För tillträde till kursen krävs att kurserna BA111F, BA112F och BA121F är godkända.

Kursen utgör ett av två alternativa obligatoriska kurser som ingår i programmets tredje termin.

Kursen syftar till att studenten utvecklar sina kunskaper inom området biomedicinsk vetenskap, med särskild inriktning på icke-invasiv biomedicinsk analys och teknologi, samt datadriven medicin och dess behandling med olika statistiska metoder.

Delkurser

Delkurs 1. Icke-invasiva metoder och datadriven medicin, 7.5 hp
Delkursens innehåll
Delkursen behandlar analyser och teknologi som kan genomföras med icke-invasiva metoder. Dessutom behandlas och diskuteras datadriven medicin.

Delkurs 2. Biostatistik, 5 hp
Delkursens innehåll
Delkursen innehåller moment för att skapa kunskap och förståelse för tillämpning av grundläggande statistiska metoder (normalfördelning, parametriska och icke-parametriska fördelningar samt hypotesprövning) användbara vid bearbetning av försöksdata samt grunderna för ett vetenskapligt arbetssätt inom området. Vidare behandlas konfidensintervall, korrelation och regression, noggrannhet samt mätfel.

Delkurs 1. Icke-invasiva metoder och datadriven medicin, 7.5 hp
Delkursens lärandemål
Efter avslutad delkurs ska studenten kunna:

1. redogöra för icke-invasiv biomedicinsk analys och teknologi, samt grundläggande datadriven medicin och artificiell intelligens i relation till biomedicinsk laboratorievetenskap,
2. klassificera icke-invasiva metoder i nuvarande sjukvårdssystem,
3. diskutera konceptet modern datadriven medicin, etiska aspekter och säkerhetsfrågor vid insamling och hantering av begreppet ’big data’ samt relatera detta till framväxt av artificiell intelligens,
4. demonstrera användningen av avancerade icke-invasiva tekniker, och
5. tillämpa ett hållbart och vetenskapligt förhållningssätt i diskussioner kring icke-invasiv biomedicinsk analys och teknologi, samt datadriven medicin och artificiell intelligens.

Delkurs 2. Biostatistik, 5 hp
Delkursens lärandemål
Efter avslutad delkurs ska studenten kunna:

1. redogöra för de metoder och teorier som används vid insamling, bearbetning, presentation och analys av insamlade data,
2. tillämpa och tolka beskrivande statistik samt förklara och identifiera statistiska tillämpningsområden, och
3. använda dataprogram för inmatning, beskrivning och analys av statistiska data samt ge exempel på statistiskt behandlade epidemiologiska undersökningar.

Delkurs 1. Icke-invasiva metoder och datadriven medicin, 7.5 hp
Delkursens arbetsformer
Samtliga arbetsformer syftar till studentens aktiva deltagande och reflektion. För att uppnå lärandemål 1-3 genomförs föreläsningar, seminarier och litteraturstudier. För att uppnå lärandemål 4 och 5 genomförs gruppövningar och laborationer. Närvaro är obligatorisk vid laborationer och gruppövningar/seminarier.

Delkurs 2. Biostatistik, 5 hp
Delkursens arbetsformer
Samtliga arbetsformer syftar till studentens aktiva deltagande och reflektion. För att uppnå lärandemål 1-3 består undervisningen av föreläsningar, litteraturstudier, datorövningar och muntlig redovisning av uppgifter i samband med datorövningar. Närvaro är obligatorisk vid datorövningar.

Delkurs 1. Icke-invasiva metoder och datadriven medicin, 7.5 hp
Delkursens bedömningsformer
Lärandemål 1, 2 och 5 bedöms individuellt genom skriftlig och muntlig examination. Lärandemål 3 bedöms individuellt vid grupparbeten under seminarier. Lärandemål 4 bedöms individuellt genom laborativt arbete. Fokus vid bedömning av studentens prestation angående samtliga lärandemål ligger på förmågan att redogöra för och klassificera metodiker inom icke-invasiv biomedicinsk analys och teknologi inom sjukvårdssystem, diskutera och relatera big data och datadriven medicin med artificiell intelligens samt tillämpa säkerhet och etiska aspekter kopplat till dessa metodiker. Eventuell frånvaro vid obligatoriska moment kompletteras enligt beslut av examinator genom individuellt skriftlig uppgift om inte ett nytt tillfälle för uppföljningslaboration eller gruppövning kan erbjudas under terminstid.

För att erhålla betyget G på delkursen krävs att obligatoriska moment är genomförda, individuell skriftlig och muntlig examination är godkänd, samt att grupparbeten och laborativa moment är godkända. För VG på delkursen krävs dessutom VG på individuell skriftlig och muntlig examination. Kriterier för bedömning finns i studiehandledningen.

Delkurs 2. Biostatistik, 5 hp
Delkursens bedömningsformer
Examination av lärandemål 1-3 görs genom bedömning av en individuell skriftlig examination. Lärandemål 3 examineras också individuellt genom muntlig redovisning av uppgifter i samband med datorövningar. Fokus vid bedömningen av lärandemål 1 och 2 ligger på studentens förmåga att redogöra för, tillämpa och tolka statistiska metoder. Fokus vid bedömningen av lärandemål 3 ligger på studentens förmåga att använda dataprogram för analys av statistiska data. Särskild vikt läggs på val av lämplig statistisk metod och argument för detta val. Eventuell frånvaro vid obligatoriska moment kompletteras enligt beslut av examinator och sker genom en skriftlig uppgift om inte ett nytt tillfälle för gruppövning kan erbjudas under terminstid.

För betyget godkänd på delkursen krävs att obligatoriska moment är genomförda och att individuell skriftlig examination är godkänd.

För betyget väl godkänd på delkursen krävs dessutom att studenten har betyget väl godkänt på individuell skriftlig examination. Kriterier för bedömning finns i studiehandledningen.

För att erhålla betyget G på hela kursen krävs att båda delkurserna är godkända. För att bli väl godkänd på hela kursen krävs betyget VG på båda delkurserna.

Rätt till omprov
Student som underkänts i prov ges möjlighet till två omprov på samma kursinnehåll och med samma krav. Studenten har därutöver rätt att tentera på samma kurs vid efterföljande kurstillfällen enligt samma regel. Prov och omprov genomförs på de tider som anges i schemat.

Delkurs 1. Icke-invasiva metoder och datadriven medicin, 7.5 hp
Bring J, Taube A, (2006). Introduktion till medicinsk statistik. Lund: Studentlitteratur. 233 s.

Qaisar SM, Nisar H, Subasi A, (2023) Advances in non-invasive biomedical signal sensing and processing with machine learning. Cham: Springer International Publishing AG. 373 s.

Paul S, Saikia A, Majhi V, Pandey VK, (2022) Introduction to Biomedical Instrumentation and Its Applications. Amsterdam: Elsevier Inc. 477 s.

Sundström J, Lind L, (2015) Handbok i biomedicinsk forskning. Stockholm: Liber. 201 s.

Vetenskapliga artiklar kommer att tillhandahållas ca 25 s.

Delkurs 2. Biostatistik, 5 hp
Bring J, Taube A, (2006). Introduktion till medicinsk statistik. Lund: Studentlitteratur. 233 s.

Sundström J, Lind L, (2015) Handbok i biomedicinsk forskning. Stockholm: Liber. Kapitel 5. 74 s.

Vetenskapliga artiklar omfattande cirka 10s.

Malmö universitet ger studenter som deltar i eller har avslutat en kurs en möjlighet att framföra sina erfarenheter av och synpunkter på kursen genom en kursvärdering som anordnas av lärosätet. Universitetet sammanställer kursvärderingarna samt informerar om resultaten och eventuella beslut om åtgärder som föranleds av kursvärderingarna. Resultaten ska hållas tillgängliga för studenterna. (HF 1:14).

Om en kurs har upphört att ges eller har genomgått större förändringar ska studenterna, under ett år efter det att förändringen har skett, erbjudas två tillfällen för omprov baserade på den kursplan som gällde vid registreringen.

Om en student har beslut om riktat pedagogiskt stöd, har examinator rätt att ge ett anpassat prov eller låta studenten genomföra prov på ett alternativt sätt.