Fra real-world data til personlig medicin

Undervisningsformen for kurset vil helt overvejende være team-baseret læring, hvor data-baserede cases vil danne baggrund for tværfagligt gruppearbejde, der understøttes af forelæsninger.

Kurset afsluttes med et tværfagligt gruppearbejde, der tager udgangspunkt i en case baseret på real-world data.

Kurset er bygget op af

Introduktionsforelæsninger, dannelse af tværfaglige projektgrupper samt tilknytning af mentor, introduktion til og valg af datasæt for gruppearbejdet.

Jævnlige mentor-møder (virtuelt) med sparring i forhold til gruppens arbejde.

Fokuserede forelæsninger, midtvejsfremlæggelser og mentorsessioner med direkte feedback til de studerende.

Jævnlige mentor-møder (virtuelt) med sparring i forhold til gruppens arbejde frem til den offentlige eksamensfremlæggelse.

Gruppefremlæggelse af projekt baseret på virkelige eller syntetiske data.

Carsten Utoft Niemann
Klinisk lektor i hæmatologi, overlæge, ph.d., Klinik for Blodsygdomme, Center for Kræft og Organsygdomme, Rigshospitalet og Institut for Klinisk Medicin, Københavns Universitet.  

Mikkel Werling
Ph.d. studerende ved Afdeling for Blodsygdomme, cognitive scientist,
Center for Kræft og Organsygdomme,
Rigshospitalet og Københavns Universitet

Gennem case-studies og hands-on projekter får du redskaberne til selv at igangsætte og implementere projekter rettet mod personlig medicin.

Når kurset er afsluttet vil du:

• Have overblik over sundhedsdatakilder og registre i Danmark samt hvilke faldgruber man skal være opmærksom på i forhold til validitet af data
• Kende de platforme der findes til at arbejde med data på, samt have viden om sundhedsdata oprindelse, kvalitet og deling samt regulatoriske krav og lovgivning på området inkl. for biobanker.
• Kunne udføre prædiktions- og risikomodellering med fokus på formidling til sundhedsprofessionelle samt patienter op pårørende
• Kunne anvende cases som træning: Udvikling af klinisk AI (forskning) → design af randomiserede kliniske forsøg (RCT) baseret på AI → udførelse af RCT og udvikling af diagnostisk AI (forskning) → implementering (parallelt med normal diagnostik) → validering → test i RCT (fx brug til prædiktion o.lig.)
• Kunne analysere og vurdere Black box mAI/ML vs explainable algoritmer
• Kunne implementere i klinisk praksis, dvs. krav til evidens, samarbejde med private og akademiske interessenter, implementering i praksis og teori, projektledelse og faldgruber

Se hele kursusbeskrivelsen i kursuskataloget

Du skal opfylde følgende kriterier for at blive optaget på Master i personlig medicin eller ønsker at deltage i et enkelt kursus:

• Kandidat i sundhedsvidenskab, kandidat i natur- og biovidenskab eller kandidat med en samfundsvidenskabelig, juridisk, humanistisk eller lignende baggrund
• 2 års erhvervserfaring i et klinisk-, forsknings eller akademisk fagområde der beskæftiger sig med problemstillinger inden for personlig medicin

Vi anbefaler desuden at du kan engelsk på højt, fagligt niveau, da store dele af undervisningsmaterialet er på engelsk.

Find en mere udførlig beskrivelse af de gældende adgangskrav.

Kurset bygger ovenpå ”Basis for personlig medicin” kurset. Det anbefales derfor, at man følger basiskurset før man deltager i kurset ”Fra real-world-data til personlig medicin”.