Biomedicínská informatika je rychle se vyvíjející obor, jehož náplní je zejména využití počítačů a informačních technologií (IT), systémového přístupu, statistiky a epidemiologie a matematických metodologií v medicíně.

Biomedicínská informatika prochází stálým vývojem, v současnosti je zaměřena na tyto hlavní oblasti: oblast podpory klinického rozhodování, biomedicínské statistiky, robotiky, počítačového modelování, zpracování obrazu a na oblast medicínských informačních systémů. V klinické medicíně jde o tyto oblasti: klinické výpočty, analýza obrazu, problematika biosignálu, počítačové modelování, umělá inteligence (včetně expertních systémů), podpora rozhodování, problematika statistiky a biometrie, klasifikace v medicíně, počítače v řízení přístrojů, robotika a umělé orgány. V oblasti informačních systémů je řešena problematika jejich implementace v prostoru zdravotnictví, specifické otázky ochrany dat a etických problémů a tvorba nemocničních informačních systémů. V oblasti teoretické medicíny jde zejména o modelování fyziologických funkcí a problematiku bioinformatiky.

Studijní povinnosti

Absolvování dvou kurzů. Povinný je kurz B90290 Úvod do biomedicínské informatiky. Druhý kurz může student volit z kurzů dále uvedených, případně z kurzů jiných oborových rad v programu Biomedicína.

Volitelné kurzy vypsané OR Biomedicínská informatika:

B90182 Modelování biomedicínských systémů;
B90072 Fyziologické regulační systémy v normě a patologii;
B90278 Modelování procesů ve zdravotnických informačních systémech;
B90287 Data science v R;
B90288 eHealth a eGovernment v ČR;
B90289 Umělá inteligence a její využití v medicíně;
B90291 Základy programování v jazyce Python;
B90292 Metodologie vědy a bioinformatika.
Dále je možné plnit kurzy organizované ÚTIA AV ČR Variační metody ve zpracování obrazu a Digitální zpracování obrazu.

Součástí studijního plánu je rovněž jazyková zkouška z angličtiny na minimální úrovni B2 (zkouška na Ústavu dějin lékařství a cizích jazyků, nebo uznání dříve vykonané mezinárodně uznávané zkoušky z anglického jazyka v souladu s Opatřením děkana č. 18/2022).
Po splnění podmínky dvou IF publikací (předložení publikovaných článků či potvrzení o přijetí článků) je student připuštěn k obhajobě.

K obhajobě student odevzdává autoreferát práce (stručné shrnutí celé disertační práce včetně souhrnu v anglickém jazyce a seznamem použité literatury) a dva výtisky disertační práce.

Požadavky na tvůrčí činnost
Publikace nejméně dvou původních článků (s tématem souvisejícím s rámcovým tématem studia) v časopisech s IF (jeden jako první autor), kdy IF > 0,5.

Požadavky na absolvování stáží
Pobyt na zahraničním pracovišti v délce alespoň 1 měsíc. Lze nahradit (posoudí předseda OR) účastí na mezinárodním projektu nebo jinou formou přímé účasti na spolupráci se zahraničím nebo účastí na mezinárodním kongresu.

Státní doktorská zkouška
Podmínky pro zahájení zkoušky:

• Absolvování dvou výše uvedených kursů.
• Publikace či odeslání 1 IF článků k tématu práce.
• Jazyková zkouška

Průběh zkoušky:

• Student předloží rešeršní práci k problematice dizertace a nastíní teze práce.
• Obhájí v kvalifikované diskusi.
• Odpoví na dvě teoretické otázky. Studenti si mohou vybrat buď dvě otázky z informatiky, nebo jednu ze statistiky a jednu z informatiky.

1. Data, informace, znalosti, pojem entropie
2. Rozhodování v medicíně, specifita, senzitivita, prediktivní hodnota
3. Expertní systémy a umělá inteligence v medicíně
4. Biomedicínské informační zdroje
5. Internet v medicíně, hodnocení kvality zdravotnické informace
6. Bayesovské a neuronové sítě, jejich rozdělení
7. Teorie rozhodování v medicíně, systémy pro podporu rozhodování
8. Kybernetická bezpečnost a ochrana dat v medicíně, elektronický podpis
9. Elektronický zdravotní záznam, lékový záznam
10. Struktura a principy informačních systémů ve zdravotnictví
11. Datové sítě ve zdravotnictví.
12. Klasifikace a nomenklatury v medicíně
13. Datamining v medicíně
14. Matematické modelování v biomedicíně
15. Medicína založená na důkazech, translační medicína
16. Klinické studie a jejich principy a klasifikace
17. Lékařská doporučení a jejich formalizace
18. Analýza biologických signálů, základní pojmy, klasifikace biologických signálů
19. Základní principy analýzy obrazu v medicíně
20. Telemedicína, základní principy
21. Bioinformatika, základní principy
22. Zdravotní pojištění, úhrady zdravotní péče a jich optimalizace
23. Národní zdravotnický informační systém

Okruh Medicínská statistika
1. Deskriptivní charakteristiky spojitých a kategoriálních náhodných veličin, grafická prezentace dat
2. Populace vs. náhodný výběr, parametr polohy resp. rozptýlenosti (variability) spojité náhodné veličiny a jeho výběrové odhady, momenty spojitých náhodných veličin
3. Spojitá a diskrétní a rozdělení pravděpodobnosti, normální (gausovské) a uniformní rozdělení, alternativní a binomické rozdělení
4. Statistické testování – náhodný, reprezentativní výběr, medicínská hypotéza, nulová a alternativní statistická hypotéza, testová statistika, hladina významnosti statistického testu, kritická hodnota testové statistiky, dosažená hladina statistické významnosti (p-hodnota), statistický software
5. Testování hypotéz a intervaly spolehlivosti
6. Testy o střední hodnotě spojité náhodné veličiny – parametrické jednovýběrové, dvouvýběrové a párové testy, neparametrické testy
7. Analýza kategoriálních dat, chí-kvadrát test, Fischerův test
8. Korelační analýza – korelační a kovarianční matice, typy korelací (Pearson, Kendall, Spearman), korelace a kauzalita, nekorelovanost a nezávislost
9. Časové řady, trend, perioda
10. Vícerozměrné metody - diskriminační, faktorová, shluková analýza, metoda hlavních komponent, grafické metody
11. Zdravotnická statistika a registry
12. Fáze klinických studií I - IV
13. Analýza přežití (Kaplanův-Meierův odhad, Coxův PH model a jeho varianty v případě porušených předpokladů)
14. Model lineární regrese, problém kolinearity
15. Analýza rozptylu
16. Modely zobecněné lineární regrese (logistická regrese, Poissonovská regrese)
17. Akaikeho (AIC) a bayesovské informační kritérium (BIC), optimální volba modelu
18. Parametrické a neparametrické statistické testy hypotéz (obecné srovnání)
19. Problém vícenásobného testování z pohledu statistické hladiny významnosti statistického testu (alfa), simultánní statistické testy
20. Euklidovská vs. Mahalanobisova statistická vzdálenost bodů
21. Klasifikační metody, regresní a klasifikační stromy
22. Explorační a konfirmační analýza, meta-analýza
23. Bayesova věta, bayesovská vs. frekventistická (klasická) statistika