วิชาในหลักสูตร
Course
Fundamentals of Digital Technology and Applications in Healthcare
ทำความเข้าใจพื้นฐานระบบคอมพิวเตอร์ เครือข่าย และอินเทอร์เน็ตของสรรพสิ่ง (IoT) ควบคู่กับการนำเทคโนโลยีเสมือนจริง (VR), Big Data, ปัญญาประดิษฐ์ (AI), เว็บและโมบายแอพพลิเคชั่นมาใช้ประโยชน์ในระบบสุขภาพ
Health Information Technology and Data Standards
เรียนรู้หลักการออกแบบและใช้งานระบบเวชระเบียนอิเล็กทรอนิกส์ เพื่อการจัดการข้อมูลสุขภาพ และข้อมูลส่วนบุคคลอย่างมีประสิทธิภาพ เข้าใจมาตรฐานข้อมูลสุขภาพ, Health ID, Provider ID และมาตรฐานการเบิกจ่ายทางการแพทย์ (SIMB)
Data Analytics
เริ่มต้นเรียนรู้กระบวนการวิเคราะห์ข้อมูลตั้งแต่การจัดเตรียม ทำความสะอาดข้อมูล ไปจนถึงการค้นหา Insight ด้วยพื้นฐานสถิติและเครื่องมือคอมพิวเตอร์ เช่น PowerBI, Tableau และ Apache Superset
AI for Digital Health
หลักสูตรพื้นฐานสำคัญด้านปัญญาประดิษฐ์ (AI), การเรียนรู้ของเครื่อง (ML), Deep Learning และ Generative AI ผ่านการพัฒนาโปรโตไทป์และการเขียนโปรแกรมเบื้องต้น เน้นการบูรณาการ AI กับระบบสาธารณสุข เพื่อเพิ่มประสิทธิภาพบริการสุขภาพดิจิทัล
Cyber Security
เรียนรู้แนวคิดพื้นฐานด้านความปลอดภัยทางไซเบอร์ในบริบทของระบบสุขภาพดิจิทัล พร้อมแนวทางรับมือภัยคุกคามที่พบบ่อย การออกแบบและควบคุมการเข้าถึงเครือข่าย การตอบสนองเหตุการณ์ด้านความปลอดภัย และแผนรับมือสถานการณ์ฉุกเฉิน
Digital Health
Management
เสริมทักษะการบริหารและขับเคลื่อนโครงการสุขภาพดิจิทัลผ่านการเรียนรู้หลักการและกระบวนการบริหารโครงการแบบมืออาชีพ ศึกษาแนวคิด Design Thinking เพื่อออกแบบโครงการสุขภาพที่ตอบโจทย์ผู้ใช้งาน
Data Science Architecture
การออกแบบและการดําเนินงานโครงการวิทยาศาสตร์ข้อมูล, การประยุกต์ใช้วิทยาศาสตร์ข้อมูล : กระบวนการ ทางวิทยาศาสตร์ข้อมูล, สถาปัตยกรรมข้อมูลขนาดใหญ่, การวิเคราะห์ข้อมูลขนาดใหญ่, การแสดงและการสื่อสาร ข้อมูล, การพัฒนาและการนําไปใช้งานวิทยาศาสตร์ข้อมูล; การวัดขนาดและการขยายขนาด
Advanced Topics in Computer Engineering
หัวข้อที่น่าสนใจในปัจจุบัน และ พัฒนาการใหม่ในสาขาต่างๆ ทางวิศวกรรมคอมพิวเตอร์
Artificial Intelligence
คำจำกัดความและการประยุกต์ปัญญาประดิษฐ์ การแทนความรู้ การเขียนโปรแกรมภาษาโปรล็อก การประมวลผลภาษาธรรมชาติ กลวิธีการเรียนรู้ของเครื่อง
Bioinformatics
อณูชีววิทยาสําหรับชีวสารสนเทศ ความสัมพันธ์ระหว่างดีเอ็นเอ อาร์เอ็นเอ กับโปรตีน การถอดรหัสจีโนม เทคโนโลยีโอมิกส์ อัลกอริทึม คณิตศาสตร์และวิธีการทางสถิติสําหรับการคํานวณและวิเคราะห์ข้อมูลโอมิกส์ ฐานข้อมูลสาธารณะทางชีวสารสนเทศ ข้อมูลขนาดใหญ่ทางชีวการแพทย์ การประยุกต์ใช้ชีวสารสนเทศด้านสาขาต่าง ๆ โดยเฉพาะด้านชีวการแพทย์
Healthcare Innovation and Entrepreneurship
หลักการและทักษะในด้านนวัตกรรมและการเป็นผู้ประกอบการด้านสุขภาพและการแพทย์ทั้งในระดับประเทศและนานาชาติ เกิดความเข้าใจในการแสวงหาโอกาส และกระบวนการพัฒนานวัตกรรมและแผนธุรกิจเพื่อให้เกิดการนำไปใช้จริง เช่น การวิเคราะห์คุณค่าของงานวิจัยและความคิดสร้างสรรค์ใหม่ๆ การทำแผนธุรกิจและแผนการเงิน ตัวเลือกการดำเนินการเชิงพาณิชย์ และเทคนิคการนำเสนอ กลยุทธ์ด้านทรัพย์สินทางปัญญาและกฎระเบียบ
Biostatistics for Medical Sciences
ความสำคัญของชีวสถิติในวิทยาศาสตร์การแพทย์ การใช้สถิติในขั้นตอนต่างๆของงานวิจัย การเตรียมการตรวจสอบข้อมูลเพื่อการวิเคราะห์สถิติเชิงพรรณนาสถิติเชิงอนุมาน สำหรับการวิเคราะห์ข้อมูลชนิดต่อเนื่องและข้อมูลเชิงกลุ่ม การฝึกปฏิบัติวิเคราะห์ข้อมูลและชีวสถิติในบทความวิจัยทางการแพทย์
Digital Image Processing
การรับรู้ด้วยการมองเห็น การแปลงภาพลักษณ์และให้รหัสแบบดิจิทัล การปรับปรุงภาพลักษณ์ให้ดีขึ้น การคืนสภาพภาพลักษณ์ โดยการปรับปรุงภาพที่มีความแตกต่างของความเข้มน้อย ภาพที่มัวหรือที่มีสัญญาณรบกวน การอัดข้อมูลภาพลักษณ์ และการจัดแบ่งภาพเป็นส่วนซึ่งเป็นขั้นตอนแรกของการวิเคราะห์ภาพลักษณ์
Software Requirement
การเรียนรู้เรื่องการรวบรวม วิเคราะห์ จัดทำเอกสาร และจัดการข้อกำหนดว่าซอฟต์แวร์ควรมีคุณสมบัติหรือทำงานอย่างไร เพื่อตอบสนองความต้องการของผู้ใช้และธุรกิจ
Software Testing and Quality Assurance
การทดสอบและประกันคุณภาพซอฟต์แวร์ในมุมมองทางการบริหารและทางเทคนิค มโนทัศน์เรื่องคุณภาพ เทคนิคการออกแบบกล่องดำ-กล่องขาว ความครอบคลุมของการทดสอบ การวางแผนทดสอบ ระดับของการทดสอบ การสร้างองค์กรเพื่อการทดสอบ การทดสอบขนาดใหญ่ การทำเอกสารของการทดสอบ การตรวจสอบและการตรวจติดตาม
Machine Learning Foundation
พื้นฐานของแมชชีนเลิร์นนิง (ML) โดยเน้นที่ความเข้าใจเชิงแนวคิดและการเรียนรู้แบบใช้สัญชาตญาณ (Intuitive learning) มากกว่าการคำนวณทางคณิตศาสตร์ คณะได้เรียนรู้วิธีการทำงานของระบบ ML ในเชิงแนวคิด ตั้งแต่การกำหนดปัญหา การเรียนรู้ด้วยการเตรียมข้อมูลสำหรับการฝึกอบรมไปจนถึงการตั้งเป้าหมายการเรียนรู้และการประเมินประสิทธิภาพ
User Interface Design
ความเข้าใจเกี่ยวกับกระบวนการออกแบบส่วนต่อประสานผู้ใช้งาน รวมทั้งการประเมินคุณภาพของการออกแบบส่วนต่อประสานในด้านต่างๆ การออกแบบด้านและความรู้สึกของผลิตภัณฑ์หรือบริการ ซึ่งรวมองค์ประกอบที่ผู้ใช้เห็นหรือสัมผัส เป้าหมายของ UI คือการทำให้ผลิตภัณฑ์นั้นมีความสวยงามและใช้งานได้อย่างราบรื่น ผ่านการออกแบบ visual design, typography, color, layout, spacing และอื่นๆ
Foundations of Clinical Medicine for Digital Health Professionals
ความรู้พื้นฐานด้านเวชศาสตร์คลินิกสำหรับผู้เรียนที่ไม่มีพื้นฐานทางการแพทย์ เพื่อเตรียมความพร้อมในการพัฒนาเทคโนโลยีสุขภาพดิจิทัลอย่างเหมาะสม เนื้อหาครอบคลุมโครงสร้าง หน้าที่ พยาธิสรีรวิทยาของระบบอวัยวะหลักของร่างกาย โรคที่พบบ่อย หลักการวินิจฉัยและแนวทางการดูแลรักษาโรคในบริบททางคลินิก และเชื่อมโยงกับบทบาทของเทคโนโลยีดิจิทัล เพื่อออกแบบหรือพัฒนาเทคโนโลยีดิจิทัลสุขภาพได้อย่างเหมาะสมและปลอดภัย
รายละเอียดวันและเวลาเรียน
รูปแบบการเรียน:
1 ปีการศึกษา ระบบทวิภาค (ภาคต้น-ภาคปลาย) จัดการเรียนการสอนเป็นรายวิชาแบบ Module โดยมีตารางเรียนแจ้งล่วงหน้าโดยเฉลี่ยการเรียน Onsite
• Online: วันอังคาร – ศุกร์ เวลา 17.00 – 20.00 น. ทาง Zoom (มีบันทึกวิดีโอเพื่อดูย้อนหลังได้)
• On-site: วันเสาร์ – อาทิตย์ เวลา 9.00 – 18.00 น. ประมาณ 5–6 วัน/เดือน ณ คณะแพทยศาสตร์หรือคณะวิศวกรรมศาสตร์ จุฬาลงกรณ์มหาวิทยาลัย
(ขาดเรียนได้ไม่เกิน 20%)
โครงสร้างหลักสูตร
คณาจารย์ผู้สอนของหลักสูตร
• อาจารย์คณะแพทยศาสตร์ จุฬาลงกรณ์มหาวิทยาลัย
• อาจารย์คณะวิศวกรรมศาสตร์ จุฬาลงกรณ์มหาวิทยาลัย
• ผู้ทรงคุณวุฒิจากหน่วยงานภายนอก เช่น กระทรวงสาธารณสุข หน่วยงานภาครัฐ เอกชน ที่เกี่ยวข้อง
ความร่วมมือกับพันธมิตร
Partnerships
