Curso Online en IA Aplicada a la Farmacia y las Ciencias Biosanitarias

1.    Fundamentos de la inteligencia artificial y su contextualización en el ámbito biosanitario y farmacéutico

1.1.  Concepto, definición y evolución histórica de la inteligencia artificial

1.2.  Tipologías y enfoques principales de la inteligencia artificial

1.3.  Panorama actual de la IA en el sector biosanitario y farmacéutico

1.4.  El ecosistema tecnológico de la IA: plataformas, herramientas y recursos clave para el profesional biosanitario

1.5.  Competencias digitales necesarias para el profesional farmacéutico y biosanitario en la era de la inteligencia artificial

2.    Bases matemáticas, estadísticas y computacionales para la inteligencia artificial en ciencias biosanitarias

2.1.  Fundamentos de álgebra lineal y cálculo aplicados al aprendizaje automático

2.2.  Probabilidad y estadística inferencial en el contexto de la IA biosanitaria

2.3.  Introducción a la programación en Python y R para el profesional biosanitario

2.4.  Herramientas de visualización de datos aplicadas al análisis biomédico y farmacéutico

2.5.  Fundamentos de computación en la nube y recursos de alto rendimiento para proyectos de IA en salud

3.    Ciencia de datos y gestión de información en el entorno biosanitario y farmacéutico

3.1.  Fuentes y tipologías de datos en el ámbito biosanitario y farmacéutico

3.2.  Calidad, preprocesamiento y limpieza de datos biosanitarios

3.3.  Integración y armonización de datos procedentes de múltiples fuentes heterogéneas

3.4.  Big Data en salud: infraestructuras, arquitecturas y procesamiento a gran escala

3.5.  Gobernanza de datos y protección de la información sanitaria

4.    Aprendizaje automático (Machine Learning) aplicado a las ciencias de la salud

4.1.  Principios generales y taxonomía del aprendizaje automático en el contexto biosanitario

4.2.  Aprendizaje supervisado: algoritmos y aplicaciones en farmacia y biomedicina

4.3.  Aprendizaje no supervisado: descubrimiento de patrones en datos biosanitarios

4.4.  Aprendizaje por refuerzo y sus aplicaciones emergentes en la toma de decisiones terapéuticas

4.5.  Selección, ingeniería y extracción de variables relevantes en datos biomédicos de alta dimensionalidad

4.6.  Evaluación y validación de modelos de aprendizaje automático en entornos sanitarios

4.7.  Interpretabilidad y explicabilidad de los modelos predictivos en el ámbito biosanitario

5.    Aprendizaje profundo y redes neuronales aplicados a la biomedicina y la farmacia

5.1.  Fundamentos de las redes neuronales artificiales y arquitecturas básicas

5.2.  Redes neuronales convolucionales (CNN) para el análisis de imagen biomédica

5.3.  Redes neuronales recurrentes y modelos de secuencia en datos biosanitarios

5.4.  Redes generativas adversarias (GAN) y su aplicación en la generación de datos biomédicos sintéticos

5.5.  Modelos Transformer y arquitecturas de atención en el dominio biomédico

5.6.  Aprendizaje por transferencia y estrategias de entrenamiento eficiente con datos biosanitarios limitados

6.    Procesamiento del lenguaje natural y minería de textos en el ámbito farmacéutico y biosanitario

6.1.  Fundamentos del procesamiento del lenguaje natural aplicado a textos biomédicos

6.2.  Minería de textos y extracción de información en la literatura científica biomédica

6.3.  Análisis automatizado de informes clínicos, prospectos de medicamentos y documentación regulatoria

6.4.  Modelos de lenguaje especializados en biomedicina: BioGPT, PubMedBERT y Med-PaLM

6.5.  Sistemas conversacionales y asistentes virtuales aplicados a la atención farmacéutica y sanitaria

6.6.  Evaluación de la fiabilidad, detección de alucinaciones y control de calidad en modelos generativos aplicados a salud

7.    Inteligencia artificial aplicada al descubrimiento y desarrollo de nuevos fármacos

7.1.  Visión general del proceso de descubrimiento de fármacos y el papel transformador de la inteligencia artificial

7.2.  Identificación y validación de dianas terapéuticas mediante técnicas de IA

7.3.  Cribado virtual y diseño computacional de moléculas bioactivas

7.4.  Modelos QSAR/QSPR y predicción de propiedades fisicoquímicas y farmacocinéticas

7.5.  Optimización multiobjetivo de compuestos cabeza de serie asistida por inteligencia artificial

7.6.  Reposicionamiento de fármacos (drug repurposing) asistido por inteligencia artificial

7.7.  Aceleración de la formulación galénica y el desarrollo farmacéutico mediante modelos predictivos

7.8.  Integración de la IA en el pipeline completo de I+D farmacéutico: retos estratégicos y oportunidades

8.    Inteligencia artificial en la práctica farmacéutica asistencial y la atención farmacéutica personalizada

8.1.  Contribución de la inteligencia artificial a la transformación del ejercicio profesional farmacéutico

8.2.  Sistemas de soporte a la decisión clínica para el farmacéutico asistencial

8.3.  Personalización de la farmacoterapia mediante modelos predictivos de respuesta al tratamiento

8.4.  Automatización y optimización de la gestión en la farmacia hospitalaria y comunitaria

8.5.  Monitorización terapéutica inteligente y seguimiento farmacoterapéutico remoto del paciente

8.6.  Aplicaciones de la IA en la elaboración, el control de calidad y la trazabilidad de fórmulas magistrales

9.    Inteligencia artificial aplicada al diagnóstico clínico, la medicina de precisión y las ciencias ómicas

9.1.  Sistemas de apoyo al diagnóstico clínico basados en inteligencia artificial

9.2.  Genómica computacional e inteligencia artificial para la interpretación del genoma humano

9.3.  Integración de datos multiómicos para la estratificación y caracterización molecular de pacientes

9.4.  Medicina de precisión y diseño de terapias personalizadas asistido por inteligencia artificial

9.5.  Microbioma y metagenómica: aplicaciones de la IA en la caracterización y el análisis funcional microbiano

9.6.  Desafíos y perspectivas de la integración de la IA en los flujos de trabajo clínico-diagnósticos

10.    Inteligencia artificial en ensayos clínicos, farmacovigilancia y seguridad del medicamento

10.1.  Aplicaciones de la IA en el diseño y la planificación de ensayos clínicos

10.2.  Monitorización y análisis de datos en tiempo real durante el desarrollo de ensayos clínicos

10.3.  Farmacovigilancia inteligente: detección automatizada de señales de seguridad

10.4.  Modelado predictivo de la toxicidad y los efectos adversos de medicamentos en fases tempranas del desarrollo

10.5.  Generación automática de informes regulatorios y documentación de seguridad del medicamento

10.6.  Análisis de evidencia del mundo real (Real-World Evidence) para la evaluación de la efectividad y seguridad postcomercialización

11.    Marco ético, legal y regulatorio de la inteligencia artificial en farmacia y ciencias biosanitarias

11.1.  Principios éticos fundamentales para el desarrollo y uso responsable de la IA en salud

11.2.  Marco regulatorio europeo e internacional de la IA aplicada al sector sanitario y farmacéutico

11.3.  Protección de datos personales y sanitarios en proyectos de inteligencia artificial

11.4.  Responsabilidad profesional y legal ante decisiones clínicas y farmacéuticas asistidas por inteligencia artificial

11.5.  Transparencia, trazabilidad y auditabilidad de los sistemas de IA implantados en el entorno sanitario

11.6.  Consentimiento informado y comunicación al paciente sobre el uso de herramientas de inteligencia artificial en su atención

12.    Diseño, implementación y evaluación de proyectos de IA en entornos biosanitarios y tendencias de futuro

12.1.  Metodología para la planificación y gestión de proyectos de IA en el sector biosanitario

12.2.  Ciclo de vida completo de un proyecto de IA: del prototipo a la implantación en el entorno clínico-farmacéutico

12.3.  Evaluación del impacto clínico, económico y organizativo de las soluciones de IA implementadas

12.4.  Gestión del cambio organizacional y formación de profesionales biosanitarios para la adopción efectiva de la IA

12.5.  Tendencias emergentes y tecnologías disruptivas en la convergencia de la IA y las ciencias de la salud

12.6.  Prospectiva y visión estratégica del futuro de la inteligencia artificial en farmacia y ciencias biosanitarias