Contacta con nosotros

Temario del curso

Introducción a la IA en la Atención Médica

  • Aplicaciones de la IA en el apoyo a la decisión clínica y en el diagnóstico.
  • Descripción general de las modalidades de datos en salud: estructurados, texto, imágenes y sensores.
  • Desafíos únicos en el desarrollo de IA médica.

Preparación y Gestión de Datos en Salud

  • Trabajo con Registros Electrónicos de Salud (EMR), resultados de laboratorio y datos HL7/FHIR.
  • Preprocesamiento de imágenes médicas (DICOM, CT, MRI, rayos X).
  • Manejo de datos de series temporales provenientes de dispositivos portátiles o monitores de UCI.

Técnicas de Ajuste Fino para Modelos en Salud

  • Aprendizaje por transferencia y adaptación específica del dominio.
  • Ajuste de modelos específicos para tareas de clasificación y regresión.
  • Ajuste fino con recursos limitados utilizando datos anotados insuficientes.

Predicción de Enfermedades y Pronóstico de Resultados

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

Ética, Privacidad y Consideraciones Regulatorias

  • HIPAA, GDPR y manejo de datos de pacientes.
  • Mitigación de sesgos y auditoría 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.
  • Pipelines de prueba simulados frente a pruebas en el mundo real.

Implementación y Monitoreo en Entornos de Atención Médica

  • Integración de modelos en sistemas de TI hospitalarios.
  • CI/CD en entornos médicos regulados.
  • Detección de deriva post-implementación y aprendizaje continuo.

Resumen y Próximos Pasos

Requerimientos

  • Comprensión de los principios del aprendizaje automático y del aprendizaje supervisado.
  • Experiencia con conjuntos de datos médicos, como Registros Electrónicos de Salud (EMR), datos de imágenes o notas clínicas.
  • Conocimientos de Python y frameworks de aprendizaje automático (por ejemplo, TensorFlow, PyTorch).

Público Objetivo

  • Desarrolladores de IA médica.
  • Científicos de datos en el sector de la salud.
  • Profesionales que construyen modelos de diagnóstico o predicción para la atención médica.
 14 Horas

Número de participantes


Precio por participante

Próximos cursos

Categorías Relacionadas