world icon

Helsedata og kunstig intelligens

Er du nysgjerrig på hvordan du kan bruke kunstig intelligens (KI) til å analysere helsedata?

I dette emnet skal vi utforske hvordan KI kan anvendes både på strukturerte og tekstlige helsedata for å hente ut verdifull innsikt.

Studiested

Samling på Tynset

Varighet

1 semester

Studiepoeng

7,5

Organisering

Undervisning på Tynset

Søknadsfrist

25.08.2025

Oppstart

Høst 2025

Korte og spissede utdanninger

Kombiner jobb og utdanning

Spisskompetanse innen helsedata

Om emnet

 

Faglig innhold

Dette emnet introduserer bruken av kunstig intelligens (KI)-metoder på strukturerte og tekstlige helsedata og informasjon.

 

Læringsutbytte

  • Kunnskap. Lære å behandle og analysere helsedata og helseinformasjon. Bruke KI-metoder fra veiledet, semi-veiledet eller uveiledet læring på helsedata. Forstå i hvilke situasjoner disse læringsprosessene er egnet, hvordan de fungerer, deres fordeler og ulemper og den typen innsikt de kan gi.
  • Ferdigheter. Forstå data og informasjon som skal analyseres, hvordan de trenger å behandles og hvilken type domenekunnskap som bør brukes. Kan velge egnete KI-metoder for å analysere og utvinne innsikt fra data. Forstå hva KI-metoden har lært og hvordan den kan støtte faktiske beslutninger. Kan kommunisere og tolke resultatene til andre, både eksperter og beslutningstagere.

 

 

Målgruppe

Deltakere som har tatt IT6116 (Analyse av helsedata – Innføring) og som ønsker å lære om bruk av kunstig intelligens-metoder på helsedata og informasjon.

 

Innhold

Du lærer å behandle og analysere helseinformasjon ved hjelp av ulike KI-metoder, inkludert veiledet, semi-veiledet og uveiledet læring. Gjennom praktisk og teoretisk forståelse, kan du utvikle ferdigheter i å velge passende metoder, tolke resultater og kommunisere funn til både fagpersoner og beslutningstakere – med mål om å støtte informerte beslutninger i helsesektoren.

Det legges stor vekt på praktisk arbeid i lab/kursmiljø.

 

Læringsformer og aktiviteter

Forelesninger og laboratorieøvinger.

Pensumlitteratur, forelesninger, laboratorieoppgaver, øvinger og eksamen vil delvis bli gitt på engelsk, og det kreves gode engelskkunnskaper for å delta.

 

Obligatoriske aktiviteter

  • Øvinger og deltakelse på fellessamlingene.

 

Mer om vurdering

Mappeevaluering gir grunnlag for sluttkarakteren i emnet som vurderes til bestått/ikke bestått. Vurdering gjøres på bakgrunn av et individuelt utført prosjektarbeid.

Mappen består av et prosjekt:

Prosjektrapport (60%)

Kode (40%)

Mappen skal leveres samlet i Inspera innen 12. desember 2025 kl. 14:00.

Veiledning skjer i løpet av samling og digitalt på Piazza.

Ved frivillig gjentak, stryk eller gyldig fravær, må hele mappen tas på nytt i semester med undervisning.

Obligatorisk aktiviteter (eksamenskrav): øvinger og deltakelse på fellessamlingene.

 

 

Spesielle vilkår

Krever opptak til studieprogram:
Etter- og videreutdanning teknologi, IME-fak (TKIMEEVU)

 

Forkunnskapskrav

  1. IT6116 – Analyse av helsedata – Innføring,
  2. Tre års utdanning fra høyskole / universitet og
  3. Minst to år relevant yrkespraksis innen helsefag, realfag og/ eller informatikk.

Annen relevant utdanning kan gi grunnlag for opptak etter individuell vurdering.

 

Søkere med utenlandsk utdanningsbakgrunn må fylle de generelle språkkravene i norsk og engelsk: https://www.samordnaopptak.no/info/utenlandsk_utdanning/sprakkrav/krav-til-norsk-og-engelsk-for_hoyere_utdannning/index.html

 

Krav til dokumentasjon:

https://www.ntnu.no/videre/dokumentasjon

 

Dokumentasjon lastes opp når du søker og kan lastes opp til søknadsfristen går ut.

Vi tar forbehold om tilstrekkelig antall søkere for at emnet gjennomføres. Dersom det blir flere søkere enn antall plasser prioriteres søkerne som følger:

  1. Ansatte i Arkivverket og Helsedirektoratet
  2. Søkere bosatt i Tynset, Alvdal, Folldal, Rendalen, Tolga, Os, Røros eller Holtålen kommune
  3. «Først til mølla»-prinsippet (dato for søknad).

 

 

Undervisning, eksamen og pensum

Tid og sted for undervisning

Obligatorisk samling på Tynset høsten 2025:

  • 13.-16. oktober 2025

Samlingen starter kl. 11.00 første dag og slutter kl. 15.00 siste dag.

Både engelsk og norsk brukes som undervisningsspråk.

 

Kursmateriell

Anbefalte lærebøker:

  • Yu, B., & Barter, R. L. (2024). Veridical data science: The practice of responsible data analysis and decision making. The MIT Press.
  • McKinney, W. (2022). Python for data analysis: Data wrangling with pandas, NumPy, and Jupyter (Third edition). O’Reilly.

Supplerende materiale kan bli tilgjengelig underveis i kurset.

 

Særskilte krav til utstyr og dataverktøy

Tilgang til egen datamaskin med mulighet til å installere programvare er nødvendig.
 

Eksamensbeskrivelse

Hjemmeeksamen/mappevurdering. Dato for eksamen annonseres senere

Eksamenskrav: Deltakelse på fellessamling og beståtte oppgaver/øvinger.

 

 

Annen informasjon

Vi tar forbehold om tilstrekkelig antall søkere for at emnet gjennomføres. Dersom det blir flere søkere enn antall plasser prioriteres søkerne etter «først til mølla»-prinsippet (dato for søknad).

Praktisk informasjon

 

Prisinformasjon

Pris: 0 Kr

Studentene må selv dekke ev. reise, opphold og utgifter til pensumlitteratur.

 

 

Samarbeidspartnere

  • Norsk helsearkiv – Arkivverket
  • Direktoratet for e-helse

 

 

Fagansvarlig/forelesere

Fakultet: Fakultet for informasjonsteknologi og elektroteknikk
 
Øystein Nytrø, Førsteamanuensis, Institutt for datateknologi og informatikk
Telefon: 91 89 76 06
E-post: nytroe@ntnu.no
 
Thomas Brox Røst, Førsteamanuensis, Institutt for datateknologi og informatikk
E-post: brox@ntnu.no
 
Melissa Yan, Postdoktor, Institutt for datateknologi og informatikk
E-post: melissa.yan@ntnu.no

 

 

Kontakt

Opptak og opptakskrav
Telefon: 73 59 77 01
E-post: evuopptak@aud.ntnu.no
 
Linda Lønvik, NTNU VIDERE, studieadministrasjon
Telefon: 73 59 66 43 / 73 41 23 89
E-post: videre@ntnu.no
 
Les mer og søk