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 el diagnóstico.
  • Descripción general de las modalidades de datos médicos: estructurados, texto, imágenes y sensores.
  • Desafíos únicos en el desarrollo de IA médica.

Preparación y gestión de datos de atención médica

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

Técnicas de ajuste fino para modelos de atención médica

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

Predicción de enfermedades y previsión de resultados

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

Ética, privacidad y consideraciones regulatorias

  • HIPAA, GDPR y manejo de datos de 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 desbalanceados y de alto riesgo.
  • Pruebas simuladas frente a flujos de trabajo de prueba en el mundo real.

Despliegue y monitoreo en entornos de atención médica

  • Integración del modelo en los sistemas de TI hospitalarios.
  • CI/CD en entornos médicos regulados.
  • Detección de deriva posterior al despliegue y aprendizaje continuo.

Resumen y próximos pasos

Requerimientos

  • Comprensión de los principios del aprendizaje automático y del aprendizaje supervisado.
  • Experiencia con conjuntos de datos de atención médica, como EMR, datos de imágenes o notas clínicas.
  • Conocimiento de Python y marcos de aprendizaje automático (p. ej., TensorFlow, PyTorch).

Público objetivo

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

Número de participantes


Precio por participante

Próximos cursos

Categorías Relacionadas