L'intelligence artificielle (IA) et l'apprentissage automatique (HAVING) ont le potentiel d'augmenter la précision des diagnostics, de diminuer les erreurs de diagnostic et d'améliorer les résultats pour les patients. Le cours Augmentation des données, prise de décision médicale assistée par la technologie (DATA-MD) vous apprendra à utiliser l'IA pour augmenter votre prise de décision en matière de diagnostic. L'Académie nationale de médecine (NAM) recommande de veiller à ce que les cliniciens puissent utiliser efficacement la technologie - y compris l'IA - pour améliorer le processus de diagnostic. Pour utiliser efficacement ces technologies dans votre pratique clinique, vous devrez déterminer quand l'utilisation de l'IA est appropriée, interpréter les sorties de l'IA, lire la littérature médicale sur l'IA et expliquer aux patients le rôle que joue l'IA dans leurs soins. Dans ce cours, vous explorerez les considérations éthiques et les biais potentiels lors de la prise de décisions médicales éclairées par les technologies basées sur l'IA/ML. Design-MD est un cours unique en son genre conçu pour fournir une introduction à l'utilisation de l'IA dans le processus de diagnostic. Ce cours a été créé en tenant compte des besoins des étudiants en médecine, des résidents, des boursiers, des médecins en exercice, des fournisseurs de pratique avancée et des infirmières autorisées. D'autres, comme les éducateurs, les programmeurs informatiques et les scientifiques de données, peuvent également trouver de la valeur dans le cours. Information sur la formation médicale continue : Cette activité est libérée pour le crédit CME le 30/07/2024 et expire le 31/06/2027. L'école de médecine de l'Université du Michigan est accréditée par le Conseil d'accréditation pour la formation médicale continue (ACCME) pour fournir une formation médicale continue aux médecins. L'école de médecine de l'Université du Michigan désigne ce matériel endurant pour un maximum de 3,5 AMA PRA Category 1 Credit(s)™. Les médecins ne devraient réclamer que le crédit correspondant à l'étendue de leur participation à l'activité. Cornelius James et Jessica Virzi, planificateur et co-planificateur de cette activité éducative, n'ont aucune relation financière pertinente avec des sociétés non admissibles à divulguer. Maggie Makar, Benjamin Li et Nicholson Price, présentateurs de cette activité éducative, n'ont aucune relation financière pertinente avec des sociétés non admissibles à divulguer. Karandeep Singh, présentateur de cette activité éducative, a été consultant pour Flatiron Health. La relation financière pertinente mentionnée pour cette personne a été atténuée. Cheri Breadon et Jessica Virzi sont les coordinatrices de cette activité.

Après cette activité, les participants seront en mesure de -Utiliser l'IA pour améliorer leur prise de décision clinique en matière de diagnostic -Décrire les forces et les limites de la technologie basée sur l'IA/ML dans le processus de diagnostic -Interpréter les mesures statistiques fréquemment utilisées pour évaluer la performance des modèles ML -Evaluer de manière critique les études qui incluent l'IA/ML et déterminer l'applicabilité des résultats de l'étude dans la pratique clinique Si vous souhaitez obtenir des crédits de FMC pour votre participation à ce cours, veuillez examiner les informations, y compris les résultats attendus, les présentateurs, leurs divulgations et les crédits de FMC sur ce site Web avant de commencer l'activité : https://umich.cloud-cme.com/course/courseoverview?P=0&EID=61826