inf527 Big Data Analytics and Clinical Decision Support (Complete module description)

Module label	Big Data Analytics and Clinical Decision Support
Modulkürzel	inf527
Credit points	6.0 KP
Workload	180 h
Verwendbarkeit des Moduls	Master Data Science and Machine Learning > Data Science and Machine Learning in Medicine and Health Care Master Informatik > Angewandte Informatik
Zuständige Personen	Wulff, Antje (module responsibility) Lehrenden, Die im Modul (Prüfungsberechtigt)
Prerequisites	Es werden keine spezifischen Vorkenntnisse vorausgesetzt
Skills to be acquired in this module	Vertieftes Verständnis über die Entwicklung und Bedeutung (entscheidungs)unterstützender Tools in der Medizin und der Verarbeitung medizinischer Datenbestände im Kontext von Data Analytics und Big Data in der Medizin. Fachkompetenz Die Studierenden: kennen die Quellen, Charakteristik und Vielfalt medizinischer Daten und die Bedeutung von Big Data in der Medizin kennen Methoden zur Konzeption (entscheidungs)unterstützender Anwendungen, inkl. der Verarbeitung relevanter Daten und Informationen, hinsichtlich einer medizinischen Fragestellung kennen Anwendungsklassen und Arten (entscheidungs)unterstützender Anwendungen und Tools kennen fachliche, organisatorische und regulatorische Anforderungen und Rahmenbedingungen bei der Datenanalyse und Anwendungsentwicklung im Gesundheitswesen Methodenkompetenz Die Studierenden: können sich in eine medizinische, datengetriebene Fragestellung einarbeiten und diese mit ihnen bekannten Methoden aus den verschiedenen Bereichen von Anforderungsermittlung, Wissensmanagement, Konzeption, Implementierung und Evaluation, lösen können gegebene Daten hinsichtlich einer medizinisch- informatischen Fragestellung zielgerichtet verarbeiten und Ergebnisse kritisch diskutieren können Ergebnisse, z. B. entscheidungsunterstützende Anwendungen, (im Speziellen für medizinische Fachexperten und -expertinnen) mehrwertbringend darstellen und übergeben Sozialkompetenz Die Studierenden: erkennen den interdisziplinären Austausch in diesem Kontext und verstehen seine Bedeutung und Notwendigkeit erarbeiten, präsentieren und diskutieren die Lösungen aus den Übungen mit Anderen Selbstkompetenz Die Studierenden: können ihre Rolle und Bedeutung bei der Analyse medizinischer Daten und der Entwicklung medizinisch- unterstützender Anwendungen/Tools einschätzen erkennen die Grenzen ihrer (Fach)perspektive und den Mehrwert des Domänenwissens Anderer an reflektieren Probleme und Lösungen kritisch und beziehen dabei die gelernten Methoden ein
Module contents	In den zugeordneten Vorlesungen sollen vor dem Hintergrund von „Big Data in der Medizin“ bzw. der zunehmenden Digitalisierung der Medizin im Allgemeinen, Kenntnisse zur Charakteristik, Analyse und zum Umgang mit medizinischen Daten zum Zwecke der Entwicklung, Anwendung und Evaluation (entscheidungs)unterstützender Anwendungen/Tools im Gesundheitswesen vermittelt werden
Literaturempfehlungen	Papademetris X, Quraishi AN, Licholai GP. Introduction to Medical Software. Foundations for Digital Health, Devices and Diagnostics, 978-1316514993 Weiteres wird in der Veranstaltung bekanntgegeben
Links	/
Language of instruction	English
Duration (semesters)	1 Semester
Module frequency	jährlich im Sommersemester
Module capacity	unrestricted
Lehr-/Lernform	L+E
Vorkenntnisse	/

Lehrveranstaltungsform	SWS	Frequency	Workload of compulsory attendance
Lecture	2	SoSe	28
Exercise or project	2	SoSe	28
Präsenzzeit Modul insgesamt			56 h

Examination	Prüfungszeiten	Type of examination
Final exam of module	am Ende der Vorlesungszeit