Máster en Aplicaciones de Inteligencia Artificial en Sanidad

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.

• 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.