🏥 AI og Helse

Åpen variant av et avansert kurs i kunstig intelligens for medisinere og personell i helse- og omsorgssektoren.

Tip

Start på kursnettsiden for en ryddig inngang til ukeoversikt, ressurser og videre lenker til notebooks: Åpne kursnettsiden

Note

Forelesningsversjonen ligger også ute som Google Slides: Åpne presentasjonen eller gå via kursnettsiden med QR-kode.

📚 Kursstruktur

• Del 1 (Uke 1-6): AI-fundamentet - fra AI 1.0 til AI 2.0
• Del 2 (Uke 7-8): Praktiske anvendelser i medisin, helse og omsorg

🎯 Læringsutbytte

Kunnskaper

• Forstå forskjellen mellom klassisk maskinlæring (AI 1.0), dyplæring og generativ AI (AI 2.0)
• Kjenne til praktiske anvendelser av AI i helse- og omsorgstjenesten
• Forstå grunnleggende prinsipper for AI-støttet analyse, optimering og beslutning
• Ha innsikt i etiske og regulatoriske aspekter ved AI i helse og medisin

Ferdigheter

• Bruke generative AI-verktøy (ChatGPT, Claude, Gemini, ...) for faglige oppgaver i medisin og helse
• Vurdere egnethet av AI-løsninger for konkrete problemstillinger
• Identifisere muligheter for AI-støtte i egen arbeidshverdag
• Kritisk evaluere AI-systemer og deres begrensninger (og muligheter)

Hvordan kurset kan brukes

"... på svømmekurs bør man oppholde seg mye i bassenget ..."

• Det anbefales å "gå i bassenget" (= eksperimentere med notebooks)
• For noen i målgruppen kan et realistisk læringsutbytte oppnås ved kun å lese, inspisere og kontemplere tekst, kode, figurer og referanser direkte i GitHub-repositoriet (https://github.com/arvidl/AI-og-helse), altså "holde seg på land ...", kombinert med bruk av en AI-sparringspartner

📂 Repo-struktur

AI-og-helse/
├── uke01-introduksjon/          # Introduksjon til AI
├── uke02-klassisk-ml/           # Klassisk maskinlæring
├── uke03-dyplæring/             # Dyplæring og nevrale nettverk
├── uke04-generativ-ai/          # Generativ AI, foundation models og multimodalitet
├── uke05-agentisk-ai/           # Agentisk AI i helse og omsorg
├── uke06-klinisk-praksis/       # Klinisk praksis, beslutningsstøtte og validering
├── uke07-velferdsteknologi/     # Sensorer, beslutningsstøtte og trygg teknologi
├── uke08-etikk-implementering/  # Etikk, bias/fairness, GDPR, MDR og trustworthy AI
├── ressurser/                   # Ordliste, verktøy og artikler
├── utils/                       # Hjelpefunksjoner
├── intro_openai_anthropic.ipynb # API-introduksjon og nøkkelhåndtering
├── environment.yml              # Standard lokalt miljø
├── environment_cuda.yml         # NVIDIA/CUDA-variant for Linux/Windows
└── requirements.txt             # Pip-avhengigheter

📚 Notebok-oversikt med Colab-badges

Uke 1: Introduksjon til AI

Notebok	Beskrivelse	Colab
00-velkommen.ipynb	Velkommen og kursoversikt
01-test-meg.ipynb	Test av miljø og pakker
02-hva-er-ai.ipynb	Hva er kunstig intelligens?
03-ai-historie-helse.ipynb	AI-historie i helsevesenet
04-ai-ml-dl-forskjeller.ipynb	AI, ML og dyplæring
05-regelbaserte-systemer.ipynb	Regelbaserte systemer
99-oppsett-miljø.ipynb	Miljøoppsett guide

Uke 2: Klassisk maskinlæring

Notebok	Beskrivelse	Colab
01-klassisk-ml-101.ipynb	Grunnleggende maskinlæring
02-fra-symptom-til-diagnose.ipynb	Fra symptom til diagnose

Uke 3: Dyplæring og nevrale nettverk

Notebok	Beskrivelse	Colab
01a_nn_intro.ipynb	Nevrale nettverk i menneske og maskin - grunnleggende teori
01b_læring_i_nn.ipynb	Læring i nevrale nettverk - i menneske og i maskin
01c_UCI_heart_disease_klassifikasjon.ipynb	Hjertesykdom-klassifikasjon (bruk av åpne data fra UCI)
01d_EKG_arytmi_klassifikasjon.ipynb	Hjertearytmi-klassifikasjon med CNN (bruk av åpne EKG data fra PhysioNet)
02a_cnn_bildeklassifikasjon.ipynb	CNN bildeklassifikasjon (5 blomsterarter) - intro (bruk av åpne data fra Kaggle)
02b_cnn_trening.ipynb	CNN trening
02c_cnn_testing.ipynb	CNN testing
02d_cnn_konklusjon.ipynb	CNN konklusjon
03_medisinsk_bildeklassifikasjon_MR.ipynb	Medisinsk MR-bildeklassifikasjon - demens (bruk av åpne data fra OASIS)
04a_ansiktsutrykk_klassifikasjon.ipynb	Emosjonelle ansiktsutrykk - del 1 (bygging) (bruk av åpne data fra FER2013)
04b_ansiktsutrykk_klassifikasjon.ipynb	Emosjonelle ansiktsutrykk - del 2 (trening)
04c_ansiktsutrykk_klassifikasjon.ipynb	Emosjonelle ansiktsutrykk - del 3 (evaluering)

Uke 4 og 5: Moderne AI i praksis

Uke 4 gir en innføring i generativ AI, foundation models og multimodalitet. Uke 5 bygger videre på dette og viser hvordan slike modeller kan inngå i agentiske systemer med verktøybruk, arbeidsflyt og helsefaglige anvendelser.

Uke 4: Generativ AI, foundation models og multimodalitet

Notebok	Beskrivelse	Colab
01_transformer_arkitektur.ipynb	Transformer-arkitektur
02_llm_grunnleggende.ipynb	LLM grunnleggende
03_prompt_engineering.ipynb	Prompt engineering
04_chatgpt_claude_api.ipynb	ChatGPT og Claude API
10_bilde_tekst_clip_zero_shot_blomster.ipynb	CLIP zero-shot på blomster (bilde + tekst)

Uke 5: Agentisk AI

Notebok	Beskrivelse	Colab
01_chatbot_workflow_agent.ipynb	Chatbot, workflow og agent: begreper og enkle eksempler
02_agentisk_ai_i_helse.ipynb	Agentisk AI i helse: verktøybruk, RAG, minne, case og sikkerhet
03_crewai_fordypning_rehabilitering.ipynb	Frivillig fordypning: CrewAI i rehabilitering med syntetisk case og tverrfaglige roller
04_agentisk_ai_perspektiver.ipynb	Perspektiver: agentisk AI i framtidig praksis, forskning, tjenesteutvikling og sensitive data

Uke 6: Klinisk praksis

Notebok	Beskrivelse	Colab
01_risikomodell_logistisk_regresjon_kalibrering_shap.ipynb	Syntetisk risikomodell: logistisk regresjon, kalibrering, SHAP
02_klinisk_beslutningsstøtte_terskler_og_avveininger.ipynb	Hvordan risikoskår blir til klinisk beslutningsstøtte
03_validering_generalisering_og_subgrupper.ipynb	Generalisering, distribusjonsskifte og subgruppeanalyse
04_fra_modell_til_klinisk_arbeidsflyt.ipynb	Hva som kreves før en modell kan brukes i klinisk arbeidsflyt

Uke 7: Velferdsteknologi

Notebok	Beskrivelse	Colab
01_robotnavigasjon_i_rutenett_med_astar.ipynb	A* rutefinning i 2D-grid (robotnavigasjon)
02_sensorer_aktivitet_og_hendelsesforståelse.ipynb	Hvordan sensorer kan brukes til å tolke aktivitet og avvik
03_beslutningsstøtte_i_hjem_og_omsorg.ipynb	Varsling, prioritering og støtte i hjem og omsorg
04_sikkerhet_etikk_og_menneske_maskin_samspill.ipynb	Sikkerhet, etikk og menneske-maskin-samspill i velferdsteknologi

Uke 8: Etikk og implementering

Notebok	Beskrivelse	Colab
01_gdpr_personvern.ipynb	GDPR og personvern
02_bias_rettferdighet.ipynb	Bias og rettferdighet
03_ce_mdr_regulering.ipynb	CE/MDR regulering
04_ai_etikk_i_medisinen.ipynb	Kliniske dilemmaer, etiske prinsipper og ansvarlig bruk av AI
05_trustworthy_ai_i_helse.ipynb	Robusthet, usikkerhet, validering og monitorering i medisinsk AI

Andre notebooks

Notebok	Beskrivelse	Colab
intro_openai_anthropic.ipynb	OpenAI og Anthropic introduksjon

💻 Teknologi

• Python 3.12+
• Jupyter Notebooks for interaktiv læring
• Google Colab for skybasert notebook-kjøring og eksperimentering
• AI-verktøy: OpenAI (gpt-), Anthropic (claude-), Scikit-learn, PyTorch, ...

🛠️ Teknisk støtte

• GitHub Issues: Rapporter problemer
• Diskusjoner: kollegaer, medstudenter, AI-sparringspartner(e)

📖 Læringsressurser

• Ordliste
• Verktøyguider
• Artikkelsamling
• Google Colab-oppsett
• Colab-kompatibilitetssjekkliste
• Kaggle-data og API-tilgang

👥 Målgruppe

• Helsepersonell (leger, sykepleiere, radiografer, terapeuter, psykologer)
• Ansatte i omsorgstjenesten (deler av kurset)
• Ledere i helse og omsorg (deler av kurset)
• IT- og digitaliseringsansvarlige (deler av kurset)
• Kvalitets- og utviklingsrådgivere (deler av kurset)

📅 Praktisk informasjon

• Varighet: 8 uker
• Arbeidsomfang: 10-12 timer per uke
• Læringsspråk (i Jupyter-notebooks): Norsk (+ engelske fagtermer, for eksempel "notebooks")

📄 Lisens

Repoet er lisensiert under MIT-lisensen. Copyright (c) 2025 Arvid Lundervold.

🙏 Bidragsytere

• Arvid Lundervold
• Hvordan bidra

🛠️ Hvordan kurset er laget og hvilke ressurser som er brukt

• Domenekunnskap, et godt nettverk av fagfeller (nær og fjern) og entusiasme for feltet
• Bruk av AI-kodeeditoren Cursor Ultra
• Utviklet på en MacBook Pro M4 Max
• Diverse lisenser og tjenester (GitHub, OpenAI, Anthropic, Perplexity, Google)
• Omtrent 40 timeverk for basisdelen

---

🚀 Kom i gang

Bruk Google Colab (enkleste alternativ)

Gå til repoets README på GitHub og finn aktuell uke, fra uke01- til uke08-.

For eksempel: uke01-introduksjon

1. For hver notebook, trykk på
2. Notebooken vises da i din nettleser
3. Aksepter at den ikke er autorisert av Google ("Run anyway")
4. Lær deg bruk av Python og Jupyter Notebooks i Google Colab (FAQ)

For lokal utvikling - Anaconda (anbefalt for Mac/Linux/PC)

# Klon repository
git clone https://github.com/arvidl/AI-og-helse.git
cd AI-og-helse

# Opprett conda-miljø fra `environment.yml`
conda env create -f environment.yml

# Aktiver miljøet
conda activate ai-helse

# Installer Jupyter kernel
python -m ipykernel install --user --name ai-helse --display-name "Python 3.12 (AI-Helse)"

# Verifiser installasjon
python check_setup.py

CrewAI er nå inkludert i standardmiljøet for det frivillige fordypningssporet i uke 05, blant annet notebooken uke05-agentisk-ai/03_crewai_fordypning_rehabilitering.ipynb.

Alternativ: Bruk pip/venv (hvis du ikke har Anaconda)

# Sørg for at du har Python 3.12 installert
python3.12 --version

# Opprett virtuelt miljø med Python 3.12
python3.12 -m venv venv

# Aktiver miljø
source venv/bin/activate  # Mac/Linux
# venv\Scripts\activate   # Windows

# Installer avhengigheter
pip install --upgrade pip
pip install -r requirements.txt

# Verifiser installasjon
python check_setup.py

For Cursor-brukere

1. Åpne prosjektet i Cursor
2. Cursor vil automatisk oppdage conda-miljøet
3. Velg "Python 3.12 (ai-helse)" som interpreter
4. Alternativt: Cmd/Ctrl+Shift+P → "Python: Select Interpreter" → ai-helse

API-nøkler for lokal kjøring

NB

Hver kursdeltaker må selv skaffe, lagre og bruke sine egne API-nøkler.

Her er en enkel måte å gjøre det på:

---

1. Skaff egne API-nøkler

Hver deltaker må selv registrere seg:

• OpenAI: platform.openai.com
• Anthropic: console.anthropic.com

Begge krever at man legger inn kort/betalingsinfo (med gratis startkreditter for nye brukere).

---

2. Hvordan lagre nøklene trygt

Du kan velge én av to enkle metoder:

a) .env-fil (anbefalt)

1. Lag en fil i samme mappe som notebooken med navnet .env

2. Legg inn:

   OPENAI_API_KEY=sk-xxxx
   ANTHROPIC_API_KEY=sk-ant-xxxx
   

3. Installer python-dotenv (én gang):

   pip install python-dotenv

4. I notebooken:

   from dotenv import load_dotenv
   load_dotenv()
   
   import os
   openai_key = os.getenv("OPENAI_API_KEY")
   anthropic_key = os.getenv("ANTHROPIC_API_KEY")

b) Direkte miljøvariabler (mer "avansert")

• I terminal (før du starter Jupyter):

  export OPENAI_API_KEY="sk-xxxx"
  export ANTHROPIC_API_KEY="sk-ant-xxxx"

• Notebooken bruker os.getenv() som i eksempelet over.

---

3. Bruke nøklene i kode

OpenAI (GPT-modeller):

from openai import OpenAI
import os

client = OpenAI(api_key=os.getenv("OPENAI_API_KEY"))

response = client.chat.completions.create(
    model="gpt-4o-mini",
    messages=[{"role": "user", "content": "Hei fra OpenAI!"}]
)
print(response.choices[0].message.content)

Anthropic (Claude-modeller):

from anthropic import Anthropic
import os

client = Anthropic(api_key=os.getenv("ANTHROPIC_API_KEY"))

response = client.messages.create(
    model="claude-3-haiku-20240307",
    max_tokens=100,
    messages=[{"role": "user", "content": "Hei fra Claude!"}]
)
print(response.content[0].text)

NB

• Husk, ikke dele noen egne nøkler i kursmaterialet – hver deltaker har ansvar for sine.

• Der det kan være aktuelt, har vi lagt inn et sjekksteg i notebooken som gir en feilmelding hvis nøkkel mangler:

  if not openai_key or not anthropic_key:
      raise ValueError("Mangler API-nøkkel. Sett den i .env-filen først!")

API-nøkler for kjøring i skyen

Dette gjelder kun for Google Colab.

For nærmere beskrivelse, se notebooken intro_openai_anthropic.ipynb.

---

Oppsummering

• Deltakere skaffer egne nøkler fra OpenAI og Anthropic.
• Nøklene lagres lokalt i .env eller som miljøvariabler dersom du kjører lokalt.
• Dersom du kjører i Google Colab, må du konsultere intro_openai_anthropic.ipynb.
• Aktuelle Notebooks er ferdig satt opp til å hente nøkler og bruke dem.

---

Lykke til med kurset! 🎓