α) Electronic Health Records Management από https://ehealth.gov.gr/
i. Διαγνώσεις
ii. Ιατρικές παρεμβάσεις
iii. Συνταγές
iv. Φάρμακα
v. Παρενέργειες φαρμάκων
vi. Εργαστηριακές/Μικροβιολογικές εξετάσεις
vii. Σημειώσεις προόδου υγείας ασθενούς
viii. Δημογραφικά στοιχεία ασθενών

β) Διαχείριση διαφορετικών τύπων δεδομένων υγείας
i. Ζωτικές ενδείξεις-vital signs
ii. Βιοδείκτες-bioindexes (BMI, PSA, etc.)
iii. Ηλεκτροκαρδιογράφημα-Electrocardiogram (ECG)
iv. Αξονική Τομογραφία-Computed Tomography scan CT scan)
v. Μαγνητική Τομογραφία-Magnetic resonance imaging (MRI)
vi.Άλλα σύνθετα ιατρικά σήματα (EEG, Ακουόγραμμα, κτλ.)

γ) Μελέτη περίπτωσης πραγματικών δεδομένων του Νοσοκομείου της Βοστώνης (MIMIC III)
i. Περιγραφή
ii. Τύποι δεδομένων (EHRs, ECGs, Chest X-Rays, Progress Notes, etc.)
iii. Σχήμα βάσης δεδομένων
iv. Παρουσίαση εφαρμογής για real-time ανάλυση και οπτικοποίηση των δεδομένων του Νοσοκομείου Βοστώνης

α) Τεχνητή Νοημοσύνη και Ηθικά Ζητήματα στην Ιατρική
i. Βασικές αρχές της βιοϊατρικής ηθικής
ii. Διαφάνεια, Δικαιοσύνη και Αμεροληψία ΑΙ
iii. Συναίνεση Ασθενούς στη Λήψη Κλινικών Αποφάσεων
iv. European Union Artificial Intelligence ACT

β) Προστασία Ευαίσθητων Προσωπικών Δεδομένων Ασθενών
i. Anonymization Techniques
ii. Date shifting
iii. Format Conversion
iv. Generalization of medical data interactions
v. K-Anonymity
vi. Προσθήκη θορύβου (Adding Noise)
vii. Απώλεια Πληροφορίας (Loss of Information)
viii. Differential Privacy

α) Καινοτόμοι Αλγόριθμοι ΑΙ στη Βιοϊατρική
i. DeepMind's Alphafold2 (Οι δημιουργοί του πήραν το Νόμπελ Χημείας)
ii. Microsoft's BioEmu-1 (Τρισδιάστατη Απεικόνιση Πρωτεινών)
iii. AI για Drug Re-purposing (παλιά φάρμακα για νέες ασθένειες)
iv. Predicting Mortality in ICU and Drug Recommendation

β) Βαθιά Μάθηση (Deep Learning)
i. Κατηγοριοποίηση/classification (Γραμμική παλινδρόμηση, Λογιστική παλινδρόμηση, Decision Tree & Random Forest, κτλ.)
ii. Βαθιά Νευρωνικά Δίκτυα (MLPs, CNNs, RNN, GCNs, etc.)
iii. ChatGPT για παραγωγή βιοδεικτών (bioindexes generator)

Παράδειγμα chatGPT-5 prompt: «Σου έκανα upload 3 αρχεία Εξετάσεων Αίματος… Βάσει αυτών παρήγαγε
συγκριτικό πίνακα/διάγραμμα τριών ετών όπου με κόκκινο χρώμα θα εμφανίζονται οι δείκτες που είναι εκτός των επιτρεπτών ορίων…»

iv. Συνδυαστική αξιολόγηση κλινικών ευρημάτων & γενετικών χαρακτηριστικών (DNA)

α. Τι είναι τα ChatGPT prompts και ποια η σημασία τους;

β. Βέλτιστες πρακτικές (role-play) για επικοινωνία Γιατρού με την Τεχνητή Οντότητα Λογισμικού

γ. Καθορισμός περιορισμών στα ChatGPT prompts για αποτελεσματικότερα παραδοτέα

δ. Pre-Prompts βασισμένα σε αρχεία Word/Excel για After-Visit Remedy

Παράδειγμα chatGPT-5 pre-prompt: «Σου έκανα upload ένα αρχείο Word… Βάσει αυτού του template αρχείου, να παράγεις
μια νέα αναλυτική θεραπευτική αγωγή για τον υπό εξέταση ασθενή μου…»

ε. Μελέτη κλινικών περιπτώσεων & δημιουργία prompts

ζ. Αλγόριθμοι Ομαδοποίησης Ασθενών (k-means, Hierarchical Clustering, κτλ.)

η. Λογισμικό ομαδοποίησης ασθενών

θ. Γενετικοί Αλγόριθμοι (parents' selection, crossover, mutation)

α) Αξιοποίηση ιατρικών βάσεων δεδομένων (π.χ. DrugBank/Γαληνός/ProteinBank)
για εύρεση ανεπιθύμητων Drug-Drug Interactions σε συνταγογραφήσεις πολλαπλών φαρμάκων
i. Undesirable Drug-Drug Interaction Checker
ii. Drug Allergy checker (αλλεργίες & cross-sensitivities)
iii. Ενίσχυση ιατρικής διάγνωσης με αξιόπιστη πληροφορία από το διαδίκτυο
iv. Evidence-based tailored treatment plan

β) Αξιοποίηση του ChatGPT 5 για την εύρεση ανεπιθύμητων Drug-Drug Interactions
σε συνταγογραφήσεις πολλαπλών φαρμάκων
Παράδειγμα chatGPT-5 prompt: «..Βάσει τη συνημμένης λίστας φαρμάκων από το εξιτήριο του ασθενούς, εντόπισε αν υπάρχουν ανεπιθύμητες αλληλεπιδράσεις μεταξύ των φαρμάκων…»
ii. AI Software με PCA για ανάδειξη λανθανουσών συσχετίσεων μεταξύ παρενεργειών φαρμάκων
iii. Demo: Stanford STORM για αυτόματη παραγωγή review άρθρου

α)Aξιοποίηση του 3D Slicer για διαχείριση Απεικονιστικών Εξετάσεων
i) Βήμα-Βήμα Μετατροπή αρχείων εικόνων DICOM μιας απεικονιστικής εξέτασης σε αρχεία εικόνων PNG/JPEG
ii) Βήμα-Βήμα Συγχώνευση πολλαπλών αρχείων εικόνων DICOM σε μια εικόνα PNG, ή ένα αρχείο video MPEG-4

β)Αξιοποίηση του ChatGPT-5 για ερμηνεία/αξιολόγηση απεικονιστικών εξετάσεων:
i. Ακτινογραφίες x-Rays
ii. Αξονική Τομογραφία - Computed Tomography scan (CT scan)
iii. Μαγνητική Τομογραφία- Magnetic Resonance Imaging (MRI)
iv. Demo: Κατηγοριοποίηση ασθενών σε COVID / μη-COVID βάσει της Απεικονιστικής Εξέτασης Αξονικής Τομογραφίας

γ)Αξιοποίηση του ChatGPT-5 για ερμηνεία/αξιολόγηση άλλων σύνθετων ιατρικών σημάτων (ECGs, EEGs, Ακουόγραμμα, κτλ.)
i. Ηλεκτροκαρδιογράφημα-Electrocardiogram (ECG)
ii.Άλλα σύνθετα ιατρικά σήματα (EEG, Ακουόγραμμα, κτλ.)

α) Σύνοψη Μακροσκελούς Ιατρικού Φακέλου Ασθενούς: i. Δημογραφικά στοιχεία
ii. Ημερομηνία εισαγωγής/επίσκεψης, συμπτώματα
iii. Φάρμακα & Αλλεργίες
v. Κοινωνικό & Οικογενειακό ιστορικό
vi. Κλινική εξέταση, Εργαστηριακές Εξετάσεις
vii. Αξιολόγηση & θεραπευτικό πλάνο

β) ChatGPT 5 για Παραγωγή Αναλυτικής θεραπευτικής αγωγής με Επαρκή Αιτιολόγηση: i. Λίστα φαρμάκων με δοσολογία/διάρκεια
ii. Οδηγίες κατ’ οίκον (διατροφή, δραστηριότητες, προφυλάξεις)
iii. Επόμενα ραντεβού/παρακολούθηση

γ) Επίδειξη δυνατοτήτων Gemini, DeepSeek, MS Copilot, και Claude
Demo: Πρόβλεψη βέλτιστης δόσης ινσουλίνης με Deep Reinforcement Learning

α) Παρουσίαση πολλαπλών παραδειγμάτων ΑΙ συλλογιστικής από το Μed Gemini της Google
i. Med Questions & Answers benchmark US Medical License Exam (USMLE)

Μελέτη Περίπτωσης: Άνδρας 45 ετών με 3 μήνες δύσπνοια, κόπωση, περιστασιακό άλγος. Ιστορικό: υπέρταση, διαβήτης. HR 95 bpm, BP 140/90 mmHg, κριγμοί βάσεων. BNP↑, ήπια νεφρική δυσλειτουργία. Πιθανή διάγνωση; Προτεινόμενοι έλεγχοι: ηχωκαρδιογράφημα, ακτινογραφία θώρακος.
ii. Med Gemini Final Response along with the advanced clinical reasoning

β) Αξιοποίηση ΒιοΙατρικών Βάσεων Δεδομένων
i. PubMed για αναζήτηση ιατρικών άρθρων
ii. Entrez και βιολογικά δεδομένα ασθενών
iii. KEGG και βιολογικά pathways ασθενειών

α. Ιατρική Ακριβείας & Εξατομικευμένη Ιατρική

β. Εφαρμογές Τηλεϊατρικής

γ. Speech-to-Text (Whisper) για μείωση του χρόνου καταγραφής ιστορικού ασθενούς

δ. Apps για διαβητικούς (Diabetes, GlucoCalc, FreeStyle LibreLink), ChatGluco)

ε. Μετρικές αξιολόγησης ιατρικών μοντέλων πρόβλεψης:
i. Confusion Matrix ii. Precision, Recall, ROC, NDCG iii. MAE, RMSE για πρόβλεψη δόσης ζ. Explainability στην υγεία

η. Demo της καινοτόμου ιατρικής ΑΙ πλατφόρμας Perplexity

θ. Demo της ΑΙ πλατφόρμας NotebookLM της Google

α. Ψηφιοποιημένη καταγραφή ζωτικών ενδείξεων ασθενούς (Αρτηριακή Πίεση, Heart rate, ECG, CGM, etc.)

β. Real-time alerts σε Ιατρούς για την πορεία των ασθενών τους και ανάλυση πολυμορφικών ιατρικών δεδομένων

γ. Wearables: Galaxy Ring (Samsung), Medtronic CGM, etc.

δ. Άλλες έξυπνες ιατρικές συσκευές

ε. AI app για την ανάλυση εξιτηρίων ασθενών (patients' progress notes)

ζ. ChatGPT & Retrieval-Augmented Generation (RAG)

η. Demo: Αποστολή των ζωτικών ενδείξεων ασθενούς στο ChatGPT API για την αξιολόγηση τους
και την παραγωγή κατάλληλου θεραπευτικού πλάνου