Výuku formou E-learningu pro bakalářský obor Zdravotnická technika na 1.LF UK jsme začali připravovat pro 1. ročník v předmětech z biofyziky a informatiky. V 1. ročníku se potýkáme s velmi rozdílnou úrovní znalostí přijatých studentů, a proto jsme se zaměřili v informatice na přípravu úvodního kursu a v biofyzice na sestavení katalogu metod a přístrojů.
The article describes development of e-learning supports for the study programme „Medical Engineering“ offered by Charles University 1st Faculty of Medicine (Prague). E-learning methodology has been introduced into the 1st year courses in Biophysics and Informatics where we are facing problems with different student skill levels. Therefore, we created the introductory course in Informatics, and a catalog of basic methods and devices in Biophysics. The course comprises the key terminology in the field of informatics, units, coding, basic classification of the computers, basic hardware and the peripheral devices, basic software and operation systems. The catalog contains the methods and devices used in medical biophysics sorted alphabetically. Each reference contains basic description of the method or device. The methods students will encounter in practice are described more precisely. Some of them are accompanied with videorecordings that helps students prepare for practicals.
- MeSH
- Biophysics education MeSH
- Medical Informatics education MeSH
- Computer-Assisted Instruction * methods utilization MeSH
- Allied Health Personnel * education MeSH
- Programmed Instructions as Topic utilization MeSH
- Education, Graduate methods trends MeSH
- Medical Informatics Applications MeSH
- Geographicals
- Czech Republic MeSH
Rozvoj e-learningových metod patří v současné době k jedné z priorit na Stomatologické klinice Lékařské fakulty Masarykovy univerzity v Brně. Článek přináší přehled e-learningových metod využívaných v současné době na Stomatologické klinice. Rovněž je uveden plánovaný rozvoj e-learningu pro nejbližší budoucnost.
Development of e-learning supports is one of major educational priorities at the Stomatological Clinic, Faculty of Medicine, Masaryk University (Brno). This contribution gives a review of recent e-learning methods used at the Stomatological Clinic. Future enhancement in e-learning methodology is also reported.
Digitalizace laboratoří, aplikace big dat a automatizovaná strojová diagnostika ("machine learning") jsou nástroji pro vznik a fungování toho, co se označuje jako precizní medicína. Genomika, její dominantní metody (qPCR, dPCR, ddPCR, NGS), produkující obrovská kvanta dat (big data) a schopnosti počítačových systémů tyto soubory dat využívat v diagnostice a terapii za významného přispění "umělé inteligence" se označují jako strojová automatizovaná diagnostika - machine learning respektive deep learning). Tyto postupy pronikají z průmyslu a výzkumu do rutinní medicíny včetně medicíny laboratorní. Zvládnutí technických a personálních problémů těchto změn bude stát značné úsilí, srovnatelné s před lety realizovanou přeměnou manuální laboratorní práce na automatizovanou činnost a s přeměnou papírové dokumentace výsledků na laboratorní a nemocniční informační systémy. Lze předpokládat nejen zásadní změny metod laboratorní práce, ale i změny požadavků na odbornost personálu laboratoří a rovněž lze předpokládat nevyhnutelnost radikálního ovlivnění činnosti klinických laboratoří. Etický rozměr nastávajících změn bude stejně závažný, jako ten technický a bude možné očekávat nejen významný progres v diagnostice e prognostice chorob, ale i vzestup rizika zdravotní péče v případě chyb a neprofesionality. Automatická strojová aplikace big dat a používání umělé inteligence jsou náročné, je s nimi v medicíně málo zkušeností, ale vyhnout se jim nebude možné.
Digitalization of clinical laboratories, application of big data and methods of machine learning re contemporary tools for precision medicine. Precision medicine is based mainly on the genomic methods, namely of dominant PCR and NGS methods. These methods produces enormous number of dates (big data) and can be explored by means of artificial intelligence in processes called machine learning. Machine learning was primarily used in industry and research and now contemporary penetrates into medicine and also to laboratory medicine. Methods based on the big data and artificial intelligence with exploration of big data is certainly very important factor of future of medicine. It will be needs large requirements not only on high-technology equipment, but also for new type of young laboratory Professional used basically new methods of work and mind. Machine learning, part of precision medicine, necessary namely for oncology and prediction of patients state crettemeans also lot of new types of ethical problems. These ethical questions and problems should be soluted immediately, parallel with introduction of machine learning to laboratory practice.
Techniky strojového učení jsou metody, které umožní vytvořit z trénovací množiny případů model pro kategorie dat tak, že mohou být nové (neznámé) případy zařazeny do jedné nebo více kategorií schématem odpovídajícím modelu. Pro tento typ analýzy jsou velmi vhodná data ze studií sledujících určitou skupinu osob s opakovaným sběrem dat stejného typu. K vyhledávání znalostí z medicínských dat bylo užito různých algoritmů strojového učení. Bylo testováno několik algoritmů tak, aby bylo možno pokrýt většinu způsobů učení s učitelem. Byly provedeny dva typy pokusů. Jeden hledal vztahy mezi atributy, druhý testoval predikci budoucích příhod. Pro pokusy v tomto sdělení byla užita data z dvacet let trvající longitudinální primárně preventivní studie rizikových faktorů (RF) aterosklerózy u mužů středního věku. Studie se nazývá STULONG (LONGitudinal STUdy). Výsledky ukazují, že některé metody předpovídají některé poruchy lépe než jiné a že je tedy vhodné použít všechny algoritmy najednou a posuzovat spolehlivost výsledku na základě známého trendu každé metody. Algoritmy strojového učení byly také použity k předpovědi příčiny úmrtí. V tomto případě byly výsledky nevalné, pravděpodobně pro malé množství informace ve vstupních položkách v datového souboru.
Machine learning techniques are methods that given a training set of examples infer a model for the categories of the data, so that new (unknown) examples could be assigned to one or more categories by pattern matching within the model. The data from follow-up studies with repeated collection of the same type of data are very suitable for this analysis. Machine learning algorithms belonging to a variety of paradigms have been applied to knowledge discovery on medical data. All the used algorithms belong to the supervised learning paradigm. Several algorithms have been tested, trying to cover most of the kinds of supervised learning. Two kinds of experiments have been carried out. The first is intended to discover associations between attributes. The second kind is intended to test prediction of future disorders. For the experiments in this paper the data used was from the twenty years lasting primary preventive longitudinal study of the risk factors (RF) of atherosclerosis in middle aged men. Study is named STULONG (LONGitudinal STUdy). The results show that some methods predict some disorders better than others, so it is interesting to use all the algorithms at a time and consider the result confidence based upon the known tendency of each method. The machine learning algorithms have been also used in the prediction of death cause, obtaining poor results in this case, maybe due to the small amount of information (entries) of this type in the dataset.
- Keywords
- dobývání znalostí, strojové učení s učitelem, vytěžování z biomedicínských dat, rizikové faktory aterosklerózy,
- MeSH
- Algorithms MeSH
- Atherosclerosis diagnosis MeSH
- Databases, Factual MeSH
- Financing, Organized MeSH
- Middle Aged MeSH
- Humans MeSH
- Decision Support Techniques MeSH
- Prognosis MeSH
- Risk Factors MeSH
- Decision Support Systems, Clinical MeSH
- Information Storage and Retrieval MeSH
- Knowledge Bases MeSH
- Check Tag
- Middle Aged MeSH
- Humans MeSH
- Male MeSH
Jedním z kroků pro efektivní rozvíjení poznávací stránky osobnosti sestry je výběr vyučovacích metod. Na Lékařské fakultě Univerzity Palackého v Olomouci jsou při výuce vybraných témat multikulturního ošetřovatelství využívány některé metody podle programu RWCT (čtením a psaním ke kritickému myšlení). Autorky ji využívají jako jednu z možných variant k rozvíjení aktivního učení a samostatného myšlení studentů. Cílem příspěvku je představit metodu Pexeso v praxi výuky v oborech ošetřovatelství.
One of the steps of effective development of knowledge of nurses is the right choice of learning methods. At the Faculty of Medicine of Palacky University, Olomouc, methods according to the RWCT program (reading and writing to critical thinking) are used while teaching selected topics of multicultural nursing. It is one of the possible variations of active learning and independent thinking. The goal of this presentation is to introduce the Pexeso method in practice.
- Keywords
- aktivizační metody, RWCT, pexeso,
- MeSH
- Cognition MeSH
- Humans MeSH
- Programmed Instructions as Topic utilization MeSH
- Education, Nursing methods trends MeSH
- Patient Education as Topic methods MeSH
- Nurses MeSH
- Check Tag
- Humans MeSH
- Publication type
- Case Reports MeSH
Moderní technologie umožňují mimo jiné i zpestření výuky, učinit ji inteaktivnější. Jako důkaz se nabízí e-learning, který nezastoupí v plném rozsahu osobnost erudovaného vyučujícího, ale lze ji považovat za nejefektivnější z alternativních vyučovacích metod. Výuka první pomoci je neustále velkým úskalím. Předpokládá se, že laickou první pomoc by měl umět každý, pravdou ovšem zůstává, že tomu tak ve skutečnosti není. Mnohdy se setkáváme s texty popisujícími postup při poskytování první pomoci, často však schází názornost, která by pomohla lepšímu zapomatování a upevnění nabytých poznatků. Výše uvedené skutečnosti nás dovedly k vytvoření internetových stránek o poskytování laické první pomoci – www.prvni-pomoc.net. Tyto webové stránky jsou určeny široké veřejnosti, domníváme se, že podpoří v zájmu o tuto problematiku i děti a dospívající (virtuální záchranáři, kteří tvoří průvodce-odborníky).
Web sites available at www.prvni-pomoc.net were established to support laypeople training in the first aid, mainly in urgent resuscitation. Modern technologies enable to manage the courses in a more interactive way. It is supposed that everyone should have basic knowledge about the first aid procedures, but the real situation is different. There are numerous text documents describing the first aid techniques, but they are not clear enough. This was the main reason why our web sites were developed.
