CURSO ENFOCADO
Inteligencia Artificial (IA) en el sector sanitario
-
32 horas de dedicación
-
28 de febrero - 31 de marzo de 2023
-
Límite de solicitud: 21 de febrero de 2023
-
100% online
-
Plazas limitadas
Objetivos de aprendizaje
GENERALES
Comprender el desarrollo actual y el potencial de la IA en el ámbito de la salud.
Inspirar la búsqueda de soluciones y aplicaciones de la IA en el ámbito de la salud.
ESPECÍFICOS
Conocer las tecnologías, métodos, enfoques y herramientas de Inteligencia Artificial y Big Data y cómo están revolucionando el sector de la salud.
Aplicar los conocimientos adquiridos mediante la realización de ejercicios prácticos.
Ilustrar las posibilidades de aplicación de la Inteligencia Artificial mediante el conocimiento de casos de uso.
Proponer un proyecto para desarrollar una solución mediante el uso de la Inteligencia Artificial.
PROGRAMA Y CONTENIDOS
Martes y jueves de 18.00 a 20.00 horas
100 % online.
Metodología: Modelo intensivo con sesiones en directo martes y jueves de 18.00 a 20.00 horas.
Sesiones grabadas a disposición de los alumnos.
Al término de cada Unidad teórica se realizará un cuestionario de evaluación.
Actividades prácticas en el área de conocimiento de “Machine Learning” y de “Deep learning”.
Elaboración de un proyecto final en grupo.
Introducción al Programa y Estrategia Digital en Salud
A través de algunos ejemplos y experiencias conoceremos los retos y oportunidades que nos ofrece la Inteligencia Artificial (IA) en un contexto de transformación digital para aportar valor en la atención y tratamiento de los pacientes y las enfermedades.
Data Literacy en Salud
Actualmente es necesario disponer de una "Data Literacy" que ayude a mejorar la función de los profesionales de la salud. Este cambio del modelo mental supone entender el dato como un activo estratégico que deriva una ventaja si es analizado y transformado en conocimiento. Conocer las tipologías de datos de salud y su ciclo de vida es vital, así como el correcto gobierno de este nuevo activo. El buen gobierno establecerá una correcta organización de profesionales dedicados a su explotación, su calidad, su seguridad y el cumplimiento normativo.
Ética y Salud
Detrás de los datos y de los dispositivos que los obtienen existen personas. Detrás del diseño de algunos algoritmos matemáticos pueden existir sesgos. El respeto a la legalidad vigente y la responsabilidad jurídica son necesarias; la perspectiva ética, es imprescindible.
Capacidades en Plataforma Digital y Entorno Analítico
Esta sesión dotará a los alumnos de las capacidades técnicas necesarias para poder darse de alta en la plataforma y acceder a ella, así como para cargar todos los materiales académicos de las sesiones prácticas.
Metodología de Diseño de Modelos de Inteligencia Artificial
Para poder desarrollar y validar modelos predictivos de calidad es preciso seguir una metodología contrastada. Entender que estos modelos dan solución a problemas diarios del mundo de la salud y cómo construirlos es el objetivo de la sesión. Detallaremos las fases de descripción de la información, modelización y validación, descripción de resultados y despliegue del modelo en el entorno sanitario.
Sesión Práctica de Machine Learning en Salud: aprendizaje supervisado y no supervisado aplicado a salud
En esta sesión práctica emplearemos la plataforma tecnológica para mostrar ejemplos de modelos de Machine Learning aplicados al sector salud: tanto modelos de aprendizaje supervisado (clasificación de fármacos e identificación de fármacos similares) como de aprendizaje no supervisado (agrupación homogénea de médicos).
Sesión Práctica de Deep Learning: Detección de Melanomas en Salud
En esta sesión práctica emplearemos la plataforma tecnológica para mostrar un ejemplo de aplicación práctica al sector salud. Desarrollaremos un modelo de detección de melanomas empleando el juego de datos de imágenes HAM 10000. Se explicará cómo se entrena una red neuronal profunda y cómo podemos mejorar su rendimiento para utilizarla en un diagnóstico temprano de esta enfermedad.
Sesión 1 de casos uso. Análisis de lesiones en cáncer colorrectal metastásico
Se analizaron lesiones tumorales diana (LTD) medidas en 1781 pacientes con carcinoma colorrectal metastásico con el fin de determinar diferencias en la dinámica de las LTD dentro de un tejido (intraclase) o entre diferentes tejidos (interclase), a través de la aproximación CICIL (“Clustering Classification of Individual Lesions”). Los coeficientes de correlación cruzada (CC) que determinan si cada par de lesiones seguía una dinámica similar u opuesta, se agruparon utilizando el método de agrupamiento de K-means. El grado de heterogeneidad tumoral cuantificada como la mediana de CC del paciente resultó ser un predictor significativo de la supervivencia global con un valor de cociente de riesgos de 1.44 (1.1-1.9), especialmente en pacientes que no presentaban mutación en el gen KRAS.
Sesión 2 de casos uso: Aplicación de la Inteligencia Artificial en la Telemedicina y Servicios de Urgencias
Aplicación de la Inteligencia Artificial en la Telemedicina y Servicios de Urgencias: Triaje, Reconocimiento rápido de casos de urgencias, Gestión de citas, Optimización de recursos y Soporte a operadores de centros de atención y médicos. ¿Cómo se aplica este caso de uso en SERMAS?
Metodología de Gestión de Proyectos Digitales en Salud
Se muestra una metodología de gestión de proyectos de Salud Inteligente: fases e hitos del proyecto, infraestructura Tecnológica, preparación del cronograma y de la organización del Proyecto, consideración de potenciales riesgos de proyecto, y preparación de presupuesto de la Propuesta (TCO). Todo ello para guiar a los alumnos a preparar el trabajo del programa consistente en la redacción del reto propuesto, la solución propuesta a nivel esquemático, y los resultados y beneficios esperados, y que será realizado en grupo.
Asistencia/Dudas en Diseño de Proyecto
Sesiones de Asesoría para Diseño del Programa Proyecto. Se responderán todas las preguntas sobre la elaboración del proyecto formuladas durante el curso.
Presentación de Proyectos
Presentación de Proyectos de los 10 grupos estimados de 6 personas cada uno. A continuación se calificarían los proyectos y se publicarán las calificaciones de UNAV.
Profesorado
El equipo de profesores está formado por especialistas en IA, directivos de empresas, académicos y facultativos de reconocido prestigio profesional y comprobada trayectoria en la materia impartida, que transmiten no sólo los conocimientos teóricos, sino también su propia experiencia en la aplicación práctica aportando soluciones en el sector salud.
SOLICITUD,
MATRÍCULA Y
CERTIFICACIÓN
Este curso enfocado, “Bases de la Inteligencia Artificial aplicadas a sanidad” está dirigido a profesionales sanitarios del SERMAS que desean conocer el presente y futuro; retos y oportunidades de la Inteligencia Artificial (IA) en su sector.
El plazo para solicitar la admisión al curso ya ha finalizado. Las solicitudes se resolverán el 24 de febrero de 2023, ese mismo día se notificará la decisión a todos los candidatos.
El proceso de admisión está supervisado por un comité de SERMAS en el que se valorarán tanto los criterios académicos como el impacto asistencial de los interesados en atender a la formación.
Los participantes que acrediten una participación en el 90% de las sesiones y una nota final del 80% obtienen una certificación de la Universidad de Navarra equivalente a 1 ECTS y una acreditación de Crédito de Formación en Salud (CFS en trámite).
El plazo para las solicitudes de admisión
ya ha finalizado.
NO SE ADMITEN MÁS SOLICITUDES.
Assumpta Chacón Moreno
Professional Programs
Universidad de Navarra
31009 Pamplona, España