哈佛醫學院將於2019年春季開設“醫療決策數據科學”課程，將調查當前數據和方法學方法，以進行綜合高通量研究，合併基因組，暴露組學和表型數據集，以發現與疾病和健康的新關聯。將向學生介紹統計決策理論以及現代數據科學和機器學習方法如何幫助改善合理的醫療決策。本文內容包含課程內容介紹、學習目標、課程日曆、所需的數據集，以及相關論文。
704: Data Science for Medical Decision Making
GitHub地址：
https://github.com/manrai/BMI704_Spring2019
2019 春季
課程描述
你有沒有用谷歌搜索一個與健康有關的問題，並被這些命中率驚呆了？得到了實驗室測試結果，並想知道它是否適用於像你這樣的人？想知道你遺傳的遺傳變異的“優勢比”是什麼？解釋為什麼我們是誰，我們可能得到什麼疾病，以及為什麼我們中的一些人處於危險之中，往往不能令人滿意。
現在是時候成為一個活躍的消費者了：在這個過程中，我們將培養查詢大型健康數據流的技能，通過數據科學的鏡頭做出明智的決策。本課程將調查當前數據和方法學方法，以進行綜合高通量研究，合併基因組，暴露組學和表型數據集，以發現與疾病和健康的新關聯。將向學生介紹統計決策理論以及現代數據科學和機器學習方法如何幫助改善合理的醫療決策。我們鼓勵學生查找公開數據（例如CDC，NIH dbGaP數據）並制定原始研究項目以提交給期刊或作為會議論文。
學習目標
- 培養生物醫學數據科學的基本技能，包括R / RStudio，Python和基於雲的基礎設施。
- 瞭解決策理論和機器學習如何增強臨床護理。
- 開發自己的預測算法，集成了暴露組學，基因組學和表型數據。
- 在當天的計算集群上執行數據驅動的方法。
- 解釋已發表的文獻（和新聞報道）中的統計估計和生物醫學發現。
課程日曆
所需數據集
論文閱讀
分享到:
閱讀更多 AI先鋒號 的文章
