Máster en Inteligencia Artificial Aplicada a la Gestión Sanitaria

El diseño de los objetivos de aprendizaje del máster en busca proporcionar una base sólida tanto en los principios teóricos de la IA como en sus aplicaciones prácticas específicas, y así:

• Comprender los fundamentos de la IA, incluyendo las diferencias y aplicaciones de Machine Learning, Deep Learning, y Procesamiento del Lenguaje Natural. 
• Capacitar a los profesionales en el uso y análisis de grandes volúmenes de datos, que les permitan analizar, para hacer predicciones y tomar decisiones de gestión de negocio, clínicas o asistenciales.  
• Automatizar tareas administrativas o rutinarias. Aplicar las herramientas de automatización e integrarlas en la práctica clínica diaria. 
• Optimizar los procesos, sean asistenciales o no, tales como optimización de rutas, predicción de demanda, mantenimiento de equipos o instalaciones, logística, transporte sanitario, aprovisionamiento o gestión de stocks. 
• Adquirir conocimientos sobre IA Generativa y cómo puede ser utilizada para crear nuevos formatos de información, divulgación y comunicación. 
• Creación de prompts, técnicas para formular preguntas a las herramientas de IA Generativa para que faciliten respuestas útiles y precisas. 
• Emplear el uso de asistentes virtuales que les ayuden en la gestión del tratamiento del paciente, recordatorios de medicación, etc. 
• Aplicar soluciones que protejan la información sanitaria y aseguren su confidencialidad. 
• Evaluar los riesgos, consideraciones éticas y legales al implementar tecnologías de IA en el ámbito de la salud, implementando un marco ético para la adopción y uso responsable. 

Módulo 1. Campos de la Inteligencia Artificial

• Fundamentos de la Inteligencia Artificial
• Machine Learning
• Deep Learning (redes neuronales) 
• Procesamiento del Lenguaje Natural 
• IA Generativa 
• Riesgos, ética y legislación aplicable

Módulo 2. Aplicación de IA en la Gestión Sanitaria.

• Automatización Inteligente de Procesos.
• Personalización de la atención al paciente. 
• Data-dirven en Salud. 
• Mantenimiento predictivo de equipos e instalaciones.
• Identificación de anomalías. 
• Prevención de amenazas de seguridad.

Módulo 3. Implementación de Proyectos de IA en Organizaciones Sanitarias

• Entendiendo el Negocio  
• Recopilación y análisis exploratorio de datos 
• Entendiendo los datos. Data Driven en Salud 
• Modelización; selección y entrenamiento de modelos 
• Evaluación y rendimiento de los modelos de IA 
• Despliegue, monitorización y mantenimiento

Módulo 4. Trabajo Fin de Máster. (TFM)

• Profesionales en hospitales.
• Profesionales en Centros Sanitarios.
• Trabajadores de Residencias.
• Trabajadores de Gerontológicos.
• Empleados de Servicios de Atención Domiciliaria.
• Empleados de la Industria Farmacéutica, Biotecnología y de Equipamiento Médico.
• Empleados de Aseguradoras de Medicina.
• Otras empresas Sociosanitarias y Tecnologías Sanitarias.