Módulo 1: introducción a la IA y herramientas

El objetivo de este módulo es proporcionar una introducción de alto nivel a los conceptos básicos y herramientas utilizadas en la IA. Abordara la IA desde una perspectiva histórica, donde se desarrollarán  temas que se encuentran íntimamente ligados con la medicina. Además, se presentarán las herramientas básicas que se pueden utilizar hoy en día para el desarrollo de sistemas de IA.  

Contenido temático: 

Introducción a la inteligencia artificial: Definición, aproximaciones.

Historia de la IA general y en medicina.

Modelos de neuronas, Redes neuronales, algoritmos de búsqueda, modelos de procesamiento natural de lenguaje

Herramientas para el uso de IA. (bajo y alto nivel)

Módulo 2:       Procesamiento de Datos Clínicos     

El objetivo de este módulo es conocer el ciclo de vida de los datos. La esencia de todo proyecto que involucre herramientas de aprendizaje automático de máquina son los datos.

En este módulo se entenderá cómo se adquieren los datos, cómo se organizan, que consideraciones éticas y experimentales se deben tener a la hora de recolectar los datos. Específicamente para el procesamiento de datos clínicos, se discutirá la regulación de tratamiento de datos biomédicos, incluyendo temas como privacidad de datos en salud, confidencialidad, anonimización, consentimiento informado y otras técnicas de protección de datos. 

También se presentarán herramientas básicas para la exploración inicial de los datos (estadística), para la visualización de los datos clínicos, así como técnicas de preprocesamiento para mejorar la calidad de los datos obtenidos. 

Contenido temático: 

Datos biomédicos y clínicos:  recolección de datos, tipos de datos, bases de datos  

Regulación del uso de datos biomédicos y clínicos: normativa y consideraciones éticas para el uso de los datos. 

Preparación de los datos: limpieza de datos, integración de datos multimodales, curaduría de datos. 

Analítica de datos: transformación de los datos (PCA, MCA), exploración e interpretación estadística de los datos, herramientas de visualización científica. 

Módulo 3: Fundamentos en Machine Learning 

En este módulo se abordarán los conceptos básicos sobre inteligencia artificial. Luego se enfocará en el estudio de modelos de aprendizaje automático de máquina. Se estudiarán los diferentes esquemas de aprendizaje tales como: supervisado, no supervisado, por refuerzo, y se discutirán las diferencias básicas entre aprendizaje automático clásico y aprendizaje profundo. Desde una perspectiva de alto nivel, se presentarán los diferentes modelos de aprendizaje de máquina existentes en la literatura y utilizados comúnmente en aplicaciones de IA en salud: k-means, SVM, ANN, kNN, random forests, CNN, RNN, autoencoders, modelos de atención, transformers y modelos generativos (GANG y difusión).  

Contenido temático: 

Introducción a la IA: IA general vs IA débil. IA generativa. Definiciones sobre machine learning, deep learning, aprendizaje por refuerzo, etc.

Aprendizaje automático de máquinas: Aprendizaje supervisado vs aprendizaje no supervisado. Regresión y clasificación, aprendizaje en machine learning.

Regresión Lineal: Definición formula y casos de uso.  (interpretabiliad).

Regresión logística: Definición formula y casos de uso.

k-means: Definición y casos de uso.

Arboles de decision: Definición y casos de uso

Modelos no-lineales: machine learning clásico, justificación para el uso de modelos nolinales, random forests , SVM, ANN,.

Redes profundas: CNN, RNN, Modelos de atención y Transformers, ChatGPT.

Modelos generativos: Autoencoders, GANGs, Modelos de Difusion.

Evaluación y selección de modelos.

Módulo 5: Aplicaciones de IA en Salud

En este módulo se estudiarán diferentes modelos de inteligencia artificial que se han utilizado en aplicado en investigación y práctica clínica. Este módulo se impartirá en forma de casos de estudio, de tal manera que se pueda entender de forma clara la problemática, los métodos utilizados, y los resultados obtenidos en las diferentes aplicaciones. Con un enfoque multidimensional, se abordarán temas relacionados con la implementación de estudios clínicos en el campo de la inteligencia artificial. Así mismo, se discutirán los desafíos bioéticos que se deben tener en cuenta para realizar una apropiación responsable de estas tecnologías en el campo clínico.  

Contenido temático: 

introducción al curso (recapitulación de lo visto hasta ahora) (overview construcción, evaluación y selección de modelos)

Historia clínica electrónica y datos clínicos

Señales

Imágenes

voz

Consideraciones éticas

Módulo 6: Hackathon de IA en Salud

En este módulo se desarrollará pequeño proyecto de IA en salud. Para este proyecto se identificará una problemática clara, se realizará un análisis de la información disponible, descripción pre-procesamiento de datos, selección y evaluación de modelos, y presentación de los resultados obtenidos. La idea de este proyecto es que los participantes tengan una idea general de cómo implementar los pasos en el desarrollo de un modelo de IA. Al finalizar se discutirán diversas consideraciones tanto técnicas como clínicas y bioéticas, para la puesta en producción de estos modelos y su traslado a la práctica clínica