | 課堂參與、小組討論、臨床案例分析與學習反思 | 100% | 本課程採「通過／不通過」評定。評量重點不以筆試或個人報告為主，而以課堂參與、小組討論、臨床案例分析與學習反思為核心，鼓勵學生在低壓力環境中理解人工智慧於醫學臨床之應用。 |
※基於透明與負責任的原則，本課程鼓勵學生利用AI進行協作或互學，以提升本門課產出品質。根據本校公布之佈的「大學教育場域AI協作、共學與素養培養指引」，本門課程採取有條件開放，請註明如何使用生成式AI於作業或報告，說明如下：
學生可於課堂作業或報告中的「標題頁註腳」或「引用文獻後」簡要說明如何使用生成式AI進行議題發想、文句潤飾或結構參考等使用方式。然而，在本課程的「個人反思報告」、「小組採訪作業」中，學生不得使用生成式AI工具撰寫作業。若經查核使用卻無在作業或報告中標明，教師、學校或相關單位有權重新針對作業或報告重新評分或不予計分。
本門課授課教材或學習資料若有引用自生成式AI，教師也將在投影片或口頭標注。
修讀本課程之學生於選課時視為同意以上倫理聲明。
可參考下列網頁範例 See the following web page for examples.
https://curricul.site.nthu.edu.tw/p/404-1208-248357.php?Lang=zh-tw