Ponte en Contacto

Temario del curso

Introducción a la IA en la atención sanitaria

  • Aplicaciones de la IA en el apoyo a las decisiones clínicas y el diagnóstico.
  • Visión general de las modalidades de datos sanitarios: estructurados, texto, imágenes, sensores.
  • Desafíos exclusivos del desarrollo de IA médica.

Preparación y gestión de datos sanitarios

  • Trabajo con historias médicas electrónicas (EMR), resultados de laboratorio y datos HL7/FHIR.
  • Preprocesamiento de imágenes médicas (DICOM, TC, RMN, rayos X).
  • Manejo de datos de series temporales procedentes de wearables o monitores UCI.

Técnicas de ajuste fino para modelos sanitarios

  • Aprendizaje por transferencia y adaptación específica del dominio.
  • Ajuste de modelos específicos para la clasificación y la regresión.
  • Ajuste fino con recursos limitados mediante datos anotados reducidos.

Predicción de enfermedades y previsión de resultados

  • Evaluación de riesgo y sistemas de alerta temprana.
  • Análisis predictivo para reingresos y respuesta al tratamiento.
  • Integración de modelos multimodales.

Ética, privacidad y consideraciones normativas

  • HIPAA, GDPR y manejo de datos del paciente.
  • Mitigación de sesgos y auditorías de equidad en los modelos.
  • Explicabilidad en la toma de decisiones clínicas.

Evaluación y validación de modelos en entornos clínicos

  • Métricas de rendimiento (AUC, sensibilidad, especificidad, F1).
  • Técnicas de validación para conjuntos de datos desbalanceados y de alto riesgo.
  • Pruebas simuladas frente a canales de prueba en el mundo real.

Implementación y supervisión en entornos sanitarios

  • Integración de modelos en los sistemas informáticos hospitalarios.
  • CI/CD en entornos médicos regulados.
  • Detección de deriva posterior a la implementación y aprendizaje continuo.

Resumen y próximos pasos

Requerimientos

  • Comprensión de los principios del aprendizaje automático y el aprendizaje supervisado.
  • Experiencia con conjuntos de datos sanitarios, como historias médicas electrónicas (EMR), datos de imágenes o notas clínicas.
  • Conocimientos de Python y marcos de aprendizaje automático (p. ej., TensorFlow, PyTorch).

Perfil del participante

  • Desarrolladores de IA médica.
  • Científicos de datos en el sector sanitario.
  • Profesionales que desarrollan modelos de diagnóstico o predicción en atención sanitaria.
 14 Horas

Número de participantes


Precio por participante

Próximos cursos

Categorías Relacionadas