論文の概要: Advancing Problem-Based Learning in Biomedical Engineering in the Era of Generative AI
- arxiv url: http://arxiv.org/abs/2503.16558v1
- Date: Thu, 20 Mar 2025 00:52:02 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-03-24 14:58:43.638225
- Title: Advancing Problem-Based Learning in Biomedical Engineering in the Era of Generative AI
- Title（参考訳）: ジェネレーティブAI時代のバイオメディカルエンジニアリングにおける問題解決学習
- Authors: Micky C. Nnamdi, J. Ben Tamo, Wenqi Shi, May D. Wang,
- Abstract要約: 問題ベースラーニング(PBL)は2000年代初頭に導入されて以来、バイオメディカルエンジニアリング(BME)教育に大きな影響を与えてきた。
2024年のノーベル賞によるAIの認定を含む最近の進歩は、バイオメディカルAIにおいて学生を包括的に訓練することの重要性を強調している。
バイオメディカルAI教育に特化した高度なフレームワークの実装を目的として,3年間のケーススタディを行った。
- 参考スコア（独自算出の注目度）: 4.1150261845357194
- License:
- Abstract: Problem-Based Learning (PBL) has significantly impacted biomedical engineering (BME) education since its introduction in the early 2000s, effectively enhancing critical thinking and real-world knowledge application among students. With biomedical engineering rapidly converging with artificial intelligence (AI), integrating effective AI education into established curricula has become challenging yet increasingly necessary. Recent advancements, including AI's recognition by the 2024 Nobel Prize, have highlighted the importance of training students comprehensively in biomedical AI. However, effective biomedical AI education faces substantial obstacles, such as diverse student backgrounds, limited personalized mentoring, constrained computational resources, and difficulties in safely scaling hands-on practical experiments due to privacy and ethical concerns associated with biomedical data. To overcome these issues, we conducted a three-year (2021-2023) case study implementing an advanced PBL framework tailored specifically for biomedical AI education, involving 92 undergraduate and 156 graduate students from the joint Biomedical Engineering program of Georgia Institute of Technology and Emory University. Our approach emphasizes collaborative, interdisciplinary problem-solving through authentic biomedical AI challenges. The implementation led to measurable improvements in learning outcomes, evidenced by high research productivity (16 student-authored publications), consistently positive peer evaluations, and successful development of innovative computational methods addressing real biomedical challenges. Additionally, we examined the role of generative AI both as a teaching subject and an educational support tool within the PBL framework. Our study presents a practical and scalable roadmap for biomedical engineering departments aiming to integrate robust AI education into their curricula.
- Abstract（参考訳）: 問題ベースラーニング(PBL)は2000年代初頭に導入されて以来、バイオメディカルエンジニアリング(BME)教育に大きな影響を与え、批判的思考と現実世界の知識応用を効果的に強化してきた。
バイオメディカルエンジニアリングが人工知能(AI)と急速に融合し、確立されたカリキュラムに効果的なAI教育を統合することは、ますます困難になってきている。
2024年のノーベル賞によるAIの認定を含む最近の進歩は、バイオメディカルAIにおいて学生を包括的に訓練することの重要性を強調している。
しかし、効果的なバイオメディカルAI教育は、多様な学生の背景、限られたパーソナライズされたメンタリング、制約された計算資源、バイオメディカルデータに関連するプライバシーや倫理的懸念による実践的な実験を安全にスケールすることの難しさなど、重大な障害に直面している。
これらの課題を克服するために,ジョージア工科大学とエモリー大学の共同生工学プログラムの92名,大学院生156名を対象に,バイオメディカルAI教育に特化した高度なPBLフレームワークを実装した3年間(2021-2023)のケーススタディを行った。
我々のアプローチは、本物のバイオメディカルAIの課題を通じて、協調的で学際的な問題を解決することを強調する。
この実装は、高い研究生産性(16人の学生による出版物)によって証明された学習結果の計測可能な改善、一貫して肯定的なピア評価、そして実際の生物医学的な課題に対処する革新的な計算手法の開発に繋がった。
さらに,PBLフレームワークにおける教科と教育支援ツールとしての生成AIの役割について検討した。
本研究は、堅牢なAI教育をカリキュラムに統合することを目的とした、バイオメディカルエンジニアリング部門の実践的でスケーラブルなロードマップを示す。
関連論文リスト
- Generative Artificial Intelligence: Implications for Biomedical and Health Professions Education [0.0]
生成的AIは、職業的仕事と教育の両方において、バイオメディシンと健康に大きな影響を与えてきた。
大きな言語モデル(LLM)に基づいて、医療委員会試験のシミュレーション状況において、生成的AIは人間と同様に機能することが判明した。
ジェネレーティブAIは、教育でも広く使われており、学術コースや評価でうまく機能している。
論文 参考訳（メタデータ） (2025-01-17T13:32:19Z) - From Screens to Scenes: A Survey of Embodied AI in Healthcare [31.183244202702983]
医療におけるEmAI」は、アルゴリズム、ロボティクス、バイオメディシンといった多様な分野にまたがる。
医療のためのEmAIの"脳"の概要を包括的に紹介し、認識、アクティベーション、計画、記憶のためのAIアルゴリズムを紹介します。
我々は、技術的な障壁を議論し、倫理的考察を探求し、医療におけるEmAIの将来を前方視する。
論文 参考訳（メタデータ） (2025-01-13T16:35:52Z) - Promoting AI Competencies for Medical Students: A Scoping Review on Frameworks, Programs, and Tools [1.8402287369342527]
医療におけるAIの重要性の高まりにもかかわらず、それが伝統的な、しばしば過負荷の医療カリキュラムに採用されている範囲は不明である。
このレビューは、AI能力のある医療従事者を構築するための実践的で関連する教育戦略を開発するためのロードマップを提供する。
論文 参考訳（メタデータ） (2024-07-10T16:34:41Z) - Empowering Biomedical Discovery with AI Agents [15.125735219811268]
我々は「AI科学者」を懐疑的な学習と推論が可能なシステムとして想定する。
バイオメディカルAIエージェントは、人間の創造性と専門知識と、大規模なデータセットを分析するAIの能力を組み合わせる。
AIエージェントは、仮想細胞シミュレーション、プログラム可能な表現型の制御、細胞回路の設計、新しい治療法の開発など、幅広い領域に影響を与える可能性がある。
論文 参考訳（メタデータ） (2024-04-03T16:08:01Z) - A Review of Neuroscience-Inspired Machine Learning [58.72729525961739]
バイオプルーシブル・クレジット・アサインメントは、事実上あらゆる学習条件と互換性があり、エネルギー効率が高い。
本稿では,人工ニューラルネットワークにおける信用代入の生体評価可能なルールをモデル化する,いくつかの重要なアルゴリズムについて検討する。
我々は,このようなアルゴリズムを実用アプリケーションでより有用にするためには,今後の課題に対処する必要があることを論じる。
論文 参考訳（メタデータ） (2024-02-16T18:05:09Z) - ProBio: A Protocol-guided Multimodal Dataset for Molecular Biology Lab [67.24684071577211]
研究結果を複製するという課題は、分子生物学の分野に重大な障害をもたらしている。
まず、この目的に向けた最初のステップとして、ProBioという名前の包括的なマルチモーダルデータセットをキュレートする。
次に、透明なソリューショントラッキングとマルチモーダルなアクション認識という2つの挑戦的なベンチマークを考案し、BioLab設定におけるアクティビティ理解に関連する特徴と難しさを強調した。
論文 参考訳（メタデータ） (2023-11-01T14:44:01Z) - BiomedGPT: A Generalist Vision-Language Foundation Model for Diverse Biomedical Tasks [68.39821375903591]
汎用AIは、さまざまなデータ型を解釈する汎用性のために、制限に対処する可能性を秘めている。
本稿では,最初のオープンソースかつ軽量な視覚言語基盤モデルであるBiomedGPTを提案する。
論文 参考訳（メタデータ） (2023-05-26T17:14:43Z) - Proactive and Reactive Engagement of Artificial Intelligence Methods for
Education: A Review [2.2843885788439793]
我々は,人工知能,機械学習,深層学習が,学生,教育者,行政スタッフを支援するためにどのように利用されているかを検討する。
教育過程におけるAI駆動手法の関与について考察する。
論文 参考訳（メタデータ） (2023-01-23T02:47:36Z) - COVID-Net Biochem: An Explainability-driven Framework to Building
Machine Learning Models for Predicting Survival and Kidney Injury of COVID-19
Patients from Clinical and Biochemistry Data [66.43957431843324]
我々は、機械学習モデルを構築するための汎用的で説明可能なフレームワークであるCOVID-Net Biochemを紹介する。
この枠組みを用いて、新型コロナウイルス患者の生存率と、入院中に急性腎不全を発症する可能性を予測する。
論文 参考訳（メタデータ） (2022-04-24T07:38:37Z) - Machine Learning Applications for Therapeutic Tasks with Genomics Data [49.98249191161107]
ゲノム学の機械学習応用に関する文献を、治療開発のレンズでレビューします。
治療パイプライン全体にわたるゲノミクス応用における22の機械学習を同定する。
この分野における7つの重要な課題を、拡大と影響の機会として挙げる。
論文 参考訳（メタデータ） (2021-05-03T21:20:20Z) - Mapping the Landscape of Artificial Intelligence Applications against
COVID-19 [59.30734371401316]
世界保健機関(WHO)は、SARS-CoV-2ウイルスによる新型コロナウイルスの感染をパンデミックと宣言した。
我々は、機械学習と、より広範に、人工知能を用いた最近の研究の概要を、新型コロナウイルス危機の多くの側面に取り組むために提示する。
論文 参考訳（メタデータ） (2020-03-25T12:30:33Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。