Digital sundhed
Stort set al patientmonitorering involverer måling af analoge signaler og konvertering af disse til digital form. Signaler på digital form lader sig analysere ved hjælp af algoritmer udført på en PC, en smartphone eller i specialdesignet udstyr med indbygget mikrocontroller. Resultatet af en sådan signalanalyse er et sæt af numeriske datavariable, som man kan basere en diagnose på.
Det patientspecifikke datasæt kan bruges til at stille en diagnose for den enkelte patient, men kan også lagres i en patientdatabase med det formål at udføre komparativ dataanalyse. En sådan analyse gør det muligt at sammenligne en given patients tilstand med andre patienter med samme sygdom, og derved bestemme den bedste behandling for den givne patient.
Den teknologiske platform for et højt digitaliseret diagnostisk paradigme involverer et spektrum af digitale teknologier, fra kropsbårne dataloggere til centrale databasesystemer og til datavidenskabelige metoder optimeret til big-data-analyser. Det anbefalede studieforløb Digital sundhed indeholder kurser, der giver grundlæggende kompetencer i analog og digital instrumentering, i computer science og i digital sundhedsteknologi.
Anbefalet studieforløb : Digital Sundhed
I udredning og behandling af sygdomme indgår både korte specialiserede diagnostiske målinger på hospitaler og langvarig monitorering i hjemmet og/eller på arbejde. Diagnostisk udstyr på hospitalerne er oftest større komplekse og immobile systemer medens monitoreringsudstyr kan være kompakt og mobil, så patienten kan bære dette på kroppen eller i et bælte.
Mange af de elektriske apparater, der bruges til diagnostik og behandling af sygdomme måler signaler fra kroppen. Først skal signalerne renses for støj, fx fra elinstallationer, og måske udskilles fra andre fysiologiske signaler, der overdøver det ønskede signal. Herefter skal det rensede og isolerede signal analyseres og særlige kendetegnende karakteristika kaldet ”early biomarkers” ekstraheres og lagres i en database.
Næste skridt er at anvende datavidenskabelige metoder som machine learning og kunstig intelligens til at sammenligne de ekstraherede kendetegn med tilsvarende kendetegn fra et stort antal patienter med samme sygdom. Derved kan der ikke blot stilles en sikker diagnose men også gradbøjes, hvor svær sygdommen er for den givne patient. Med den viden kan der designes en personlig behandlingsplan for patienten frem for en standard plan.
De computerprogrammer, der anvendes til behandlingen og analysen af de fysiologiske signaler repræsenterer den sundhedsfaglige viden læger bruger til at stille diagnoser. Det er altså medicoingeniørens opgave at oversætte lægers ekspertviden til computeralgoritmer, der kan lægges ind i medicoteknisk udstyr.
Dette studieforløb giver dig alsidige færdigheder i objektorienteret programmering, algoritmer og datastrukturer, signalbehandling og statistisk dataanalyse, databaser og medicoteknisk instrumentering.
Bemærk: Formålet med et anbefalet studieforløb er at vise den studerende, hvilke muligheder der eksisterer for at sammensætte et personligt studieforløb. Kursusskemaet indeholder derfor flere kurser, end det er muligt at tage. Det er den studerendes ansvar at lave sine kursusvalg, således at studieordningens krav er opfyldt.