Grazzi talli żort Nature.com. Il-verżjoni tal-browser li qed tuża għandha appoġġ limitat għas-CSS. Għal riżultati aħjar, nirrakkomandaw li tuża verżjoni aktar ġdida tal-browser tiegħek (jew li titfi l-modalità ta' kompatibilità fl-Internet Explorer). Sadanittant, biex niżguraw appoġġ kontinwu, qed nuru s-sit mingħajr stil jew JavaScript.
L-applikazzjonijiet tal-intelliġenza artifiċjali klinika (AI) qed jikbru b'rata mgħaġġla, iżda l-kurrikuli eżistenti tal-iskejjel mediċi joffru tagħlim limitat li jkopri dan il-qasam. Hawnhekk niddeskrivu kors ta' taħriġ dwar l-intelliġenza artifiċjali li żviluppajna u tajna lil studenti mediċi Kanadiżi u nagħmlu rakkomandazzjonijiet għal taħriġ fil-futur.
L-intelliġenza artifiċjali (AI) fil-mediċina tista' ttejjeb l-effiċjenza fuq il-post tax-xogħol u tgħin fit-teħid ta' deċiżjonijiet kliniċi. Biex jiggwidaw l-użu tal-intelliġenza artifiċjali b'mod sikur, it-tobba jrid ikollhom xi fehim tal-intelliġenza artifiċjali. Ħafna kummenti jirrakkomandaw it-tagħlim tal-kunċetti tal-AI1, bħall-ispjegazzjoni tal-mudelli tal-AI u l-proċessi ta' verifika2. Madankollu, ftit pjanijiet strutturati ġew implimentati, speċjalment fil-livell nazzjonali. Pinto dos Santos et al.3. Ġew mistħarrġa 263 student tal-mediċina u 71% qablu li kellhom bżonn taħriġ fl-intelliġenza artifiċjali. It-tagħlim tal-intelliġenza artifiċjali lil udjenza medika jeħtieġ disinn bir-reqqa li jgħaqqad kunċetti tekniċi u mhux tekniċi għal studenti li ħafna drabi jkollhom għarfien estensiv minn qabel. Niddeskrivu l-esperjenza tagħna fit-twassil ta' serje ta' workshops tal-AI lil tliet gruppi ta' studenti tal-mediċina u nagħmlu rakkomandazzjonijiet għal edukazzjoni medika futura fl-AI.
Il-workshop tagħna ta’ ħames ġimgħat dwar Introduzzjoni għall-Intelliġenza Artifiċjali fil-Mediċina għall-istudenti tal-mediċina sar tliet darbiet bejn Frar 2019 u April 2021. Skeda għal kull workshop, b’deskrizzjoni qasira tal-bidliet fil-kors, tidher fil-Figura 1. Il-kors tagħna għandu tliet objettivi primarji ta’ tagħlim: l-istudenti jifhmu kif id-dejta tiġi pproċessata f’applikazzjonijiet tal-intelliġenza artifiċjali, janalizzaw il-letteratura tal-intelliġenza artifiċjali għal applikazzjonijiet kliniċi, u jieħdu vantaġġ mill-opportunitajiet biex jikkollaboraw ma’ inġiniera li qed jiżviluppaw l-intelliġenza artifiċjali.
Blu huwa s-suġġett tal-lekċer u blu ċar huwa l-perjodu interattiv ta’ mistoqsijiet u tweġibiet. It-taqsima griża hija l-fokus tar-reviżjoni qasira tal-letteratura. It-taqsimiet oranġjo huma studji ta’ każijiet magħżula li jiddeskrivu mudelli jew tekniki ta’ intelliġenza artifiċjali. Aħdar huwa kors ta’ programmar iggwidat iddisinjat biex jgħallem l-intelliġenza artifiċjali biex issolvi problemi kliniċi u tevalwa l-mudelli. Il-kontenut u t-tul tal-workshops ivarjaw skont valutazzjoni tal-bżonnijiet tal-istudenti.
L-ewwel workshop sar fl-Università ta’ British Columbia minn Frar sa April 2019, u t-8 parteċipanti kollha taw feedback pożittiv4. Minħabba l-COVID-19, it-tieni workshop sar virtwalment f’Ottubru-Novembru 2020, b’222 student tal-mediċina u 3 residenti minn 8 skejjel mediċi Kanadiżi jirreġistraw. Is-slajds tal-preżentazzjoni u l-kodiċi ġew imtella’ fuq sit b’aċċess miftuħ (http://ubcaimed.github.io). Il-feedback ewlieni mill-ewwel iterazzjoni kien li l-lekċers kienu intensi wisq u l-materjal teoretiku wisq. Li sservi s-sitt żoni tal-ħin differenti tal-Kanada joħloq sfidi addizzjonali. Għalhekk, it-tieni workshop qassar kull sessjoni għal siegħa, issimplifika l-materjal tal-kors, żied aktar studji ta’ każijiet, u ħoloq programmi boilerplate li ppermettew lill-parteċipanti jlestu siltiet ta’ kodiċi b’debugging minimu (Kaxxa 1). Il-feedback ewlieni mit-tieni iterazzjoni inkluda feedback pożittiv dwar l-eżerċizzji ta’ programmar u talba biex jintwera l-ippjanar għal proġett ta’ tagħlim awtomatiku. Għalhekk, fit-tielet workshop tagħna, li sar virtwalment għal 126 student tal-mediċina f'Marzu-April 2021, inkludejna aktar eżerċizzji interattivi ta' kodifikazzjoni u sessjonijiet ta' feedback dwar il-proġetti biex nuru l-impatt tal-użu tal-kunċetti tal-workshops fuq il-proġetti.
Analiżi tad-Data: Qasam ta' studju fl-istatistika li jidentifika mudelli sinifikanti fid-data billi janalizza, jipproċessa, u jikkomunika mudelli ta' data.
Tħaffir tad-dejta: il-proċess tal-identifikazzjoni u l-estrazzjoni tad-dejta. Fil-kuntest tal-intelliġenza artifiċjali, dan ħafna drabi jkun kbir, b'diversi varjabbli għal kull kampjun.
Tnaqqis tad-dimensjonalità: Il-proċess tat-trasformazzjoni ta' dejta b'ħafna karatteristiċi individwali f'inqas karatteristiċi filwaqt li jiġu ppreservati l-proprjetajiet importanti tas-sett tad-dejta oriġinali.
Karatteristiċi (fil-kuntest tal-intelliġenza artifiċjali): proprjetajiet li jistgħu jitkejlu ta’ kampjun. Spiss jintużaw minflok “proprjetà” jew “varjabbli”.
Mappa tal-Attivazzjoni tal-Gradjent: Teknika użata biex tinterpreta mudelli ta' intelliġenza artifiċjali (speċjalment netwerks newrali konvoluzzjonali), li tanalizza l-proċess tal-ottimizzazzjoni tal-aħħar parti tan-netwerk biex tidentifika reġjuni ta' dejta jew immaġni li huma predittivi ħafna.
Mudell Standard: Mudell tal-IA eżistenti li ġie mħarreġ minn qabel biex iwettaq kompiti simili.
Ittestjar (fil-kuntest tal-intelliġenza artifiċjali): osservazzjoni ta' kif mudell iwettaq kompitu bl-użu ta' dejta li qatt ma ltaqa' magħha qabel.
Taħriġ (fil-kuntest tal-intelliġenza artifiċjali): Il-provvista ta' mudell b'dejta u riżultati sabiex il-mudell jaġġusta l-parametri interni tiegħu biex jottimizza l-abbiltà tiegħu li jwettaq kompiti bl-użu ta' dejta ġdida.
Vettur: firxa ta' dejta. Fit-tagħlim awtomatiku, kull element tal-firxa ġeneralment huwa karatteristika unika tal-kampjun.
It-Tabella 1 telenka l-aħħar korsijiet għal April 2021, inklużi objettivi ta’ tagħlim immirati għal kull suġġett. Dan il-workshop huwa maħsub għal dawk li għadhom ġodda fil-livell tekniku u ma jeħtieġ l-ebda għarfien matematiku lil hinn mill-ewwel sena ta’ lawrja medika undergraduate. Il-kors ġie żviluppat minn 6 studenti tal-mediċina u 3 għalliema bi lawrji avvanzati fl-inġinerija. L-inġiniera qed jiżviluppaw teorija tal-intelliġenza artifiċjali biex jgħallmu, u l-istudenti tal-mediċina qed jitgħallmu materjal klinikament rilevanti.
Il-workshops jinkludu lectures, studji ta' każijiet, u programmazzjoni ggwidata. Fl-ewwel lecture, nirrevedu kunċetti magħżula tal-analiżi tad-dejta fil-bijostatistika, inkluż il-viżwalizzazzjoni tad-dejta, ir-rigressjoni loġistika, u t-tqabbil ta' statistika deskrittiva u induttiva. Għalkemm l-analiżi tad-dejta hija l-pedament tal-intelliġenza artifiċjali, neskludu suġġetti bħat-tħaffir tad-dejta, l-ittestjar tas-sinifikat, jew il-viżwalizzazzjoni interattiva. Dan kien minħabba restrizzjonijiet ta' ħin u wkoll minħabba li xi studenti li għadhom ma ggradwawx kellhom taħriġ preċedenti fil-bijostatistika u riedu jkopru suġġetti aktar uniċi dwar it-tagħlim awtomatiku. Il-lecture sussegwenti tintroduċi metodi moderni u tiddiskuti l-formulazzjoni tal-problemi tal-IA, il-vantaġġi u l-limitazzjonijiet tal-mudelli tal-IA, u l-ittestjar tal-mudelli. Il-lectures huma kkomplementati minn letteratura u riċerka prattika dwar apparati tal-intelliġenza artifiċjali eżistenti. Nenfasizzaw il-ħiliet meħtieġa biex tiġi evalwata l-effettività u l-fattibbiltà ta' mudell biex jiġu indirizzati mistoqsijiet kliniċi, inkluż il-fehim tal-limitazzjonijiet tal-apparati tal-intelliġenza artifiċjali eżistenti. Pereżempju, tlabna lill-istudenti biex jinterpretaw il-linji gwida dwar il-korrimenti fir-ras pedjatriċi proposti minn Kupperman et al., 5 li implimentaw algoritmu tas-siġra tad-deċiżjonijiet tal-intelliġenza artifiċjali biex jiddeterminaw jekk skan CT ikunx utli bbażat fuq eżami tat-tabib. Nenfasizzaw li dan huwa eżempju komuni tal-IA li tipprovdi analitika predittiva għat-tobba biex jinterpretawha, aktar milli tissostitwixxi lit-tobba.
Fl-eżempji ta' programmar bootstrap b'sors miftuħ disponibbli (https://github.com/ubcaimed/ubcaimed.github.io/tree/master/programming_examples), nuru kif titwettaq analiżi esploratorja tad-dejta, tnaqqis tad-dimensjonalità, tagħbija ta' mudell standard, u taħriġ u ttestjar. Nużaw in-notebooks Google Colaboratory (Google LLC, Mountain View, CA), li jippermettu li l-kodiċi Python jiġi eżegwit minn web browser. Fil-Fig. Figura 2 tipprovdi eżempju ta' eżerċizzju ta' programmar. Dan l-eżerċizzju jinvolvi t-tbassir ta' tumuri malinni bl-użu tal-Wisconsin Open Breast Imaging Dataset6 u algoritmu tas-siġra tad-deċiżjonijiet.
Ippreżenta programmi matul il-ġimgħa dwar suġġetti relatati u agħżel eżempji minn applikazzjonijiet tal-IA ppubblikati. L-elementi ta' programmazzjoni huma inklużi biss jekk jitqiesu rilevanti biex jipprovdu għarfien dwar il-prattika klinika futura, bħal kif jiġu evalwati l-mudelli biex jiġi determinat jekk humiex lesti għall-użu fi provi kliniċi. Dawn l-eżempji jilħqu l-qofol tagħhom f'applikazzjoni sħiħa minn tarf sa tarf li tikklassifika t-tumuri bħala beninni jew malinni bbażati fuq parametri tal-immaġni medika.
Eteroġeneità tal-għarfien preċedenti. Il-parteċipanti tagħna varjaw fil-livell ta’ għarfien matematiku tagħhom. Pereżempju, studenti bi sfond avvanzat fl-inġinerija qed ifittxu materjal aktar fil-fond, bħal kif iwettqu t-trasformati ta’ Fourier tagħhom stess. Madankollu, id-diskussjoni tal-algoritmu ta’ Fourier fil-klassi mhijiex possibbli għaliex teħtieġ għarfien fil-fond tal-ipproċessar tas-sinjali.
Fluss ta' attendenza 'l barra. L-attendenza għal-laqgħat ta' segwitu naqset, speċjalment f'formati online. Soluzzjoni tista' tkun li tiġi traċċata l-attendenza u jingħata ċertifikat ta' tlestija. L-iskejjel mediċi huma magħrufa li jirrikonoxxu t-traskrizzjonijiet tal-attivitajiet akkademiċi extrakurrikulari tal-istudenti, li jistgħu jinkoraġġixxu lill-istudenti biex isegwu lawrja.
Disinn tal-Kors: Minħabba li l-IA tkopri tant sottooqsma, l-għażla ta' kunċetti ewlenin ta' fond u wisa' xierqa tista' tkun ta' sfida. Pereżempju, il-kontinwità tal-użu tal-għodod tal-IA mil-laboratorju sal-klinika hija suġġett importanti. Filwaqt li nkopru l-ipproċessar minn qabel tad-dejta, il-bini ta' mudelli, u l-validazzjoni, ma ninkludux suġġetti bħall-analitika tad-dejta kbira, il-viżwalizzazzjoni interattiva, jew it-twettiq ta' provi kliniċi tal-IA, minflok niffukaw fuq l-aktar kunċetti uniċi tal-IA. Il-prinċipju gwida tagħna huwa li ntejbu l-litteriżmu, mhux il-ħiliet. Pereżempju, il-fehim ta' kif mudell jipproċessa l-karatteristiċi tal-input huwa importanti għall-interpretabbiltà. Mod wieħed biex dan isir huwa li jintużaw mapep ta' attivazzjoni tal-gradjent, li jistgħu jivviżwalizzaw liema reġjuni tad-dejta huma prevedibbli. Madankollu, dan jeħtieġ kalkulu multivarjat u ma jistax jiġi introdott8. L-iżvilupp ta' terminoloġija komuni kien ta' sfida għaliex konna qed nippruvaw nispjegaw kif naħdmu bid-dejta bħala vetturi mingħajr formaliżmu matematiku. Innota li termini differenti għandhom l-istess tifsira, pereżempju, fl-epidemjoloġija, "karatteristika" hija deskritta bħala "varjabbli" jew "attribut."
Żamma tal-għarfien. Minħabba li l-applikazzjoni tal-IA hija limitata, il-punt sa fejn il-parteċipanti jżommu l-għarfien għad irid jara. Il-kurrikuli tal-iskola medika spiss jiddependu fuq ripetizzjoni spazjata biex isaħħu l-għarfien waqt rotazzjonijiet prattiċi,9 li jistgħu jiġu applikati wkoll għall-edukazzjoni tal-IA.
Il-professjonaliżmu huwa aktar importanti mil-litteriżmu. Il-profondità tal-materjal hija mfassla mingħajr rigorożità matematika, li kienet problema meta tnedew korsijiet kliniċi fl-intelliġenza artifiċjali. Fl-eżempji ta' programmazzjoni, nużaw programm mudell li jippermetti lill-parteċipanti jimlew l-oqsma u jħaddmu s-softwer mingħajr ma jkollhom għalfejn jifhmu kif iwaqqfu ambjent ta' programmazzjoni komplut.
Tħassib dwar l-intelliġenza artifiċjali indirizzat: Hemm tħassib mifrux li l-intelliġenza artifiċjali tista' tissostitwixxi xi dmirijiet kliniċi3. Biex nindirizzaw din il-kwistjoni, nispjegaw il-limitazzjonijiet tal-IA, inkluż il-fatt li kważi t-teknoloġiji kollha tal-IA approvati mir-regolaturi jeħtieġu superviżjoni tat-tabib11. Nenfasizzaw ukoll l-importanza tal-preġudizzju għaliex l-algoritmi huma suxxettibbli għall-preġudizzju, speċjalment jekk is-sett tad-dejta ma jkunx divers12. Konsegwentement, ċertu sottogrupp jista' jiġi mmudellat ħażin, u dan iwassal għal deċiżjonijiet kliniċi inġusti.
Ir-riżorsi huma disponibbli pubblikament: Ħloqna riżorsi disponibbli pubblikament, inklużi slides tal-lekċers u kodiċi. Għalkemm l-aċċess għal kontenut sinkroniku huwa limitat minħabba ż-żoni tal-ħin, il-kontenut open source huwa metodu konvenjenti għat-tagħlim asinkroniku peress li l-kompetenza tal-AI mhijiex disponibbli fl-iskejjel mediċi kollha.
Kollaborazzjoni Interdixxiplinarja: Dan il-workshop huwa impriża konġunta mibdija minn studenti tal-mediċina biex jippjanaw korsijiet flimkien mal-inġiniera. Dan juri opportunitajiet ta’ kollaborazzjoni u lakuni fl-għarfien fiż-żewġ oqsma, u jippermetti lill-parteċipanti jifhmu r-rwol potenzjali li jistgħu jikkontribwixxu fil-futur.
Iddefinixxi l-kompetenzi ewlenin tal-IA. Id-definizzjoni ta' lista ta' kompetenzi tipprovdi struttura standardizzata li tista' tiġi integrata fil-kurrikuli mediċi eżistenti bbażati fuq il-kompetenza. Dan il-workshop bħalissa juża l-Livelli tal-Objettivi tat-Tagħlim 2 (Komprensjoni), 3 (Applikazzjoni), u 4 (Analiżi) tat-Tassonomija ta' Bloom. Li jkollok riżorsi f'livelli ogħla ta' klassifikazzjoni, bħall-ħolqien ta' proġetti, jista' jsaħħaħ aktar l-għarfien. Dan jirrikjedi ħidma ma' esperti kliniċi biex jiġi determinat kif is-suġġetti tal-IA jistgħu jiġu applikati għall-flussi tax-xogħol kliniċi u jipprevjeni t-tagħlim ta' suġġetti ripetittivi diġà inklużi fil-kurrikuli mediċi standard.
Oħloq studji ta' każijiet bl-użu tal-AI. Simili għall-eżempji kliniċi, it-tagħlim ibbażat fuq każijiet jista' jsaħħaħ il-kunċetti astratti billi jenfasizza r-rilevanza tagħhom għal mistoqsijiet kliniċi. Pereżempju, studju wieħed ta' workshop analizza s-sistema ta' skoperta tar-retinopatija dijabetika bbażata fuq l-AI ta' Google 13 biex jidentifika sfidi tul it-triq mil-laboratorju għall-klinika, bħal rekwiżiti ta' validazzjoni esterni u mogħdijiet ta' approvazzjoni regolatorja.
Uża t-tagħlim esperjenzjali: Il-ħiliet tekniċi jeħtieġu prattika ffukata u applikazzjoni ripetuta biex jiġu mgħallma, simili għall-esperjenzi ta’ tagħlim b’rotazzjoni ta’ trainees kliniċi. Soluzzjoni potenzjali waħda hija l-mudell tal-klassi flipped, li ġie rrappurtat li jtejjeb iż-żamma tal-għarfien fl-edukazzjoni tal-inġinerija14. F’dan il-mudell, l-istudenti jirrevedu l-materjal teoretiku b’mod indipendenti u l-ħin tal-klassi huwa ddedikat għas-soluzzjoni ta’ problemi permezz ta’ studji ta’ każijiet.
Skalar għal parteċipanti multidixxiplinari: Nipprevedu l-adozzjoni tal-IA li tinvolvi kollaborazzjoni bejn dixxiplini multipli, inklużi tobba u professjonisti alleati tas-saħħa b'livelli varji ta' taħriġ. Għalhekk, il-kurrikuli jistgħu jeħtieġu li jiġu żviluppati b'konsultazzjoni mal-fakultà minn dipartimenti differenti biex il-kontenut tagħhom ikun imfassal għal oqsma differenti tal-kura tas-saħħa.
L-intelliġenza artifiċjali hija teknoloġija avvanzata u l-kunċetti ewlenin tagħha huma relatati mal-matematika u x-xjenza tal-kompjuters. It-taħriġ tal-persunal tal-kura tas-saħħa biex jifhem l-intelliġenza artifiċjali jippreżenta sfidi uniċi fl-għażla tal-kontenut, ir-rilevanza klinika, u l-metodi ta' kunsinna. Nittamaw li l-għarfien miksub mill-workshops tal-AI fl-Edukazzjoni se jgħin lill-edukaturi futuri jadottaw modi innovattivi biex jintegraw l-AI fl-edukazzjoni medika.
L-iskritt Python ta' Google Colaboratory huwa open source u disponibbli fuq: https://github.com/ubcaimed/ubcaimed.github.io/tree/master/.
Prober, KG u Khan, S. Naħsbu mill-ġdid dwar l-edukazzjoni medika: sejħa għall-azzjoni. Akkad. medicine. 88, 1407–1410 (2013).
McCoy, LG eċċ. X'għandhom bżonn verament ikunu jafu l-istudenti tal-mediċina dwar l-intelliġenza artifiċjali? Numri NPZh. Medicine 3, 1–3 (2020).
Dos Santos, DP, et al. L-attitudnijiet tal-istudenti tal-mediċina lejn l-intelliġenza artifiċjali: stħarriġ multiċentriku. EURO. radjazzjoni. 29, 1640–1646 (2019).
Fan, KY, Hu, R., u Singla, R. Introduzzjoni għat-tagħlim awtomatiku għall-istudenti tal-mediċina: proġett pilota. J. Med. teach. 54, 1042–1043 (2020).
Cooperman N, et al. Identifikazzjoni ta' tfal b'riskju baxx ħafna ta' korriment klinikament sinifikanti fil-moħħ wara korriment fir-ras: studju prospettiv ta' koorti. Lancet 374, 1160–1170 (2009).
Street, WN, Wolberg, WH u Mangasarian, OL. Estrazzjoni tal-karatteristiċi nukleari għad-dijanjosi tat-tumur tas-sider. Xjenza Bijomedika. Ipproċessar tal-immaġni. Xjenza Bijomedika. Weiss. 1905, 861–870 (1993).
Chen, PHC, Liu, Y. u Peng, L. Kif tiżviluppa mudelli ta' tagħlim awtomatiku għall-kura tas-saħħa. Nat. Matt. 18, 410–414 (2019).
Selvaraju, RR et al. Grad-cam: Interpretazzjoni viżwali ta' netwerks profondi permezz ta' lokalizzazzjoni bbażata fuq il-gradjent. Atti tal-Konferenza Internazzjonali tal-IEEE dwar il-Viżjoni bil-Kompjuter, 618–626 (2017).
Kumaravel B, Stewart K u Ilic D. Żvilupp u evalwazzjoni ta' mudell spirali għall-valutazzjoni tal-kompetenzi mediċi bbażati fuq l-evidenza bl-użu tal-OSCE fl-edukazzjoni medika undergraduate. BMK Medicine. teach. 21, 1–9 (2021).
Kolachalama VB u Garg PS Tagħlim awtomatiku u edukazzjoni medika. Numri NPZh. mediċina. 1, 1–3 (2018).
van Leeuwen, KG, Schalekamp, S., Rutten, MJ, van Ginneken, B. u de Rooy, M. Intelliġenza artifiċjali fir-radjoloġija: 100 prodott kummerċjali u l-evidenza xjentifika tagħhom. EURO. radjazzjoni. 31, 3797–3804 (2021).
Topol, EJ Mediċina ta' prestazzjoni għolja: il-konverġenza tal-intelliġenza umana u artifiċjali. Nat. medicine. 25, 44–56 (2019).
Bede, E. et al. Evalwazzjoni ċċentrata fuq il-bniedem ta' sistema ta' tagħlim profond skjerata fil-klinika għall-iskoperta tar-retinopatija dijabetika. Atti tal-Konferenza CHI tal-2020 dwar Fatturi Umani fis-Sistemi tal-Kompjuters (2020).
Kerr, B. Il-klassi maqluba fl-edukazzjoni tal-inġinerija: Reviżjoni tar-riċerka. Atti tal-Konferenza Internazzjonali tal-2015 dwar it-Tagħlim Kollaborattiv Interattiv (2015).
L-awturi jirringrazzjaw lil Danielle Walker, Tim Salcudin, u Peter Zandstra mill-Biomedical Imaging and Artificial Intelligence Research Cluster fl-Università ta' British Columbia għall-appoġġ u l-finanzjament.
RH, PP, ZH, RS u MA kienu responsabbli għall-iżvilupp tal-kontenut tat-tagħlim tal-workshops. RH u PP kienu responsabbli għall-iżvilupp tal-eżempji ta' programmar. KYF, OY, MT u PW kienu responsabbli għall-organizzazzjoni loġistika tal-proġett u l-analiżi tal-workshops. RH, OY, MT, RS kienu responsabbli għall-ħolqien tal-figuri u t-tabelli. RH, KYF, PP, ZH, OY, MY, PW, TL, MA, RS kienu responsabbli għall-abbozzar u l-editjar tad-dokument.
Communication Medicine tirringrazzja lil Carolyn McGregor, Fabio Moraes, u Aditya Borakati għall-kontribuzzjonijiet tagħhom għar-reviżjoni ta’ dan ix-xogħol.
Ħin tal-posta: 19 ta' Frar 2024