Intel·ligència Artificial a l'Assistència Sanitària

Esteu aquí

Crèdits
3
Tipus
Optativa
Requisits
Aquesta assignatura no té requisits, però té capacitats prèvies
Departament
URV;CS
Mail
L'àmbit de la salut és un dels principals camps d'aplicació de la intel·ligència artificial (IA) des de la seva aparició en 1956. La major part de les tecnologies d'IA troben una àrea d'aplicació natural en problemes mèdics, encara que el benefici d'aquesta aplicació s'ha posat de vegades en dubte. En els últims temps, però, hem estat testimonis d'un renaixement de l'interès de en l'IA aplicada a la medicina.

Mitjançant l'anàlisi d'articles científic-tecnològics rellevants, durant aquest curs l'estudiant serà introduït en diverses solucions d'IA a problemes i necessitats de la medicina i es correlacionen els conceptes i tecnologies d'IA estudiades en altres assignatures del màster amb la resolució (o el suport a la resolució) de problemes clínics.

Les classes són quinzenals.

Professors

Responsable

  • David Riaño ( )

Hores setmanals

Teoria
1.5
Problemes
0
Laboratori
0
Aprenentatge dirigit
0
Aprenentatge autònom
3.5

Competències

Competències Tècniques Generals

Genèriques

  • CG1 - Capacitat per a projectar, dissenyar i implantar productes, processos, serveis i instal·lacions en tots els àmbits de la Intel·ligència Artificial.

Competències Tècniques de cada especialitat

Acadèmiques

  • CEA8 - Capacitat de realitzar investigació en noves tècniques, metodologies, arquitectures, serveis o sistemes en l'àrea de la Intel·ligència Artificial.

Professionals

  • CEP3 - Capacitat d'aplicació de les tècniques d'Intel·ligència Artificial en entorns tecnològics i industrials per a la millora de la qualitat i la productivitat.
  • CEP6 - Capacitat d'assimilar i integrar els canvis de l'entorn econòmic, social i tecnològic als objectius i procediments del treball informàtic en sistemes intel·ligents.

Competències Transversals

Treball en equip

  • CT3 - Ser capaç de treballar com a membre d'un equip interdisciplinari, ja sigui com un membre més o duent a terme tasques de direcció, amb la finalitat de contribuir a desenvolupar projectes amb pragmatisme i sentit de la responsabilitat, tot assumint compromisos considerant els recursos disponibles.

Raonament

  • CT6 - Capacitat d'avaluar i analitzar de manera raonada i crítica sobre situacions, projectes, propostes, informes i estudis de caracter cientific-tecnic. Capacitat d'argumentar les raons que expliquen o justifiquen aquestes situacions, propostes, etc.

Bàsiques

  • CB7 - Que els estudiants siguin capaços d'integrar coneixements i enfrontar-se a la complexitat de formular judicis a partir d'una informació que, essent incomplerta o limitada, inclogui reflexions sobre les responsabilitats socials i ètiques vinculades a l'aplicació dels seus coneixements i judicis.
  • CB8 - Que els estudiants sàpiguen comunicar les seves conclusions i els coneixements i raons darreres que les sustenten- a públics especialitzats i no especialitzats d'una manera clara i sense ambigüitats.
  • CB9 - Que els estudiants posseeixin les habilitats d'aprenentatge que els permetin continuar estudiant d'una manera que haurà de ser en gran mesura autodirigida o autònoma.

Objectius

  1. Capacity to read, understand, and relate the information contained in scientific & technological documents
    Competències relacionades: CB7, CB9, CT3, CT6, CEA8,
  2. Train the synthesis, preparation, exposition, and defense of scientific topics in public
    Competències relacionades: CB7, CB8, CB9, CT3, CT6, CEA8, CG1,
  3. Ability to connect and complement own ideas with other's and also with AI technologies explained in other courses
    Competències relacionades: CT3, CT6, CEP3, CEP6,

Continguts

  1. Artificial intelligence in health care
    A review of the state of AI in health care will be analyzed
  2. Grand challenges in clinical decision support
    A review of the pending reseach and development CDS open problems will be analyzed
  3. Data mining in health care
    A review of important AI data mining technologies and their application to medicine will be analyzed
  4. Big data analytics in health care
    A description of BDA and its application to health care will be analyzed
  5. IBM Watson
    The use of IBM Watson and technology underneath when applied to health care will be analyzed
  6. Conclusions to AI in health care
    Summary of important issues of AI in health care

Activitats

Activitat Acte avaluatiu


Introducció de l'assignatura

El professor exposarà els aspectes rellevants de l'assignatura: Contingut; Material; Calendari; Avaluació; Bibliografia

Teoria
1.5h
Problemes
0h
Laboratori
0h
Aprenentatge dirigit
0h
Aprenentatge autònom
0h

Preparació de 5 temes pels alumnes

Els cinc temes del curs són preparats pels estudiants en grups, setmanes alternes.
Objectius: 1
Continguts:
Teoria
0h
Problemes
0h
Laboratori
0h
Aprenentatge dirigit
0h
Aprenentatge autònom
21h

Exposició i preguntes Tema 1

Students expose and answer questions about topic 1 (in group).
Objectius: 2
Setmana: 3
Tipus: examen de teoria
Teoria
3h
Problemes
0h
Laboratori
0h
Aprenentatge dirigit
0h
Aprenentatge autònom
4h

Exposició i preguntes Tema 2

Students expose and answer questions about topic 2 (in group).
Objectius: 2
Setmana: 5
Tipus: examen de teoria
Teoria
3h
Problemes
0h
Laboratori
0h
Aprenentatge dirigit
0h
Aprenentatge autònom
4h

Exposició i Preguntes Tema 3

Students expose and answer questions about topic 3 (in group).
Objectius: 2
Setmana: 7
Tipus: examen de teoria
Teoria
3h
Problemes
0h
Laboratori
0h
Aprenentatge dirigit
0h
Aprenentatge autònom
4h

Exposició i Preguntes Tema 4

Students expose and answer questions about topic 4 (in group).

Setmana: 9
Tipus: examen de teoria
Teoria
3h
Problemes
0h
Laboratori
0h
Aprenentatge dirigit
0h
Aprenentatge autònom
4h

Exposició i Preguntes Tema 5

Students expose and answer questions about topic 5 (in group).

Setmana: 11
Tipus: examen de teoria
Teoria
3h
Problemes
0h
Laboratori
0h
Aprenentatge dirigit
0h
Aprenentatge autònom
4h

Presentació Conclusions I pel professor

Exposició de les conclusions del curs i de la materia.
Objectius: 3
Continguts:
Teoria
3h
Problemes
0h
Laboratori
0h
Aprenentatge dirigit
0h
Aprenentatge autònom
4.5h

Presentació Conclusions II pel professor

Exposició de les conclusions del curs i de la matèria.
Objectius: 3
Continguts:
Teoria
3h
Problemes
0h
Laboratori
0h
Aprenentatge dirigit
0h
Aprenentatge autònom
4.5h

Metodologia docent

Tota l'assignatura es treballarà en grups. A tots els grups se'ls hi farà una presentació d'un tema d'IA aplicat a la medicina i es donarà a conèixer un article i unes preguntes rellevants relacionats amb el tema presentat. El grup tindrà 2 setmanes per prepara una presentació oral de 15 minuts on exposarà els temes rellevants de l'article així com la seva resposta a les preguntes platejades. Després de la presentació de tots els grups, es farà una discussió oberta entre tots els grups del tema en qüestió. Aquesta metodologia es repetirà 5 vegades al llarg del curs, cadascuna amb un tema de IA aplicada a la medicina diferent.

Mètode d'avaluació

Presentacions (60%): s'avaluarà l'ajust al temps, la claredat de la presentació (oral), la claredat de presentació (diapositives), si s'han atès tots els temes importants i l'amenitat de la presentació.

Participació i discussions d'altres presentacions (40%)

Bibliografia

Bàsica:

  • The coming of age of artificial intelligence in medicine. - Patel VL, Shortliffe EH, et al. , J AIIM 46, 5-17., 2009.
  • Grand Challenges in clinical decision support. - Sitting DF, Wrigth A, et al. , JBI 41, 387-392, 2008.
  • A survey on data mining approaches for healthcare, - Tomar D, Agarwal S., IJ Bio-sci & Bio-tech. 5(5), 241-266., 2013.
  • Big data analytics in healthcare: promise and potential. - Raghupathi W, Raghupathi V., Health info science and syst. 2:3, 2014.
  • IBM Watson: how cognitive computing can be applied to big data challenges in life sciences research. - Chen Y, Argentinis E, et al., Clinical therapeutics 38(4), 688-701, 2016.

Capacitats prèvies

Conceptes bàsics de la IA.