2 項進行中

115-1 選課時程

進行中

  • 初選第一階段 6/15 – 6/18
  • 初選第二階段 6/22 – 6/25
  • 校際選修 進行中 8/24 – 9/18
  • 初選第三階段 8/31 – 9/3
  • 開學後加退選 進行中 9/7 – 9/21
  • 逾期加退選 9/21 – 9/24
選課資源

加入行事曆

選擇訂閱 Google Calendar,或下載通用的 ICS 檔案。

使用 Google Calendar 時,Google 會收到這份課表的公開連結。

個人化照顧:基因之外的精準醫學

Personalized Care: Precision Medicine from Caring Beyond Genomics

學期
115-1
學分
2 學分
當期課號
131018
永久課號
MDBI30097
開課單位
生物醫學資訊研究所
授課教師
張博論
校區
陽明
類別
選修
上課時間表
週三
7
15:30–16:20
個人化照顧:基因之外的精準醫學
YR103(陽明)
2 節連堂
8
16:30–17:20

* 根據陽明交大上課時間表所列

概述

本課的目的在於從健康與民眾的角度,思考醫學與健康"精準"的目的與智慧服務設計方式. 影響民眾健康的主要因素,來自生理上的遺傳,生物性,醫療照顧體系,如醫療資源,環境因素,如汙染,生活型態如運動,飲食,起居,家庭,科技如行動健康,AI等,眾多非標準固定因素影響,至今尚有高度的不確定性與經驗成分,尤其是生活型態因素影響過半,比醫療與生物性多高。如今,2022年起現代AI的技術發展,因為資訊處理,算力,個人健康資訊整合的發展,提供了另一種"精準"機會.因此這堂課將運用個人的臨床、生活、行為、環境與社會資料,透過照顧態勢( Care State)的建立,分析與資訊科技的應用,提供可理解、可執行、可追蹤的個人化健康導航。健康照顧從來不是固定不變,與疾病診斷治療介入那麼單純因果關係,本課將從資訊科技與智慧健康導航角度,以實際案例與AI工具使用,討論,並設計民眾與生活導向的"精準"健康模式。

先修科目

無 本課程主要在於提供相對於生物資訊學精準醫學技術的互補課程:非生物性的健康精準駕馭模型。

備註

無備註

教學方式

本堂課將採用AI工具作為學習助教與主要工具,協助學生整理與萃取關鍵資訊與技術.

評分方式

課堂討論參與30%,課外資料查詢整理40%,學期作業30%

課程大綱

教師未提供此項資料

週次計畫
週次主題
第 1 週

醫學與健康科學的"測不準"?從精準醫學到精準健康

時數:[2026-09-09]張博論(2.00)
第 2 週

非基因資料的範圍與價值:建立個人健康資料地圖

時數:[2026-09-16]張博論(2.00)
第 3 週

從疾病診斷到Person Phenotype:撰寫一位個案的多維表型

時數:[2026-09-23]張博論(2.00)
第 4 週

Care State理論與表示方法:把個案轉換成Care State

時數:[2026-09-30]張博論(2.00)
第 5 週

病人報告結果與個人目標

時數:[2026-10-07]張博論(2.00)
第 6 週

社會決定因素與健康不平等:分析相同疾病、不同社會情境

時數:[2026-10-14]張博論(2.00)
第 7 週

照顧可精準與連續性的基礎

時數:[2026-10-21]張博論(2.00)
第 8 週

穿戴、居家感測及病人產生資料:評估資料的可信度與可行動性

時數:[2026-10-28]張博論(2.00)
第 9 週

風險分層與預測模型:建立簡易風險規則或模型

時數:[2026-11-04]張博論(2.00)
第 10 週

臨床決策支援:將風險輸出轉成決策選項

時數:[2026-11-11]張博論(2.00)
第 11 週

知識圖譜、Ontology與照護路徑:建構資料—狀態—行動關係

時數:[2026-11-18]張博論(2.00)
第 12 週

生成式AI、RAG與健康Agent:設計有邊界的導航Agent

時數:[2026-11-25]張博論(2.00)
第 13 週

多人協作與連續照護:設計病人、家屬、醫療與長照分工

時數:[2026-12-02]張博論(2.00)
第 14 週

人機協作、倫理、公平與責任:判定哪些決策不得交由AI

時數:[2026-12-09]張博論(2.00)
第 15 週

效度、安全與真實世界評估:設計模型、流程與結果評估

時數:[2026-12-16]張博論(2.00)
第 16 週

期末報告發表:智能健康導航方案(個人主題)

時數:[2026-12-23]張博論(2.00)
教科書

全球數位資訊網. 傳統精準醫學多聚焦於:基因/生物標記 → 疾病分型 → 藥物或治療選擇 本課程則聚焦:多源個人資料 → Care State判定 → 個人目標與限制 → 決策 → 行動 → 結果回饋。 我們嘗試從六類資料所建立的健康態勢,設計健康導航的進行 臨床資料:診斷、用藥、檢驗、生命徵象 功能資料:ADL、IADL、認知、衰弱、活動能力 行為資料:飲食、睡眠、運動、服藥與就醫行為 個人感受:症狀、PROM、生活品質、照護偏好 社會情境:家庭支持、獨居、經濟、語言與健康識能 即時情境:位置、跌倒、穿戴裝置、居家感測與照顧者回報 本課將強調現實照護中更常影響決策的非基因因素,包括環境、生活方式及個人差異;而WHO也強調AI與數位健康必須導向以人為中心、公平且可近的健康服務。

Office Hours
地點
守仁樓304
時間
個別約定
聯絡方式
Line# polun5a0a WeChat# polun520