論文の概要: Bridge2AI: Building A Cross-disciplinary Curriculum Towards AI-Enhanced Biomedical and Clinical Care
- arxiv url: http://arxiv.org/abs/2505.14757v1
- Date: Tue, 20 May 2025 16:19:05 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-05-22 15:42:58.6803
- Title: Bridge2AI: Building A Cross-disciplinary Curriculum Towards AI-Enhanced Biomedical and Clinical Care
- Title（参考訳）: ブリッジ2AI:AIを活用したバイオメディカル・クリニカルケアに向けた学際的カリキュラムの構築
- Authors: John Rincon, Alexander R. Pelletier, Destiny Gilliland, Wei Wang, Ding Wang, Baradwaj S. Sankar, Lori Scott-Sheldon, Samson Gebreab, William Hersh, Parisa Rashidi, Sally Baxter, Wade Schulz, Trey Ideker, Yael Bensoussan, Paul C. Boutros, Alex A. T. Bui, Colin Walsh, Karol E. Watson, Peipei Ping,
- Abstract要約: NIH Bridge2AI Working Groupは、協力的革新、倫理的データ管理、専門的開発を基礎とした学際的なカリキュラムを開発した。
北米で30人以上の学者と100人以上のメンターが参加し、TRMモデルは、適応的でペルソナによるインフォームドトレーニングが学際的な能力を生み出すことを実証している。
- 参考スコア（独自算出の注目度）: 34.695712996247835
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Objective: As AI becomes increasingly central to healthcare, there is a pressing need for bioinformatics and biomedical training systems that are personalized and adaptable. Materials and Methods: The NIH Bridge2AI Training, Recruitment, and Mentoring (TRM) Working Group developed a cross-disciplinary curriculum grounded in collaborative innovation, ethical data stewardship, and professional development within an adapted Learning Health System (LHS) framework. Results: The curriculum integrates foundational AI modules, real-world projects, and a structured mentee-mentor network spanning Bridge2AI Grand Challenges and the Bridge Center. Guided by six learner personas, the program tailors educational pathways to individual needs while supporting scalability. Discussion: Iterative refinement driven by continuous feedback ensures that content remains responsive to learner progress and emerging trends. Conclusion: With over 30 scholars and 100 mentors engaged across North America, the TRM model demonstrates how adaptive, persona-informed training can build interdisciplinary competencies and foster an integrative, ethically grounded AI education in biomedical contexts.
- Abstract（参考訳）: 目的:AIが医療の中心になるにつれて、パーソナライズされ、適応可能なバイオインフォマティクスとバイオメディカルトレーニングシステムの必要性が高まっている。
Materials and Methods: NIH Bridge2AI Training, Recruitment and Mentoring (TRM) Working Groupは、協調的イノベーション、倫理的データ管理、専門的開発を基礎とした、適応型学習健康システム(LHS)フレームワークのクロスディシプリタリーカリキュラムを開発した。
結果:カリキュラムは、基礎となるAIモジュール、現実世界のプロジェクト、Bridge2AI Grand ChallengesとBridge Centerにまたがる構造化メンテ-メンタネットワークを統合している。
6人の学習者ペルソナが指導するこのプログラムは、スケーラビリティをサポートしながら、個々のニーズに対する教育経路をカスタマイズする。
議論: 継続的なフィードバックによって推進される反復的な改善は、コンテンツが学習者の進歩と新たなトレンドに反応し続けることを保証します。
結論: 北米で30人以上の学者と100人以上のメンターが従事し、TRMモデルは、適応的でペルソナによるインフォームドトレーニングが、学際的な能力を確立し、バイオメディカルな文脈で統合的で倫理的に根ざしたAI教育を育むことができるかを実証する。
関連論文リスト
- Advancing Problem-Based Learning in Biomedical Engineering in the Era of Generative AI [4.1150261845357194]
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。
論文 参考訳（メタデータ） (2025-03-20T00:52:02Z) - 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) - From MOOC to MAIC: Reshaping Online Teaching and Learning through LLM-driven Agents [78.15899922698631]
MAIC(Massive AI-empowered Course)は、LLM駆動のマルチエージェントシステムを活用して、AIが強化された教室を構築するオンライン教育の新たな形態である。
中国一の大学である清華大学で予備的な実験を行う。
論文 参考訳（メタデータ） (2024-09-05T13:22:51Z) - 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) - FUTURE-AI: International consensus guideline for trustworthy and deployable artificial intelligence in healthcare [73.78776682247187]
医療AIに関連する技術的、臨床的、倫理的、法的リスクに関する懸念が高まっている。
この研究は、Future-AIガイドラインを、医療における信頼できるAIツールの開発とデプロイを導くための最初の国際コンセンサスフレームワークとして説明している。
論文 参考訳（メタデータ） (2023-08-11T10:49:05Z) - 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) - An Overview and Case Study of the Clinical AI Model Development Life
Cycle for Healthcare Systems [0.1995841328036364]
本稿では,臨床AIモデルの開発ライフサイクルについて概説する。
次に,大動脈瘤を検出するための深層学習システムの開発過程について,詳細なケーススタディを示す。
論文 参考訳（メタデータ） (2020-03-02T21:35:13Z)
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。