🏥 AI og Helse

Åpen variant av (avansert) kurs i kunstig intelligens for medisinere og personell i helse- og omsorgssektoren

📚 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)

Bruk av kurset

"... 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, kontemplere: tekst, kode, figurer og referanser rett i GitHub-repositoriet (https://github.com/arvidl/AI-og-helse) - "holde seg på land ...", samt bruke en AI-sparringspartner

📂 Repo-struktur

AI-og-helse/
├── .devcontainer/               # GitHub Codespaces konfigurasjon
├── uke01-introduksjon/          # Introduksjon til AI
├── uke02-klassisk-ml/           # Klassisk maskinlæring
├── uke03-dyplæring/             # Dyplæring og nevrale nettverk
├── uke04-generativ-ai/          # Store språkmodeller
├── uke05-multimodal-ai/         # RAG og AI-agenter
├── uke06-klinisk-praksis/       # AI i helsefag
├── uke07-velferdsteknologi/     # Robotikk og optimering
├── uke08-etikk-implementering/  # Etikk, bias/fairness, GDPR, MDR, EU AI Act
├── prosjekt/                    # Prosjektoppgave maler
├── utils/                       # Hjelpefunksjoner
└── data/                        # Eksempeldata

💻 Teknologi

• Python 3.12+
• Jupyter Notebooks for interaktiv læring
• GitHub Codespaces for sky-basert utvikling
• Google Colabratory for sky-basert notebook-kjøring og eksperimentering
• AI-verktøy: OpenAI (gpt-), Anthropic (claude-), Scikit-learn, PyTorch, ...

🛠️ Teknisk støtte

• GitHub Issues: Rapporter problemer
• Diskusjoner: Kollegaer, Medstudenter, AI-sparringpartner(e)

📖 Læringsressurser

• Ordliste
• Verktøyguider
• Artikkelsamling

👥 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 notatbøker): Norsk (+ engelske fagtermer, e.g. "notebooks")

📄 Lisens

Dette kursmaterialet er lisensiert under CC BY-SA 4.0 / MIT License Copyright (c) 2025 Arvid Lundervold

🙏 Bidragsytere

• Arvid Lundervold
• Bidragsytere

🛠️ Hvordan kurset er laget og ressurser brukt

• bygger på domenekunnskap, godt nettverk av fagfeller (nær og fjern) og entusiasme for feltet
• bruk av AI kode-editoren Cursor Ultra
• utviklet på en MacBook Pro (M4 Max)
• diverse lisenser (GitHub, OpenAI, Anthropic, Perplexity, Gooogle)
• ca. 40 timeverk (for basisdelen)

---

🚀 Kom i gang

Bruk Google Colab (enkleste alternativ)

Gå til https://github.com/arvidl/AI-og-helse/blob/main/README.md og sjekk Repo-struktur og aktuell uke01-, ..., uke08-

f.eks. 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)

Bruk GitHub Codespaces (for de som ønsker et sky-basert utviklingsmiljø med VS Code)

1. Gå til: https://github.com/arvidl/AI-og-helse
2. Klikk på den grønne "Code" knappen
3. Velg "Codespaces" fanen
4. Klikk "Create codespace on main"
5. Vent 2-3 minutter mens miljøet settes opp automatisk

Når Codespace er klar, kjør:

source ~/.bashrc
conda env update -f environment-codespaces.yml
conda activate ai-helse
python check_setup.py

Dette vil verifisere at alt er korrekt installert.

Start med Uke 1

Naviger til uke01-introduksjon/ og åpne README.md for ukens oversikt.

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 environment fra yml fil
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

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 dependencies
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 detektere conda environment
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: Det kreves at API-nøkler blir konfigurert av kursdeltager:

Dvs. hver deltaker skaffer selv, lagrer og bruker sine egne API-nøkler

Her er en strukturert 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 er avhengig om du kjører i Google Colab eller i GitHub Codespaces

For nærmere beskrivelse, se notebooken intro_openai_anthropic.ipynb.

---

5. 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 skyen må du konsultere intro_openai_anthropic.ipynb.
• Aktuelle Notebooks er ferdig satt opp til å hente nøkler og bruke dem.

---

Lykke til med kurset! 🎓