Curso Online en IA Aplicada a la Salud: Diagnóstico, Investigación y Gestión Clínica

1.    Fundamentos de la inteligencia artificial y su contexto en el sector sanitario

1.1.  Definición, evolución histórica y estado actual de la inteligencia artificial

1.2.  Principales ramas y subdisciplinas de la inteligencia artificial aplicadas a la medicina

1.3.  Panorama actual de la IA en los sistemas de salud a nivel global

1.4.  Oportunidades, desafíos y limitaciones de la inteligencia artificial aplicada a la salud

1.5.  Competencias digitales necesarias para profesionales sanitarios en la era de la IA

2.    Ciencia de datos y preparación de información clínica para sistemas de inteligencia artificial

2.1.  Tipos y fuentes de datos en el entorno sanitario

2.2.  Calidad del dato clínico: problemas habituales y estrategias de mejora

2.3.  Estándares de interoperabilidad y representación de datos en salud

2.4.  Anonimización, seudonimización y protección de datos de pacientes

2.5.  Infraestructuras de datos y repositorios para proyectos de IA en salud

3.    Fundamentos del aprendizaje automático aplicado al entorno sanitario

3.1.  Principios generales del aprendizaje supervisado, no supervisado y por refuerzo

3.2.  Algoritmos de aprendizaje supervisado con aplicación clínica directa

3.3.  Algoritmos de aprendizaje no supervisado para el análisis de datos sanitarios

3.4.  Ingeniería de características a partir de variables clínicas y biomédicas

3.5.  Evaluación y validación de modelos predictivos en el contexto médico

3.6.  Selección de modelos y optimización de hiperparámetros en proyectos de salud

4.    Aprendizaje profundo y redes neuronales en aplicaciones médicas

4.1.  Fundamentos de las redes neuronales artificiales y el aprendizaje profundo

4.2.  Técnicas de transferencia de aprendizaje en contextos sanitarios

4.3.  Redes generativas adversarias y modelos generativos aplicados a la salud

4.4.  Modelos de fundación y grandes modelos de lenguaje en el ámbito biomédico

4.5.  Frameworks y herramientas computacionales para el desarrollo de modelos de deep learning

5.    Inteligencia artificial aplicada al diagnóstico por imagen médica

5.1.  Fundamentos de la visión por computador en el análisis de imágenes biomédicas

5.2.  Detección, segmentación y clasificación automatizada de lesiones

5.3.  IA aplicada a la radiología y el diagnóstico por imagen convencional

5.4.  IA en dermatología: clasificación automatizada de lesiones cutáneas

5.5.  IA en oftalmología: análisis de fondo de ojo y detección automatizada de retinopatías

5.6.  IA en anatomía patológica: análisis de imágenes histopatológicas digitalizadas

5.7.  Integración de sistemas de IA en los flujos de trabajo de diagnóstico por imagen

6.    Inteligencia artificial aplicada al diagnóstico clínico y la medicina de precisión

6.1.  Sistemas de soporte a la decisión clínica basados en inteligencia artificial

6.2.  Modelos predictivos para el diagnóstico precoz de enfermedades

6.3.  Medicina de precisión y personalización del tratamiento mediante IA

6.4.  IA aplicada al análisis de señales biomédicas y monitorización del paciente

6.5.  Limitaciones y riesgos clínicos del diagnóstico asistido por inteligencia artificial

7.    Procesamiento del lenguaje natural en documentación y comunicación clínica

7.1.  Fundamentos del procesamiento del lenguaje natural en el contexto sanitario

7.2.  Extracción de información clínica a partir de textos no estructurados

7.3.  Modelos de lenguaje específicos para el dominio biomédico y clínico

7.4.  Generación automática de informes clínicos y resúmenes del paciente

7.5.  Chatbots y asistentes virtuales en la atención al paciente y el triaje clínico

7.6.  Minería de textos en literatura biomédica y farmacovigilancia automatizada

8.    Inteligencia artificial en la investigación biomédica y el descubrimiento de fármacos

8.1.  Papel de la inteligencia artificial en la aceleración de la investigación biomédica

8.2.  IA aplicada al descubrimiento y desarrollo de nuevos fármacos

8.3.  IA en genómica, transcriptómica y análisis multiómico

8.4.  Diseño inteligente de ensayos clínicos y reclutamiento de pacientes

8.5.  Revisión sistemática automatizada y síntesis de evidencia científica con IA

8.6.  Reproducibilidad y transparencia en la investigación biomédica basada en inteligencia artificial

9.    Inteligencia artificial aplicada a la gestión clínica y la optimización de recursos sanitarios

9.1.  Introducción a la gestión clínica basada en inteligencia artificial y analítica avanzada

9.2.  Optimización de flujos de pacientes y gestión de la demanda asistencial

9.3.  Planificación y asignación eficiente de recursos sanitarios

9.4.  IA en la mejora de la calidad asistencial y la seguridad del paciente

9.5.  Análisis predictivo para la gestión poblacional de la salud

9.6.  Cuadros de mando e indicadores de gestión clínica potenciados por inteligencia artificial

10.    Ética, regulación y marco legal de la inteligencia artificial en salud

10.1.  Principios éticos fundamentales de la IA aplicada al ámbito sanitario

10.2.  Sesgos algorítmicos y equidad en las aplicaciones sanitarias de la IA

10.3.  Explicabilidad e interpretabilidad de los modelos de IA en la práctica médica

10.4.  Marco regulatorio europeo e internacional para la IA en salud

10.5.  Certificación, validación clínica y aprobación regulatoria de sistemas de IA médica

10.6.  Consentimiento informado y relación médico-paciente en la era de la inteligencia artificial

11.    Implementación, integración y evaluación de sistemas de IA en entornos sanitarios

11.1.  Estrategias de implementación de soluciones de IA en organizaciones sanitarias

11.2.  Integración técnica de la IA en los sistemas de información sanitaria

11.3.  Evaluación del impacto clínico, económico y organizativo de la inteligencia artificial

11.4.  Monitorización continua y mantenimiento de modelos de IA en producción

11.5.  Barreras y factores facilitadores para la adopción de IA en instituciones sanitarias

11.6.  Gobernanza de datos e inteligencia artificial en organizaciones de salud

12.    Casos prácticos y proyectos aplicados de inteligencia artificial en salud

12.1.  Metodología para el diseño y desarrollo de proyectos de IA en el ámbito sanitario

12.2.  Caso práctico de diagnóstico por imagen médica asistido por inteligencia artificial

12.3.  Caso práctico de modelo predictivo clínico para soporte a la decisión médica

12.4.  Caso práctico de procesamiento del lenguaje natural aplicado a documentación clínica

12.5.  Caso práctico de optimización de gestión y recursos sanitarios mediante inteligencia artificial

12.6.  Presentación, comunicación y traslación de resultados al entorno clínico real