Gracias por enviar su consulta! Uno de los miembros de nuestro equipo se pondrá en contacto con usted en breve.
Gracias por enviar su reserva! Uno de los miembros de nuestro equipo se pondrá en contacto con usted en breve.
Temario del curso
Introducción a la IA en el ámbito sanitario
- Aplicaciones de la inteligencia artificial en la asistencia al diagnóstico y las decisiones clínicas
- Tipos comunes de datos médicos: estructurados, textuales, imágenes y procedentes de sensores
- Desafíos propios del desarrollo de IA para el sector salud
Preparación y gestión de datos sanitarios
- Trabajo con historias clínicas electrónicas, resultados analíticos e información conforme a estándares como HL7 o FHIR
- Preprocesamiento de imágenes médicas (DICOM, tomografías computarizadas, resonancias magnéticas y radiografías)
- Tratamiento de datos temporales procedentes de dispositivos portátiles o monitores de unidades de cuidados intensivos
Técnicas de ajuste fino para modelos sanitarios
- Aplicación del aprendizaje por transferencia y la adaptación al dominio médico específico
- Optimización especializada de modelos orientada a tareas como la clasificación o la regresión
- Estrategias eficaces para el ajuste fino con limitaciones en volumen y calidad de datos anotados
Predicción de enfermedades y pronóstico clínico
- Elaboración de escalas de riesgo y sistemas de alerta temprana para complicaciones o enfermedades
- Análisis predictivo relacionado con la posibilidad de reingreso hospitalario o la eficacia de tratamientos
- Integración sinérgica de modelos basados en diversas modalidades de datos
Ética, privacidad y requisitos normativos en la IA sanitaria
- Cumplimiento con leyes como HIPAA o GDPR respecto a la gestión y protección de datos personales
- Medidas para detectar y mitigar sesgos algorítmicos, garantizando equidad en el procesamiento informático
- Garantizar que los modelos ofrezcan explicaciones comprensibles a apoyar la toma de decisiones clínicas
Evaluación y validación rigurosa de modelos en contexto médico real
- Determinación de métricas relevantes (área bajo la curva ROC, sensibilidad, especificidad o puntuación F1)
- Procedimientos adecuados para validar modelos cuando los conjuntos disponibles son pequeños o de alto riesgo clínico
- Diferencias y puntos a considerar entre pruebas simuladas y análisis realizados en condiciones reales
Despliegue seguro y supervisión permanente de modelos sanitarios
- Técnicas eficaces para incorporar los sistemas desarrollados en infraestructuras informáticas hospitalarias
- Implementación adecuada de metodologías CI/CD ajustadas al estricto entorno regulador del sector salud
- Monitorización continua para identificar desviaciones no esperadas y apoyar mejoras incrementales mediante aprendizaje permanente
Resumen y recomendaciones futuras
Requerimientos
- Comprensión de los principios del aprendizaje automático y del aprendizaje supervisado
- Experiencia previa con conjuntos de datos sanitarios como historias clínicas electrónicas, imágenes médicas o notas clínicas
- Conocimientos básicos de Python y marcos de trabajo para el aprendizaje automático (por ejemplo, TensorFlow o PyTorch)
Público objetivo
- Desarrolladores de inteligencia artificial aplicada a la medicina
- Científicos especializados en datos sanitarios
- Profesionales que desarrollan modelos predictivos o para diagnóstico en el ámbito médico
14 Horas
Formación Corporativa a Medida
Soluciones de formación diseñadas exclusivamente para empresas.
- Contenido personalizado: Adaptamos el temario y los ejercicios prácticos a los objetivos y necesidades reales del proyecto.
- Calendario flexible: Fechas y horarios adaptados a la agenda de su equipo.
- Modalidad: Online (en directo), In-company (en sus oficinas) o Híbrida.
Precio por grupo privado (formación online) desde 2900 € + IVA*
Contáctenos para obtener un presupuesto exacto y conocer nuestras promociones actuales
