Tilmeld dig nyhedsbrevet for Master i personlig medicin og få nyt om kursusdatoer, ansøgningsfrister og andre relaterede nyheder.
Datadrevet personlig medicin - fra epidemiologi til patient
Lær at analysere sundhedsdata for bedre patientbehandling
Kurset er en del af
Kurset fokuserer på klinisk afprøvning af datadrevne metoder og beslutningsstøtteværktøjer samt inddragelse af patienter.
Få en dybere forståelse af værdien af forskellige typer big data til brug inden for personlig medicin. Disse data kan være omics data f.eks. genomsekvenser, men også andre kilder som f.eks. app-indsamlede eksposom-information og outcomes relevant for personlig medicin.
Et væsentligt tema er statistiske observationer for populationsforskning, og hvordan dette er relevant for individuelle patienter. Herudover får du en teoretisk basis for at forholde dig kritisk til behandlingsrelevante omics-varianter samt forstå̊, hvordan disse bidrager til diagnose, prognose og behandlingsvalg.
Du bliver også introduceret til beslutningsstøtteværktøjer i klinikken og principper for klinisk afprøvning af datadrevne metoder.
Kurset tager udgangspunkt i disse emner:
- Datakilder.
- Patientnære real-world data fra genom til app-indsamlede exposomer og outcomes.
- Metoder der forbinder populationsforskning med individuelle patienter (machine learning, big data mining, dataintegration).
- Kritisk vurdering af behandlingsrelevant genom-, proteom- og metabolomvariation.
- Diagnose, prognose og behandling.
- Beslutningsstøtteværktøjer til klinikken.
- Patientinddragelse.
- Klinisk afprøvning af datadrevne metoder.
Læs flere detaljer om kurset i den fulde kursusbeskrivelse.
Se en oversigt over alle kurser på:
Der er mange dygtige fagfolk på holdet med stor erfaring fra deres områder, så det giver nogle virkeligt gode og interessante diskussioner undervejs.
Kursusledere på »Datadrevet personlig medicin - fra epidemiologi til patient«
Søren Brunak
Professor
Isabella Friis Jørgensen
Adjunkt
Jessica Hu Hjaltelin
Associate Professor
Kursusinformation om »Datadrevet personlig medicin - fra epidemiologi til patient«
Undervisning og eksamen
Sted
Københavns Universitet.
Undervisningsdatoer
22.–23. april 2025 – fysisk fremmøde
12. maj 2025 – online
2. juni 2025 – online
16. juni 2025 – fysisk fremmøde
Kurset udbydes hvert andet forår.
Eksamen
Eksamensdatoer står i eksamensplanen.
Kursusudbytte
Efter kurset vil du:
-
have et overblik over forskellige typer af real-world data, molekylære og ikke-molekylære, og hvordan sådanne data kan anvendes i et longitudinelt perspektiv i forbindelse med udviklingen af personlig medicin (patientforløb)
-
forstå værdien og brugen af datadreven personlig medicin, samt formidle og diskutere dette med kolleger, andre faggrupper og offentligheden
-
kunne beskrive og evaluere metoder og modeller, der integrerer forskellige datatyper i modeller til beslutningsstøtteværktøjer
-
være i stand til kritisk at vurdere klinisk afprøvning af datadrevne metoder og brugen af beslutningsstøtteværktøjer i klinikken.
Undervisningsform
Kurset er intensivt og består primært af team-based learning og cases med tværfagligt gruppearbejde og understøttende forelæsninger.
Der er løbende afleveringer, som tilsammen evalueres som eksamen.
Kriterier for optagelse
Du skal opfylde følgende kriterier for at deltage i kurset:
-
Kandidat i sundhedsvidenskab, kandidat i natur- og biovidenskab eller kandidat med en samfundsvidenskabelig, juridisk, humanistisk eller lignende baggrund. Du kan også søge om optagelse hvis du er bioanalytiker.
-
2 års erhvervserfaring i et klinisk-, forsknings eller akademisk fagområde der beskæftiger sig med problemstillinger inden for personlig medicin.
Vi anbefaler desuden at du kan engelsk på højt, fagligt niveau, da store dele af undervisningsmaterialet er på engelsk.
Du kan finde en mere udførlig beskrivelse af optagelseskriterierne, der følger adgangskrav for Master i personlig medicin.
Fortrinsret hvis du er indskrevet
Dette kursus udbydes som en obligatorisk del af Master i personlig medicin og derfor har studerende der er indskrevet på masteruddannelsen førsteret til pladserne på uddannelsens kurser. Herpå foregår udvælgelsen efter først-til-mølle princippet.
Yderligere information
Alle oplysninger om kurset findes i den fulde kursusbeskrivelse:Sted
Københavns Universitet
Det Sundhedvidenskabelige Fakultet
Blegdamsvej 3B
2200 København
Kontakt
Janni Stubkjær Rasmussen
Studiekoordinator
master@sund.ku.dk
Tlf: +45 35 32 12 79
Søren Brunak
Professor
Søren Brunak er en førende pioner inden for bioinformatik og sundhedsdatavidenskab og har været det siden 1980'erne. Brunaks multidisciplinære tilgang har ført til fremskridt i forståelsen af sygdomsinteraktioner og biologiske systemers funktion og dermed grundlæggende forbedret mulighederne for at skabe nye interventionsstrategier.
Han har udviklet et sygdomsforløbskoncept til modellering af multimorbiditet og komorbiditet, der bruges til at analysere sygdomsprogressionsmønstre. Kønsforskelle i sygdomsprogressionsmønstre ved hjælp af millioner af forløb er et andet nyligt eksempel og disse tilgange er også blevet brugt i big data-intensivplejedomænet.
Hans forskning kombinerer systembiologi på molekylært niveau og sundhedsdata, såsom elektroniske patientjournaler og biobankspørgeskemaer. Målet er at gruppere og stratificere patienter ikke kun ud fra deres genotype, men også fænotypisk baseret på de kliniske beskrivelser i patientjournalerne.
Han har udviklet en generel tilgang til at indsamle longitudinelle fænotypiske beskrivelser af patienter fra patientjournaler på en systematisk og ikke-kohorteafhængig måde. Ved at udtrække fænotypeinformation fra friteksten i journalerne har han vist, at informationen i journalerne kan bruges til at producere finkornet patientstratificering og statistik over sygdomssammenfald. Sygdomssammenhængene kan derefter kortlægges i systembiologiske rammer med det generelle formål at finde gener og proteiner, der spiller en rolle i mere end én sygdom.
Isabella Friis Jørgensen
Adjunkt
Jeg er adjunkt i Søren Brunaks gruppe ved Novo Nordisk Fondens Center for Proteinforskning, hvor jeg også har lavet min PostDoc og PhD.
Jeg arbejder på flere projekter, der involverer Landspatientregisteret, komorbiditeter og tidsmæssige sygdomsforløb.
Jeg er også meget engageret i Brunak-gruppens undervisning og i 2024 blev jeg færdig med min universitetspædagogik.
Jessica Hu Hjaltelin
Associate Professor
Jessica arbejder inden for kræftforskning, danske sundhedsregistre, maskinlæring og systembiologi med det primære mål at finde forbedrede og nye løsninger til at opdage kræftrisiko, tidlig kræftdiagnose og prognosemuligheder.
Det ultimative mål for hendes forskning er at bygge bro mellem brugen af store patientdata og computervidenskab med det kliniske behov for at forbedre præcisionsmedicinske initiativer.