Apprentissage automatique pour la médecine: connaissances et interprétabilité

Cette séance de cours de l'instructeur se penche sur l'application de l'apprentissage automatique en médecine, en mettant l'accent sur la variabilité entre les patients et l'importance de l'interprétabilité dans les modèles. La séance de cours couvre la collaboration entre l'apprentissage automatique et la médecine, les défis du travail interdisciplinaire et le développement d'outils d'apprentissage automatique pour la médecine. L'instructeur discute de la nécessité d'augmenter les cliniciens avec des outils d'apprentissage automatique, de l'importance de l'interprétabilité dans les prévisions de séries chronologiques et de la découverte des équations de gouvernance en médecine. La séance de cours aborde également l'utilisation de la régression symbolique pour convertir les modèles de boîtes noires en équations de boîtes blanches, l'exploration des ODE à partir de données et le potentiel des modèles neuronaux de Laplace. Linstructeur met laccent sur limportance de comprendre les processus de prise de décision humaine et la recherche déquations transparentes dans les modèles médicaux.