α) Ενιαίος Ηλεκτρονικός Φάκελος Υγείας Ασθενούς (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-Βioindexes (BMI, PSA, κτλ.)
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, Ultra Sound, Ακουόγραμμα, PET, κτλ.)

γ) Μελέτη περίπτωσης πραγματικών δεδομένων του Νοσοκομείου της Βοστώνης (MIMIC III)
i. Εισαγωγή και Περιγραφή βασικών Οντοτήτων και Συσχετίσεων τους ενός Νοσοκομείου
ii. Τύποι δεδομένων (EHRs, ECGs, Chest X-Rays, Progress Notes, κτλ.)
iii. Μοντέλο Οντοτήτων-Συσχετίσεων και Σχήμα της βάσης δεδομένων του Νοσοκομείου Βοστώνης
iv. Παρουσίαση εφαρμογής για real-time ανάλυση και οπτικοποίηση των δεδομένων του Νοσοκομείου Βοστώνης
v. How to Find Patients based on Diagnosis Code List (ICD-10 and ICD-9)

α) Τεχνητή Νοημοσύνη και Ηθικά Ζητήματα στην Ιατρική
i. Ευρωπαική Νομοθεσία: AI Act 2024/1689, Medical Devide Regualtion (MDR) 2017/745
ii. Βασικές αρχές της βιοϊατρικής ηθικής
iii. Διαφάνεια, Δικαιοσύνη και Αμεροληψία ΑΙ
iv. Συναίνεση Ασθενούς στη Λήψη Κλινικών Αποφάσεων

β) Προστασία Ευαίσθητων Προσωπικών Δεδομένων Ασθενών
i. Ευρωπαική Νομοθεσία: General Data Regualation Protection (GDPR 2016/679)
ii. Anonymization Techniques
iii. Date shifting
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 για την Απεικόνιση Πρωτεϊνών)
ii. Microsoft's BioEmu-1 (Τρισδιάστατη Δυναμική Απεικόνιση Πρωτεϊνών)
iii. Συνδυαστική αξιολόγηση κλινικών ευρημάτων & γενετικών χαρακτηριστικών (DNA)
iv. AI για Drug Re-purposing (παλιά φάρμακα για νέες ασθένειες)
v. Effective and Safe Recommendation of Drug Combinations (Θεραπευτικά Πρωτόκολλα)
vi. Predicting Mortality in ICU

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…»

α) Παραμετροποίηση του ChatGPT για παραγωγή τεκμηριωμένης διαφορικής διάγνωσης και κατάλληλου θεραπευτικού πλάνου
i. Τι είναι τα ChatGPT prompts και ποια η σημασία τους;
ii. Βέλτιστες πρακτικές (role-play) για επικοινωνία Γιατρού με την Τεχνητή Οντότητα Λογισμικού
iii. Καθορισμός περιορισμών στα ChatGPT prompts για αποτελεσματικότερα παραδοτέα
iv. Pre-Prompts βασισμένα σε αρχεία Word/Excel για Παραγωγή Ιατρικών Εγγράφων (Παραπεμπτικό, Θεραπευτικό Πλάνο, κτλ.)

β) Παραμετροποίηση του ΑΙ Agent του ChatGPT Atlas ώστε αυτός να ενεργεί αυτόνομα στο διαδίκτυο
i. Αυτόματη συμπλήρωση (από τον Ευφυή Πράκτορα) φορμών όπως αυτές στην ηλεκτρονική συνταγογράφηση
ii. Λειτουργία του Agent του Atlas σε logged in και logged out modes.
iii. Agentic AI στην Ιατρική - Ευφυείς Πράκτορες στην Ιατρική.

γ) Αλγόριθμοι Clustering στην Ιατρική
i. Αλγόριθμοι Ομαδοποίησης Ασθενών (k-means, Hierarchical Clustering, κτλ.)
ii. Λογισμικό ομαδοποίησης ασθενών
iii. 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. Harmfull 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
i. Επίδειξη AI Software για την ανάδειξη λανθανουσών συσχετίσεων μεταξύ παρενεργειών φαρμάκων βάσει του Principal Components Analysis (PCA)
ii. Demo: Stanford STORM για αυτόματη παραγωγή ιατρικού άρθρου

Παράδειγμα chatGPT-5 prompt: «..Βάσει τη συνημμένης λίστας φαρμάκων από το εξιτήριο του ασθενούς, εντόπισε αν υπάρχουν ανεπιθύμητες αλληλεπιδράσεις μεταξύ των φαρμάκων…»

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)

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

Software Demo: Κατηγοριοποίηση ασθενών σε COVID / μη-COVID βάσει της Απεικονιστικής Εξέτασης Αξονικής Τομογραφίας

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

Software 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)
ii. Med Gemini Final Response along with the advanced clinical reasoning
iii. Τεκμηριωμένη Διαφορική Διάγνωση με παραγωγή τεκμηριωμένου θεραπευτικού πλάνου

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

Μελέτη Περίπτωσης Ασθενούς: Άνδρας 45 ετών με 3 μήνες δύσπνοια, κόπωση, περιστασιακό άλγος. Ιστορικό: υπέρταση, διαβήτης. HR 95 bpm, BP 140/90 mmHg. BNP↑, ήπια νεφρική δυσλειτουργία. Ποια είναι η πιθανή διάγνωση? Ποιες είναι οι Προτεινόμενες Εξετάσεις? π.χ. ηχoκαρδιογράφημα, ακτινογραφία θώρακος.

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 φαρμάκου 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