课程介绍
MIT 6.S897是全球顶校麻省理工开设的医学与机器学习的交叉专业课程。课程两位 MIT (副)教授对医学、机器学习内容进行了专业讲解，并邀请临床医生进行客座讲座，以及使用真实临床数据设计了课程项目，帮助学生真实地理解将机器学习技能转化到临床实践中的微妙之处。
医学部分，课程讲解了临床数据的特性，如何将机器学习用于风险分层、疾病进展建模、精准医学、诊断、亚型发现和改进临床工作流程等。
机器学习部分，课程主题包括因果关系、可解释性、算法公平性、时间序列分析、图形模型、深度学习和迁移学习等。
课程主题
课程官网发布了课程主题，ShowMeAI 对其进行了翻译。
- Overview of Clinical Care（临床护理概述）
- Deep Dive into Clinical Data（深入研究临床数据）
- Risk Stratification（风险分层）
- Physiological Time-Series（生理时间序列）
- Natural Language Processing (NLP)（自然语言处理(NLP)）
- Translating Technology into the Clinic（将技术转化到临床）
- Machine Learning for Cardiology（机器学习在心脏成像中的应用）
- Machine Learning for Differential Diagnosis（鉴别诊断）
- Machine Learning for Pathology（病理学机器学习）
- Machine Learning for Mammography（用于乳房X光检查的机器学习）
- Causal Inference（因果推断）
- Reinforcement Learning（强化学习）
- Disease Progression & Subtyping（疾病进展建模和亚型）
- Precision Medicine（精准医学）
- Automating Clinical Workflows（自动化临床工作流程）
课程讲师 Peter Szolovits，MIT计算机科学与工程教授，也是 CSAIL 临床决策小组的负责人。他的研究重点是人工智能方法在医疗决策问题中的应用，以及医疗机构和患者信息系统的设计，致力于解决各种医疗状况的诊断、治疗计划、执行和监测、遗传咨询的计算，以及医疗记录系统中的隐私和保密问题。
课程讲师 David Sontag，2017 年加入MIT，担任医学工程与科学研究所 (IMES) 的职业发展教授和电气工程与计算机科学系 (EECS) 的副教授，还是计算机科学与人工智能实验室 (CSAIL) 的首席研究员。
课程资料 | 下载
扫描上方图片二维码，关注公众号并回复关键字 🎯『6.S897』，就可以获取整理完整的资料合辑啦！当然也可以点击 🎯 这里 查看更多课程的资料获取方式！
ShowMeAI 对课程资料进行了梳理，整理成这份完备且清晰的资料包：
- 📚 课件。PDF文件。覆盖Lecture 1~25所有章节。
- 📚 笔记。PDF文件。覆盖Lecture 1~24课程学习要点，图文并茂。
- 📚 习题。PDF文件和.ipynb文件。覆盖Recitation 1~9，涉及学习中的常见问题与答案。
- 📚 拓展阅读材料。PDF文件。课程推荐的19篇相关论文/文章。
课程视频 | B站
ShowMeAI 将视频上传至B站，并增加了中英双语字幕，以提供更加友好的学习体验。点击页面视频，可以进行预览。推荐前往 👆 B站 观看完整课程视频哦！
本门课程，ShowMeAI 将部分章节进行了切分，按照主题形成更短小的视频片段，便于按照标题进行更快速的检索。切分后的视频清单列写在这里：
| 课时编号 | 课时内容 |
|---|---|
| 第1讲 | 是什么让医疗保健与众不同？ |
| 第2讲 | 临床护理概述 |
| 第3讲 | 深入研究临床数据 |
| 第4讲 | 风险分层，第 1 部分 |
| 第5讲 | 风险分层，第 2 部分 |
| 第6讲 | 生理时间序列 |
| 第7讲 | 自然语言处理 (NLP)，第 1 部分 |
| 第8讲 | 自然语言处理 (NLP)，第 2 部分 |
| 第9讲 | 将技术转化为临床 |
| 第10讲 | 机器学习在心脏成像中的应用 |
| 第11讲 | 鉴别诊断 |
| 第12讲 | 病理学机器学习 |
| 第13讲 | 用于乳房 X 光检查的机器学习 |
| 第14讲 | 因果推断，第 1 部分 |
| 第15讲 | 因果推断，第 2 部分 |
| 第16讲 | 强化学习，第 1 部分 |
| 第17讲 | 强化学习，第 2 部分 |
| 第18讲 | 疾病进展建模和亚型，第 1 部分 |
| 第19讲 | 疾病进展建模和亚型，第 2 部分 |
| 第20讲 | 精准医学 |
| 第21讲 | 自动化临床工作流程 |
| 第22讲 | 美国对机器学习/人工智能的监管 |
| 第23讲 | 公平 |
| 第24讲 | 数据集转移的鲁棒性 |
| 第25讲 | 可解释性 |
更多技术与课程清单 | 点击查看详细课程
