知識量之差距: 大學生 vs 研究生

昨晚有點意興闌珊去參與【電資學院與醫學院的AI交流】

因為不太確定能夠聽到甚麼，值得去嗎?

反正也沒甚麼事....

這次是【學生之成果報告】選修二院AI學程學生之分組報告

含高年級大學部學生以及碩博班學生

每組4~6位，每組大致都有二院學生，也有碩博班生...

每組準備時間約只有6周

但成果令人驚艷... 幾乎是小型AI應用研究成果了...

主題基本上都是醫學院博班生的小研究(如：AI應用於燒燙傷面積估計、提升影像判讀效能)

報告內容包含：文獻回顧/評論、AI算則/模型訓練、以及結果呈現與討論

天啊，內容相當深入/豐富!! 

報告的台風佳(面對二院教授/院長喔!!)

這些學生是如何訓練出來的!!

令人想要挖角!!

上述成果的主要條件如下：

首先要有充分/扎實的醫學知識以及文獻閱讀/批判能力，還有一些AI技術/研究經驗

就醫學知識言，大學生、碩班生 vs 博班生 -- 差距甚大!!

文獻閱讀/批判能力差距亦大

所以基本上是由醫學院博班生主導... 其他協助之

大學生與碩班生只能擔任助手因為知識量差距實在太大!!

這是多年累積(我想至少是3~5年大量閱讀、經常討論甚至實務歷練)所造成的差異

好好讓我們的學生接受如此衝擊，應是我後續教學需安排的內容!!

Note: 知識量差距之關鍵來源---時間投入(每週至少20小時)//嘗試錯誤//高手交流(跟指導教授定期討論至少可以撐30分鐘[時間多寡之關鍵：準備與問題]--含口頭報告後的video討論) 每年(52週)若40次討論 ，持續2年應有小成，持續4年應有不小成就!!

同理心評估工具之發展困境與突破

 困境：

1.定義多元

2.臨床人員之同理表現可能有限，尤其是高階同理心(如回應與支持)

3.很難發展/驗證同理心評估工具 (由於1&2)。 這也是目前【同理心評估工具】之測量概念非我們所要 以及 心理計量特性不佳的緣由

4. 同理心 之臨床效能未知 (由於1, 2, & 3)

突破：

1. 需自行定義同理心，以完全掌握其特質，且可同時掌握/預期同理心可產生的臨床效能

2. 需先發展較完整的同理技巧評估工具(依據自己的定義，詳1)，以全面/深入評估/介入同理技能。但這勢必費時費力，宜同時建立影音資料庫，以及教學模式，以利之後以AI協助快速評估。

3. 需介入/教育實習學生(臨床人員)【依據2之工具，亦可加入4】，始能呈現/評估高階同理心，亦能呈現(驗證)臨床效能

4. 需以虛擬情境/標準病人演出【始能掌控同理情境以及所需不同同理技能階層】，較能引發/評估高階同理心。另此情境較可能使用短版同理心評估工具【因為所有情境與所需同理技能為研究人員所掌控，評估人員才可能使用短版工具】。

5. 需於臨床上或大學教育中，教導學生/實習學生(臨床人員)同理心、觀察/驗證實習學生(臨床人員)之同理表現【再給予回饋/教學】、再確認同理技巧之臨床效能(包含個案滿意度、個案投入醫療之程度(順從度)以及治療成效【這需長執行期追蹤研究】。

6. 5亦可同時解決【同理技巧之臨床效能未知】之問題。

1~5同時執行/驗證/改良同理心工具與介入模式，才可能做好同理心之評估與介入

這是大工程! 但應有創意與價值!!

Note: 有關同理心概念/定義之相關 posts

https://atriptouq.blogspot.com/2020/05/blog-post_12.html

https://atriptouq.blogspot.com/2020/12/blog-post_24.html

https://atriptouq.blogspot.com/2020/07/blog-post_12.html

https://atriptouq.blogspot.com/2020/09/blog-post.html

退休後的規畫...

有位朋友想重拾小時 artist 之願望

她應不到50歲，早就有準備了 

很專業吧!! 還沒取得她的同意，先暫放一下。

這蠻適合退休的日子--具有創造性、獨立性與價值!!

但我的天份應該不足...

她提到 blogging... Yes! blog 的內容，我已準備10年!!也同樣具有創造性、獨立性與價值!!

我就繼續 blogging... 之後加以彙整... 還可出書!!

與臨床合作的關鍵

2/12: 週五早上在台北松德院區，演講討論3小時；下午到高雄義大演講討論2小時，會後聚餐。
雖然南北奔波，也知道來日方長！！
能否長期合作的關鍵在於：
1. 明確瞭解彼此的需求（評估費，研究成果（共同作者），研究主題之知識 and/or 研究能力）
2. 一定期限內達成彼此的需求
3. 爭取研究經費（至少是院內之研究經費）
4. 持續（as long as possible）
5. 一起收割與成長！！

也就是說「坦誠溝通」+「成果分享」，若加上「願景」與「成長」那就 perfect!


3/9 至松德院區第3次交流

面對瓶頸/問題--成長/突破的關鍵之一

一般人並不太願意面對自己的不足或找人檢視... 至少是蠻尷尬的

最近我帶著研究生觀看他們的報告錄影檔案

一起討論【如何提升PPT與演講方式】

10分鐘的演講，大概需要1小時的討論!!

一切進入慢動作模式//反覆觀看/聆聽/交流!!

這些檢視與交流，可以達成下述功能

1. 改良 PPT 內容與設計

2. 提升對內容/知識的理解層次(甚至改善相關內容之表達模式)

3. 改善演講方式/效能

意即--知識與功力，在【慢動作檢視下】研究生的問題一覽無遺.... 我只需提出合適的建議，他們就可以【相當程度地】成長!!

不看錄影檔/討論，大概都不知道還有這麼多可以改善/成長空間!!

願者上鉤，歡迎報名!!

Note: 一般人並不太願意面對自己的不足或找人檢視... 至少是蠻尷尬的【這就跟臨床技能評估與教學 所遭遇的困境一般-- 醫療人員甚或學生，找一堆理由，不願/不想被錄影/檢視】

能不能向上提升... 態度 (積極面對問題) 、方法 & 努力  應是關鍵 !! 否則就是停滯或慢吞吞。

ML 研究主題構想

團隊的第1篇AI論文 A 10-item Fugl-Meyer Motor Scale Based on Machine Learning. 已被 Physical Therapy 接受刊登

後續使用者可僅用10題 即可預測原50題之上下肢分數，且相關係數高於0.90。因此此短版具極大潛力可取代原50題版本!!

今日跟沛綺/士捷/恭宏個別討論後，我們提出後續的研究主題--

比較 S-FM, CAT FM 以及 FM ML 等 3 種短版預期其它未施測項目之精準度(+Rasch-37 版本以及原始50題版本)

我們預期 精準度高低如下: FM ML > SF-FM > CAT FM

if so, 此研究結果可增加FM ML之實用價值，更能顯示取代原 50 題FM之潛力! 意即測完10題也可獲得其它40題之預測分數，這對臨床人員應有很大的參考價值!!

另外若有較多的 test-retest assessments 數據，發展新的ML版 有可能提升 test-retest reliability 或是降低 random measurement error?

Note: 

1. 以ML預測其它項目分數之能力或以 表現型工具 (如平衡/動作能力) 比主觀感受問卷為高。if so, 後續可測試其它表現型工具。

2. CAT FM 預測其它項目之能力，因為每位個案施測項目不一，故僅能以資料庫個案之數據模擬預測能力

3. 從恭宏/士捷開始學習AI，將近3年才有第1篇AI論文接受刊登(還好1年多之前已有千瑀的AI計畫被接受)。目前尚有2篇AI論文進入審查階段，以及2篇AI論文快完稿了!!

參考文獻(團隊之前發展的 S-FM & CAT FM):

Development of a computerized adaptive testing system of the Fugl-Meyer motor scale in stroke patients

Development and validation of a short form of the Fugl-Meyer motor scale in patients with stroke