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
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.

Profesorado

Responsable

  • Domenec Savi Puig Valls ( )

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. Capacidad de leer, entender i relacionar la información contenida en documentos científicos y tecnológicos
    Competencias relacionadas: CEA8, CG1, CT3, CT6, CB7, CB8, CB9,
  2. Entrenar la síntesis, preparación, exposición y defensa de temas científicos en público
    Competencias relacionadas: CEA8, CG1, CT3, CT6, CB7, CB8, CB9,
  3. Habilidad para conectar y complementar las propias ideas con la de otros y también con las tecnologías de la IA explicadas en otras asignaturas.
    Competencias relacionadas: CEP3, CEP6, CT3, CT6,

Contenidos

  1. La inteligencia artificial en la salud
    Revisión del estado de la IA en la salud
  2. Grandes retos del soporte a la decisión clínica
    Revisión de los temas pendientes de investigación y desarrollo de los sistemas de ayuda a la decisión clínica
  3. Mineria de datos en salud
    Revisión de las tecnologías de minería de datos importantes y su aplicación a la medicina
  4. Análisis de grandes datos en salud
    Una descripción del análisis de grandes datos en salud i su aplicación
  5. IBM Watson
    El uso de IBM Watson y la tecnología subyacente en su aplicación a la salud
  6. Retos éticos y recomendaciones en la IA para la Salud
    Entorno de trabajo ético cuando la IA se aplica a la medicina

Actividades

Actividad Acto evaluativo


Introducción de la asignatura

El profesor expondrá los aspectos relevants de la asignatura: Contenido; Material; Calendario; Evaluación; Bibliografía
  • Teoría: Presentación del profesor i del curso, método de evaluación y dinámica de las clases

Teoría
2h
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.
  • Aprendizaje autónomo: El estudiante desarrollará 5 temas para presentar en grupo
Objetivos: 1
Contenidos:
Teoría
0h
Problemas
0h
Laboratorio
0h
Aprendizaje dirigido
0h
Aprendizaje autónomo
40h

Exposición y Preguntas Tema 1

Los estudiantes expondrán y responderán preguntas sobre el tema 1 (en grupo)
Objetivos: 2
Semana: 3
Tipo: examen de teoría
Teoría
3h
Problemas
0h
Laboratorio
0h
Aprendizaje dirigido
0h
Aprendizaje autónomo
2h

Exposición y Preguntas Tema 2

Los estudiantes expondrán y responderán preguntas sobre el tema 2 (en grupo)
Objetivos: 2
Semana: 5
Tipo: examen de teoría
Teoría
3h
Problemas
0h
Laboratorio
0h
Aprendizaje dirigido
0h
Aprendizaje autónomo
2h

Exposición y Preguntas Tema 3

Los estudiantes expondrán y responderán preguntas sobre el tema 3 (en grupo)
Objetivos: 2
Semana: 7
Tipo: examen de teoría
Teoría
3h
Problemas
0h
Laboratorio
0h
Aprendizaje dirigido
0h
Aprendizaje autónomo
2h

Exposición y Preguntas Tema 4

Los estudiantes expondrán y responderán preguntas sobre el tema 4 (en grupo)

Semana: 9
Tipo: examen de teoría
Teoría
3h
Problemas
0h
Laboratorio
0h
Aprendizaje dirigido
0h
Aprendizaje autónomo
2h

Exposición y Preguntas Tema 5

Los estudiantes expondrán y responderán preguntas sobre el tema 5 (en grupo)

Semana: 11
Tipo: examen de teoría
Teoría
3h
Problemas
0h
Laboratorio
0h
Aprendizaje dirigido
0h
Aprendizaje autónomo
2h

Presentación Conclusiones I por el profesor

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

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%)
Participación i discusión de otras presentaciones (40%)

Bibliografía

Básica:

Complementaria:

  • Thirty years of artificial intelligence in medicine (AIME) conferences: A review of research themes - Peek, N.; Combi, C.; Marín, R.; Bellazi, R., Artificial intelligence in medicine , .
    https://pubmed.ncbi.nlm.nih.gov/26265491/
  • Artificial Intelligence transforms the future of health care - Noorbakhsh-Sabet, N.; Zand, R,; Zhang, Y.; Abedi, V., American journal of medicine , .
    https://pubmed.ncbi.nlm.nih.gov/30710543/

Web links

Capacidades previas

Conceptos básicos de la IA.