醫學知識散布于非結構化的科學文獻和結構化的生物醫學數據庫中。在醫學領域，面對科學文獻、臨床證據及相關數據集的快速增長，研究者和臨床決策者正在承受前所未有的信息壓力。2023年經濟合作與發展組織（OECD）發布的報告《科學研究中的人工智能：挑戰、機遇和未來》指出，基于文獻的知識發現（Literature-based discovery，LBD）是AI for Science的重要組成部分，推薦科學家學習和應用相關技術，以緩解信息過載并從文獻中挖掘...
本次培訓課程聚焦醫生可獲得的醫院電子健康檔案數據利用，從頂層設計、AI輔助、數據清理、新穎的研究范式（時依Cox回歸分析和邊際結構模型、統計方法和機器學習風險預測模型構建、共病研究、因果推斷，以及時序數據特征分析）和大數據研究論文撰寫和回復等方面為學員呈現開展臨床研究的全過程，并以實際案例解析和操作演示來幫助學員更好地理解研究過程，形成初步研究能力，促進更有效開展臨床研究，發表高水平論文。
項目編號 ：2024 -78( 校) 招生簡章 【項目內容】本課程聚焦面向健康醫療數據的Python語言編程，通過實踐加深對相關算法原理的認知，提升解決實際問題的動手操作能力，從而提高學員的數據科學素養，旨在培訓學員：l 掌握Python語言編程基礎和編程思想，熟悉基礎語法，能夠使用編程工具進行Python編程；l 能夠運用numpy進行科學計算；運用pandas進行表格處理；運用statsmodels進行統計分析；運用matplotlib進行作圖；運用sklear...
項目編號：2024-56(校)招生簡章【項目內容】 本課程為從事醫學-人工智能（AI in Medicine）領域的研究者及從業人員設計定制。 當進入醫學研究領域時，面對跨越學科壁壘的合作，AI領域專家會遇到諸多挑戰——醫學陌生且復雜的學科架構和術語體系；臨床實踐特殊的思考方法、決策流程和工作模式；嚴格的倫理規范和患者隱私保護要求等。盡管搜索引擎和大語言模型可以提供部分碎片化信息，但是，如果要更深入理解和滿足臨床的需求、...
北京大學健康醫療大數據國家研究院版權所有 2019-2020
