更新日期: 2023 年 2 月 23 日
AI人工智慧正加速進入各行各業，醫療產業更是人工智慧應用的重要場域，在AI的輔助下， 不僅可以精準醫療診斷，眾多數醫療機構也都投入AI人才的培養。
台灣各大醫療中心，近幾年也逐步導入智慧醫療，並成立智慧醫療中心：
- 2017年中國附醫成立人工智慧醫學診斷中心
- 2018年長庚醫院成立人工智能核心實驗室，2021年宣布建置高速運算AI資訊中心
- 2019年臺北榮總推出AI輔助門診，2021年成立醫療人工智慧發展中心
- 2020年臺大醫院成立智慧醫療中心
本文將介紹3門智慧醫療AI課程，分別由美國史丹佛大學(Stanford University)、DeepLearning.AI、英國格拉斯哥大學(University of Glasgow)開設，無論你是在醫療產業，或是有興趣投身AI產業，將AI應用於醫療工作的朋友，都可以學習。
美國史丹佛大學–全方位醫療照護AI課程
由美國史丹佛大學(Stanford University)醫學院開設的醫療照護AI專項課程–AI in Healthcare Specialization，包含5個子課程：
- Introduction to Healthcare
- Introduction to Clinical Data
- Fundamentals of Machine Learning for Healthcare
- Evaluations of AI Applications in Healthcare
- AI in Healthcare Capstone
史丹佛大學(Stanford University)醫學院，為美國醫學繼續教育認證（ACCME，Accreditation Council for Continuing Medical Education）機構，於認證有效期限內，完成本課程獲得證書，就可獲得學分，詳細資訊可參考coursera課程頁面FAQ。
DeepLearning.AI–醫療AI課程
由DeepLearning.AI機構開設的AI for Medicine Specialization課程，直接面向醫療實務，以各種病理數據、檢驗報告教你訓練AI，建立各式模型，並提供AI智慧醫療相關學術文獻，作為學習的延伸閱讀教材。。
DeepLearning.AI是史丹佛大學教授吳恩達(Andrew Ng)所創立的人工智慧公司，他同時也是coursera的共同創辦人，致力於推廣AI教育與應用。
DeepLearning.AI在coursera開了11門AI課程，從入門到高階課程都有，更多課程可以參考〈人工智慧線上課程，從AI入門到進階通通有〉文章。
AI for Medicine Specialization，屬於DeepLearning.AI所開設的眾多課程中，程度中級的課程，預設你已經對AI有基本認識，並且會撰寫Python程式、機器學習，若你對這門AI智慧醫療課程有興趣，但沒有任何人工智慧的學習基礎，可先修以下3門課：
課程授課老師為任職於哈佛大學生物資訊部門的Pranav Rajpurkar博士、Google健康部門產品經理Amirhossein Kiani、DeepLearning.AI工程師Eddy Shyu、Bora Uyumazturk，包含3個子課程：
- AI for Medical Diagnosis
- AI for Medical Prognosis
- AI For Medical Treatment
英國格拉斯哥大學-臨床決策支持系統課程
由英國格拉斯哥大學(University of Glasgow)所開設的智慧醫療課程Informed Clinical Decision Making using Deep Learning Specialization，利用電子健康紀錄(EHR，Electronic Health Record)數據庫進行深度學習(Deep learning)，使用的數據庫為MIMIC-II，課程目標在於建立模型後應用於臨床決策支持系統(CDSS，Clinical Decision Support Systems)。
專項課程包括5個子課程：
- Data mining of Clinical Databases – CDSS 1
- Deep learning in Electronic Health Records – CDSS 2
- Explainable deep learning models for healthcare – CDSS 3
- Clinical Decision Support Systems – CDSS 4
- Capstone Assignment – CDSS 5
這門課門檻較高，需有程式語言、資料庫與AI的基礎，教授上課的方式相較前面2門課，相對學術化，教授口音明顯，需要看文字稿習慣一下。
延伸閱讀：
