通过将教育和研究与人工智能和个性化课程相结合,实现包容性医疗保健

科学领域:

• 生物医学信息学 生物医学信息学
• 计算生物学 计算生物学
• 精准医学是一门精准的医学.

背景情况:

• 精准医学提供了显著的健康益处,但在数据管理,分析,协作和教育方面面临着挑战.
• 整合计算专家,工程师,设计师和医疗保健专业人员对于开发用户友好的系统和共享术语至关重要.
• 大型语言模型 (LLM) 强调了对非专业人士可访问的复杂数据的需求.

研究的目的:

• 评估斯坦福数据海洋 (SDO) 精准医学培训计划对学习成果,AI导师表现和学习者满意度的影响.
• 评估人工智能工具在改善数据解释和研究复制方面的有效性.
• 分析课程后对学习者的学术和职业影响.

主要方法:

• 通过学习前后调查评估学习成果,衡量自我评价能力.
• 监控的形成性和总结性评估完成率.
• 分析了AI导师的准确性,学习者满意度和课程后的影响,以及AI数据可视化工具的能力.

主要成果:

• 在AI导师的支持下,SDO平台明显改善了不同教育和社会经济背景的学习成果.
• 人工智能数据可视化工具促进了学习者对多omics和可穿戴数据的解释,使研究结果的复制成为可能.
• 学习者报告说,SDO课程提高了他们的能力和满意度.

结论:

• SDO提供了一个可扩展的,基于云的解决方案来应对精准医学的挑战,支持多样化的数据管理和个性化学习.
• 在SDO内部的AI导师和数据可视化工具增强了教育和研究成果,民主化了数据分析.
• SDO在全球范围内扩大研究能力,使服务不足的社区受益,并弥合生物医学教育和应用之间的差距.