Inteligencia Artificial en la Asistencia Sanitaria

Usted está aquí

Créditos
3
Tipos
Optativa
Requisitos
Esta asignatura no tiene requisitos, pero tiene capacidades previas
Departamento
URV;CS
Mail
El ámbito de la salud es uno de los principales campos de aplicación de la inteligencia artificial (IA) desde su aparición en 1956. La mayor parte de las tecnologías de IA encuentran un área de aplicación natural en problemas médicos , aunque el beneficio de esta aplicación se ha puesto a veces en duda. En los últimos tiempos, sin embargo, hemos sido testigos de un renacimiento del interés de en el IA aplicada a la medicina.

Mediante el análisis de artículos científico-tecnológicos relevantes, durante este curso el estudiante será introducido en varias soluciones de IA a problemas y necesidades de la medicina y se correlacionan los conceptos y tecnologías de IA estudiadas en otras asignaturas del máster con la resolución (o el apoyo a la resolución) de problemas clínicos.

Las classes son quincenales.

Profesores

Responsable

  • David Riaño ( )

Horas semanales

Teoría
1.5
Problemas
0
Laboratorio
0
Aprendizaje dirigido
0
Aprendizaje autónomo
3.5

Competencias

Competencias Técnicas Genéricas

Genéricas

  • CG1 - Capacidad para proyectar, diseñar e implantar productos, procesos, servicios e instalaciones en todos los ámbitos de la Inteligencia Artificial.

Competencias Técnicas de cada especialidad

Académicas

  • CEA8 - Capacidad de realizar investigación en nuevas técnicas, metodologías, arquitecturas, servicios o sistemas en el área de la Inteligencia Artificial.

Profesionales

  • CEP3 - Capacidad de aplicación de las técnicas de Inteligencia Artificial en entornos tecnológicos e industriales para la mejora de la calidad y la productividad.
  • CEP6 - Capacidad de asimilar e integrar los cambios del entorno economico, social y tecnologico a los objetivos y procedimientos del trabajo informatico en sistemas inteligentes.

Competencias Transversales

Trabajo en equipo

  • CT3 - Ser capaz de trabajar como miembro de un equipo interdisciplinar ya sea como un miembro mas, o realizando tareas de direccion con la finalidad de contribuir a desarrollar proyectos con pragmatismo y sentido de la responsabilidad, asumiendo compromisos teniendo en cuenta los recursos disponibles.

Razonamiento

  • CT6 - Capacidad de evaluar y analizar de manera razonada y critica sobre situaciones, proyectos, propuestas, informes y estudios de caracter cientifico-tecnico. Capacidad de argumentar las razones que explican o justifican tales situaciones, propuestas, etc.

Básicas

  • CB7 - Que los estudiantes sean capaces de integrar conocimientos y enfrentarse a la complejidad de formular juicios a partir de una información que, siendo incompleta o limitada, incluya reflexiones sobre las responsabilidades sociales y éticas vinculadas a la aplicación de sus conocimientos y juicios
  • CB8 - Que los estudiantes sepan comunicar sus conclusiones y los conocimientos y razones últimas que las sustentan a públicos especializados y no especializados de un modo claro y sin ambigüedades.
  • CB9 - Que los estudiantes posean las habilidades de aprendizaje que les permitan continuar estudiando de un modo que habrá de ser en gran medida autodirigido o autónomo.

Objetivos

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

Contenidos

  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

Actividades

Actividad Acto evaluativo


Introducción de la asignatura

El profesor expondrá los aspectos relevants de la asignatura: Contenido; Material; Calendario; Evaluación; Bibliografía

Teoría
1.5h
Problemas
0h
Laboratorio
0h
Aprendizaje dirigido
0h
Aprendizaje autónomo
0h

Preparación de 5 temas por los alumnos

Los cinco temas del curso son preparados por los estudiantes en grupos, semanas alternas.
Objetivos: 1
Contenidos:
Teoría
0h
Problemas
0h
Laboratorio
0h
Aprendizaje dirigido
0h
Aprendizaje autónomo
21h

Exposición y Preguntas Tema 1

Students expose and answer questions about topic 1 (in group).
Objetivos: 2
Semana: 3
Tipo: examen de teoría
Teoría
3h
Problemas
0h
Laboratorio
0h
Aprendizaje dirigido
0h
Aprendizaje autónomo
4h

Exposición y Preguntas Tema 2

Students expose and answer questions about topic 2 (in group).
Objetivos: 2
Semana: 5
Tipo: examen de teoría
Teoría
3h
Problemas
0h
Laboratorio
0h
Aprendizaje dirigido
0h
Aprendizaje autónomo
4h

Exposición y Preguntas Tema 3

Students expose and answer questions about topic 3 (in group).
Objetivos: 2
Semana: 7
Tipo: examen de teoría
Teoría
3h
Problemas
0h
Laboratorio
0h
Aprendizaje dirigido
0h
Aprendizaje autónomo
4h

Exposición y Preguntas Tema 4

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

Semana: 9
Tipo: examen de teoría
Teoría
3h
Problemas
0h
Laboratorio
0h
Aprendizaje dirigido
0h
Aprendizaje autónomo
4h

Exposición y Preguntas Tema 5

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

Semana: 11
Tipo: examen de teoría
Teoría
3h
Problemas
0h
Laboratorio
0h
Aprendizaje dirigido
0h
Aprendizaje autónomo
4h

Presentación Conclusiones I por el profesor

Exposición de las conclusiones del curso y de la materia.
Objetivos: 3
Contenidos:
Teoría
3h
Problemas
0h
Laboratorio
0h
Aprendizaje dirigido
0h
Aprendizaje autónomo
4.5h

Presentation of Conclusions II by the professor

Exposición de las conclusiones del curso y de la materia.
Objetivos: 3
Contenidos:
Teoría
3h
Problemas
0h
Laboratorio
0h
Aprendizaje dirigido
0h
Aprendizaje autónomo
4.5h

Metodología docente

Toda la asignatura se trabajará en grupos. A todos los grupos se les hará una presentación de un tema de IA aplicado a la medicina y se dará a conocer un artículo y unas preguntas relevantes relacionados con el tema presentado. El grupo tendrá 2 semanas para prepara una presentación oral de 15 minutos donde expondrá los temas relevantes del artículo así como su respuesta a las preguntas plateadas. Tras la presentación de todos los grupos, se hará una discusión abierta entre todos los grupos del tema en cuestión. Esta metodología se repetirá 5 veces a lo largo del curso, cada una con un tema de IA aplicada a la medicina diferente.

Método de evaluación

Presentación (60%): se evaluarà el ajuste al tiempo, la claridad de la presentación (oral), la claridad de la presentación (diapositivas), si se han atendido todos los temas importantes i la amenidad de la presentación.

Participación i discusión de otras presentaciones (40%)

Bibliografía

Básica:

  • 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.

Capacidades previas

Conceptos básicos de la IA.