Contacta con nosotros

Temario del curso

Introducción a la IA en la salud

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

Preparación y gestión de datos de salud

  • Trabajo con historias clínicas 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 dispositivos portátiles o monitores de UCI

Técnicas de ajuste fino para modelos de salud

  • Aprendizaje por transferencia y adaptación específica del dominio
  • Ajuste específico de tareas para clasificación y regresión
  • Ajuste fino con pocos recursos cuando se dispone de datos anotados limitados

Predicción de enfermedades y pronóstico de resultados

  • Puntuación de riesgo y sistemas de alerta temprana
  • Analítica predictiva para readmisiones y respuesta al tratamiento
  • Integración de modelos multimodales

Ética, privacidad y consideraciones regulatorias

  • HIPAA, RGPD y manejo de datos de los pacientes
  • Mitigación del sesgo 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 desequilibrados y de alto riesgo
  • Pruebas simuladas frente a pipelines de prueba en el mundo real

Implementación y monitoreo en entornos de salud

  • Integración de modelos en los sistemas de TI 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 de salud, como historias clínicas electrónicas (EMR), datos de imágenes o notas clínicas
  • Conocimientos de Python y marcos de aprendizaje automático (por ejemplo, TensorFlow, PyTorch)

Dirigido a:

  • Desarrolladores de IA médica
  • Científicos de datos en el sector salud
  • Profesionales que construyen modelos diagnósticos o predictivos para la atención sanitaria
 14 Horas

Número de participantes


Precio por participante

Próximos cursos

Categorías Relacionadas