Máster en Aplicaciones de Inteligencia Artificial en Sanidad
Información del curso
Descripción
La utilización de la Inteligencia Artificial no ha parado de crecer en la sanidad en los últimos años. Esto se debe principalmente a dos razones: los miles de millones de euros que ahorra en costes y a la mejora de la eficacia en el diagnóstico de las diferentes patologías.
Con este Máster en Aplicaciones de Inteligencia Artificial en Sanidad vas a dominar las metodologías y herramientas utilizados en la Inteligencia Artificial en el sector de la salud.Este máster en Aplicaciones de Inteligencia Artificial en Sanidad te prepara para comprender y liderar equipos multidisciplinares que desarrollan proyectos de Inteligencia Artificial en las organizaciones sanitarias e industria relacionada.
Con este máster online alcanzarás una visión amplia de los aspectos técnicos, regulatorios, económicos y éticos necesarios para desarrollar proyectos de IA en el sector salud. Aprenderás conceptos básicos de programación y tratamiento de datos. Conocerás modelos de Inteligencia Artificial aplicados al diagnóstico y al seguimiento de distintas patologías. Y comprenderás las herramientas necesarias para implementar proyectos y metodologías de Inteligencia Artificial en organizaciones sanitarias.
Con este máster tú también serás parte de la auténtica revolución industrial.
Temario
- Introducción
- La cuarta revolución Industrial.
- ¿Qué entendemos por IA?
- Breve historia de la interacción entre medicina e inteligencia artificial.
- ¿Para qué podemos usar algoritmos de IA en el ámbito clínico?
- Sistemas de aprendizaje: Un mapa del entorno de la IA.
- ¿Qué necesitamos para desarrollar sistemas IA?
- Datos sanitarios: fuentes y características.
- Protección de Datos: RGPD.
- Investigación y ensayos clínicos.
- Implicaciones éticas.
- Tendencias actuales en atención y gestión sanitaria
- Medicina 5Ps.
- Decisión basada en valor.
- Situación actual de la IA en sanidad y potencial transformador
- Estrategia europea/nacional/autonómica.
- Impacto esperado de la IA en los próximos años.
- Casos de éxito en gestión de recursos.
- Casos de éxito en atención sanitaria.
- Bases matemáticas de la IA
- Sistemas expertos basados en reglas. Los precursores de la IA.
- Aprendizaje máquina o Machine Learning: modelos de regresión, clasificación y agrupamiento.
- Redes neuronales y aprendizaje profundo.
- El paradigma de aprendizaje. Selección de características y optimización de modelos.
- Python. Bloque 1: Introducción a Python
- ¿Qué es Python? Introducción. Python y la ciencia de los datos. Instalación y entorno de trabajo.
- Empezando en Python. (Teoría) Tipos de datos, variables, operadores, bucles y otras estructuras.
- Empezando en Python. (Práctica) Tipos de datos, variables, operadores, bucles y otras estructuras.
- Orientación a objetos: clases e instancia, atributos y métodos. Trabajar con llibrerías.
- Librerías fundamentales de Python para trabajar con datos: Numpy y Pandas.
- Python. Bloque 2: ML y DL en Python
- Introducción a la IA en Python. Librerías y niveles de abstracción.
- Análisis de datos en Python. Spicy, Matplotlib, Seaborn, statsmodels.
- Estructuración de datos: conjutos de datos para entrenamiento, validación y prueba. Data augmentation.
- Machine Learning en Python: Scikit-learn y ejemplos prácticos.
- Redes neuronales en Python: Pythorch, Tensorflow y Keras.
- Minería de datos en sanidad
- Tipos de datos en sanidad.
- Sistema informáticos hospitalarios (HIS) e historia clínica electrónica (HCE).
- Sistema de gestión de imágenes (PACS y DICOM).
- Interoperabilidad de datos en Sanidad. El estándar FHIR.
- AI en sanidad. Algoritmos y estrategias
- Minado de textos y Natural Language Processing (NLP).
- Análisis de la imágen médica. U-Nets y GANs.
- Automatización Robótica de procesos.
- Inteligencia Artificial y Computación en la nube.
- Ámbitos de aplicación
- Sistemas de Ayuda a la Decisión: Diagnóstico y tratamiento.
- AI en Drug Discovery y tratamientos personalizados.
- Mejoras de gestión.
- Interacción con el paciente y telemedicina.
- Evaluación y despliegue de IA en Sanidad
- Framework evaluación Outcome-Action-Pair (OAP).
- Ciclo de vida de un proyecto IA.
- Diseño y desarrollo.
- Validación.
- Monitorización y mantenimiento.
- Actores relevantes IA Sanidad.
- Desafíos y aspectos regulatorios IA en Sanidad
- Sesgo, interpretabilidad y equidad.
- Privacidad y seguridad.
- Entorno regulatorio.
- Organizaciones de salud orientadas a IA
- Implantación de una estrategia de IA.
- Intraemprendimiento corporativo y cambio cultural.
- Gestión de proyectos.
- Herramientas de financiación pública y privada de proyectos innovadores.
Destinatarios
Requisitos
- Biología
- Biomedicina
- Bioquímica
- Biotecnología
- Farmacia
- Medicina
- Enfermería
- Ingeniería
- Informática
- Otras titulaciones afines
Metodología
Idiomas en los que se imparte
Duración
Objetivos
- Conocer modelos de Inteligencia Artificial aplicados al diagnóstico y seguimiento de distintas patologías.
- Adquirir una visión amplia de los aspectos técnicos, regulatorios, económicos y éticos necesarios para desarrollar los proyectos de Inteligencia Artificial en el sector.
- Comprender las herramientas para implementar a proyectos metodologías de Inteligencia Artificial en organizaciones sanitarias.
Titulación obtenida
Prácticas
Perspectivas laborales
Promociones
- Financiación hasta 24 meses sin intereses