Datadrevet personlig medicin – fra epidemiologi til patient
Kursusindhold
Forstå hvordan forskellige typer real-world data, alt fra
genetik til app-indsamlede miljøpåvirkninger, kan bidrage til bedre
diagnose, prognose og personlig behandling. Kurset fokuserer på
klinisk afprøvning af datadrevne metoder og
beslutningsstøtteværktøjer samt inddragelse af patienter.
Få en dybere forståelse af værdien af forskellige typer big data
til brug inden for personlig medicin. Disse data kan være omics
data f.eks. genomsekvenser, men også andre kilder som f.eks.
app-indsamlede eksposom-information og outcomes relevant for
personlig medicin.
Et væsentligt tema er statistiske observationer for
populationsforskning, og hvordan dette er relevant for individuelle
patienter. Herudover får du en teoretisk basis for at forholde dig
kritisk til behandlingsrelevante omics-varianter samt forstå̊,
hvordan disse bidrager til diagnose, prognose og behandlingsvalg.
Du bliver også introduceret til beslutningsstøtteværktøjer i
klinikken og principper for klinisk afprøvning af datadrevne
metoder.
Kurset tager udgangspunkt i følgende specifikke emner: Datakilder,
patientnære real-world data fra genom til app-indsamlede exposomer
og outcomes, metoder der forbinder populationsforskning med
individuelle patienter (machine learning, big data mining,
dataintegration), kritisk vurdering af behandlingsrelevant genom-,
proteom- og metabolomvariation, diagnose, prognose, behandling,
beslutningsstøtteværktøjer til klinikken, patientinddragelse,
klinisk afprøvning af datadrevne metoder.
Data Driven Personalised Medicine – From Epidemiology to Patient
Dette kursus udbydes på Master i Personlig Medicin.
Masteruddannelsen er efteruddannelse for sundhedsprofessionelle.
Master i personlig medicin er udviklet i tæt samarbejde mellem de
fire sundhedsvidenskabelige fakulteter på hhv. Københavns
Universitet, Aarhus Universitet, Aalborg Universitet og Syddansk
Universitet samt Danmarks Tekniske Universitet. På den måde sikrer
vi, at du bliver undervist af nationale eksperter fra
internationalt anerkendte forskningsmiljøer i Danmark.
Læs mere om uddannelsen på
hjemmesiden:
Master i Personlig Medicin – Københavns Universitet
Efter endt kursus forventes den studerende at kunne:
Viden
- Identificere og definere forskellige typer real-world data, molekylære og ikke-molekylære
- Beskrive og evaluere metoder som anvendes til integration af forskellige datatyper
- Forholde sig kritisk til behandlingsrelevante omics varianter
- Regøre for principper bag datadrevne beslutningsstøtteværktøjer i klinikken
Færdigheder
- Forstå brugen af datadreven personlig medicin samt formidle og diskutere dette med kolleger, andre faggrupper og offentligheden
- Bruge teknikker og programmer til dataanalyse som f.eks. R
- Udføre analyser som integrerer forskellige typer af heterogene data
- Kritisk evaluere resultater af sådanne analyser
Kompetencer
- Overblik over forskellige typer af real-world data og hvordan sådanne data kan anvendes i et longitudinelt perspektiv i forbindelse med udviklingen af personlig medicin (patientforløb)
- Kritisk vurdere klinisk afprøvning af datadrevne metoder og brugen af beslutningsstøtteværktøjer i klinikken
Intensivt kursus der primært består af team-based learning og cases med tværfagligt gruppearbejde og understøttende forelæsninger. Kurset har løbende afleveringer, som tilsammen evalueres som eksamen.
Artikler og udvalgte bogkapitler
Litteraturlisten findes på e-læringsportalen Absalon
Indskrevne studerende tilmelder sig via selvbetjeningen på KUnet.
Nye studerende ansøger via dette
link:
Datadrevet personlig medicin - fra epidemiologi til patient –
Københavns Universitet
- ECTS
- 5 ECTS
- Prøveform
-
Løbende bedømmelse
- Prøveformsdetaljer
- Kurset har løbende afleveringer, som tilsammen evalueres som
eksamen.
De studerende i grupper skal uploade opgavesvar hver eftermiddag samt aflevere og præsentere en poster.
Efter hver kursusgang skal de studerende uploade besvarelser af dagens opgaver. Disse må gerne løses og afleveres i grupper. Opgaverne er obligatoriske. På kursets sidste dag skal hver studerende udarbejde og præsentere en poster individuelt for underviser og medstuderende. Posteren har obligatoriske elementer, men indeholder samtidig et vist frirum, så de studerende kan inddrage deres eget fagområde og kompetencer. Aflevering af samtlige opgaver i løbet af kurset samt præsentation af poster er en forudsætning for at bestå kurset. Eksamen afholdes på dansk. - Hjælpemidler
- Alle hjælpemidler tilladt
Se gældende regler for anvendelsen af GAI: Generativ AI og god videnskabelig praksis i KU's uddannelser – Københavns Universitet
- Bedømmelsesform
- bestået/ikke bestået
- Censurform
- Ingen ekstern censur
Der er en intern bedømmer
- Eksamensperiode
-
Se information om eksamenstidspunkt i uddannelsens eksamensplanen. Eksamensplanen offentliggøres på denne hjemmeside: https://sund.ku.dk/uddannelse/studieinformation/eksamensplaner/
- Reeksamen
-
Ved reeksamen skal den studerende udarbejde og aflevere en poster individuelt (bunden opgave). Posteren præsenteres mundtligt for en underviser, efterfulgt af spørgsmål til posterens indhold samt det generelle pensum. Reeksamen kan afvikles online. Der er ingen forberedelsestid forud for den mundtlige præsentation. Eksamen afholdes på dansk, og det er kun tilladt at medbringe poster som hjælpemiddel. Den mundtlige prøve har en varighed på ca. 20 minutter inklusiv votering. Reeksamen er en individuel prøve og kan ikke aflægges i grupper.
Kriterier for bedømmelse
For at opnå karakteren 12 skal den studerende kunne:
Viden
- Identificere og definere forskellige typer real-world data, molekylære og ikke-molekylære
- Beskrive og evaluere metoder som anvendes til integration af forskellige datatyper
- Forholde sig kritisk til behandlingsrelevante omics varianter
- Regøre for principper bag datadrevne beslutningsstøtteværktøjer i klinikken
Færdigheder
- Forstå brugen af datadreven personlig medicin samt formidle og diskutere dette med kolleger, andre faggrupper og offentligheden
- Bruge teknikker og programmer til dataanalyse som f.eks. R
- Udføre analyser som integrerer forskellige typer af heterogene data
- Kritisk evaluere resultater af sådanne analyser
Kompetencer
- Overblik over forskellige typer af real-world data og hvordan sådanne data kan anvendes i et longitudinelt perspektiv i forbindelse med udviklingen af personlig medicin (patientforløb)
- Kritisk vurdere klinisk afprøvning af datadrevne metoder og brugen af beslutningsstøtteværktøjer i klinikken
Kurser fra masteruddannelse
- Kategori
- Timer
- Forelæsninger
- 6
- Holdundervisning
- 12
- Forberedelse (anslået)
- 95,5
- Projektarbejde
- 14
- Eksamen
- 10
- Total
- 137,5
Kursusinformation
- Undervisningssprog
- Dansk
- Kursusnummer
- SPMM21008U
- ECTS
- 5 ECTS
- Niveau
- Master
- Varighed
-
1 semester
- Placering
- Forår
- Pris
-
- Skemagruppe
-
Gå til kursussiden for at se kursusdetaljer vedrørende antal undervisningsdage, kursusdatoer og eksamensplan: https://efteruddannelse.ku.dk/master-i-personlig-medicin/datadrevet-personlig-medicin-fra-epidemiologi-til-patient/
- Kapacitet
- 30 studerende
- Studienævn
- Studienævnet for Masteruddannelserne ved Det Sundhedsvidenskabelige Fakultet
Udbydende institut
- Institut for Klinisk Medicin
Udbydende fakultet
- Det Sundhedsvidenskabelige Fakultet
Kursusansvarlige
- Søren Brunak (13-7f7b717e717a3a6e7e817a6d774c7f817a703a77813a7077)
- Jessica Xin Hjaltelin (17-6c6775756b6563306a6c636e76676e6b704275777066306d7730666d)
- Isabella Friis Jørgensen (20-6e7866676a717166336b336f74776c6a73786a7345787a736933707a336970)
Underviser
Kursusansvarlige:
Søren Brunak, Forskningschef, Professor, of Disease Systems
Biology, leder af Novo Nordisk Foundation Center for Protein
Research (CPR), Københavns Universitet.
Jessica Hu Hjaltetin, Adjunct in computational cancer biology at
the NNF Center for Protein Research, Copenhagen University
Isabella Friis Jørgensen, Adjunct in Systems biology at the NNF
Center for Protein Research, Copenhagen University
Er du BA- eller KA-studerende?
Kursusinformation for indskrevne studerende