22 กรกฎาคม 2569 ถึง 31 มีนาคม 2570

ชีวสารสนเทศ ปัญญาประดิษฐ์ และการประยุกต์ใช้ข้อมูลสุขภาพ (Health Data Sciene เพื่อขับเคลื่อนการแพทย์แม่นยำ นวัตกรรมและผลิตภัณฑ์สุขภาพ)

คณะเภสัชศาสตร์ มหาวิทยาบูรพา

1. อุตสาหกรรมการเกษตรและเทคโนโลยีชีวภาพ

1. Data Science
2. Molecular Biology
3. Food Science

1. 1. อบรมทฤษฎีและปฏิบัติ ครั้งที่ 1 เรื่อง ภาพรวม Genomics ประเทศไทย และพื้นฐาน Bioinformatics
2. 2. อบรมทฤษฎีและปฏิบัติ ครั้งที่ 2 เรื่อง ชนิดของ Genetic Variants และความสัมพันธ์กับโรค Bioinformatics สาหรับ 5 กลุ่มโรคสาคัญ
3. 3. อบรมทฤษฎีและปฏิบัติ ครั้งที่ 3 เรื่อง Online Tools & Databases สาหรับ Genomics
4. 4. อบรมทฤษฎีและปฏิบัติ ครั้งที่ 4. เรื่อง Sequencing & Genotyping Technologies
5. 5. อบรมทฤษฎีและปฏิบัติ ครั้งที่ 5 เรื่อง Annotation & Variant Interpretation
6. 6. อบรมทฤษฎีและปฏิบัติ ครั้งที่ 6 เรื่อง Variant Prioritization & Evidence Synthesis
7. 7. อบรมทฤษฎีและปฏิบัติ ครั้งที่ 7 File Formats และการใช้ Genome Visualization Tools
8. 8. อบรมทฤษฎีและปฏิบัติ ครั้งที่ 8 Linux, Scripting, และ Workflow Automation
9. 9. อบรมทฤษฎีและปฏิบัติ ครั้งที่ 9 เรื่อง Machine Learning & Bioinformatics Platforms
10. 10. อบรมทฤษฎีและปฏิบัติ ครั้งที่ 10 เรื่อง Pharmacogenomics & Precision Medicine
11. 11. อบรมทฤษฎีและปฏิบัติ ครั้งที่ 11 เรื่อง กฎหมาย จริยธรรม Biobank, Data Governance และ Cloud Computing
12. 12. อบรมทฤษฎีและปฏิบัติ ครั้งที่ 12 เรื่อง Counseling และการสื่อสารผล PGx

Bootcamp

คณะเภสัชศาสตร์ มหาวิทยาลัยบูรพา

ภาคทฤษฎี 60 ชั่วโมง | ภาคปฏิบัติ 60 ชั่วโมง

• อธิบายหลักการพื้นฐานของ Bioinformatics, Pharmacogenomics และ Precision Medicine ได้ รวมถึงชนิดข้อมูลชีวภาพ, เทคโนโลยีถอดรหัสพันธุกรรม และบทบาทของ genomics ต่อการใช้ยาอย่างเหมาะสม
• ใช้ฐานข้อมูลและแหล่งข้อมูลสากลที่เกี่ยวข้องได้ เช่น NCBI, Ensembl, UniProt, PDB, GEO รวมถึงแนวทาง PGx เช่น CPIC, DPWG และข้อมูลกำกับยา (FDA/EMA PGx labeling)
• ใช้เครื่องมือ Bioinformatics พื้นฐาน เช่น BLAST, alignment, genome browser และวิเคราะห์ข้อมูล Omics เช่น variant calling, gene expression, annotation ได้
• ตีความข้อมูลพันธุกรรมเพื่อประเมิน gene–drug interaction (เช่น CYP2C19, CYP2D6, HLA) และเชื่อมโยง genotype → phenotype → clinical recommendation ได้
• ใช้ภาษา Python/R และ command line ในการสร้าง workflow วิเคราะห์ข้อมูลชีวภาพ พร้อมวิเคราะห์เชิงสถิติและสร้าง visualization เช่น heatmap, PCA, volcano plot
• ประเมินความเหมาะสมในการสั่งตรวจ PGx สำหรับผู้ป่วยรายบุคคล โดยพิจารณาปัจจัยทางคลินิก ความคุ้มค่า และข้อจำกัดข้อมูล
• ประเมินความถูกต้อง คุณภาพ และข้อจำกัดของข้อมูล Bioinformatics และข้อมูลพันธุกรรม รวมถึงความแปรผันตามประชากร
• ปฏิบัติตามหลักจริยธรรม ความปลอดภัยของข้อมูลชีวการแพทย์และข้อมูลพันธุกรรม เช่น privacy, informed consent, data governance
• ทำงานและสื่อสารผลการวิเคราะห์กับแพทย์ นักวิทยาศาสตร์ และทีมสหสาขาได้อย่างถูกต้องและมีประสิทธิภาพ