Diplomado
Inteligencia artificial en salud
SOMOS
EDUCACIÓN
CONTINUA
La propuesta de valor del diplomado en Inteligencia Artificial y Salud radica en ofrecer una formación completa que combina teoría y práctica en el uso de IA aplicada al sector salud. A través de este programa, los participantes obtendrán no solo una comprensión profunda de los conceptos teóricos de la inteligencia artificial, sino también habilidades prácticas para implementar soluciones innovadoras en medicina y ciencias de la salud. Guiados por docentes especializados de las facultades de Medicina e Ingeniería, los participantes explorarán el procesamiento de datos clínicos y biomédicos con un enfoque en la ética, la privacidad y el uso responsable de la tecnología.
Este diplomado se distingue por su enfoque en la aplicabilidad real de la IA en salud, preparando a los profesionales para enfrentar los desafíos del manejo de datos de salud y el desarrollo de soluciones basadas en IA que impacten positivamente en los resultados clínicos. La estructura del programa permite que los estudiantes apliquen sus conocimientos en el análisis de casos reales, desarrollando habilidades para gestionar e interpretar datos biomédicos y clínicos de forma segura y ética.
La propuesta de valor del diplomado en Inteligencia Artificial y Salud radica en ofrecer una formación completa que combina teoría y práctica en el uso de IA aplicada al sector salud. A través de este programa, los participantes obtendrán no solo una comprensión profunda de los conceptos teóricos de la inteligencia artificial, sino también habilidades prácticas para implementar soluciones innovadoras en medicina y ciencias de la salud. Guiados por docentes especializados de las facultades de Medicina e Ingeniería, los participantes explorarán el procesamiento de datos clínicos y biomédicos con un enfoque en la ética, la privacidad y el uso responsable de la tecnología.
Este diplomado se distingue por su enfoque en la aplicabilidad real de la IA en salud, preparando a los profesionales para enfrentar los desafíos del manejo de datos de salud y el desarrollo de soluciones basadas en IA que impacten positivamente en los resultados clínicos. La estructura del programa permite que los estudiantes apliquen sus conocimientos en el análisis de casos reales, desarrollando habilidades para gestionar e interpretar datos biomédicos y clínicos de forma segura y ética.
Objetivos
Desarrollar en los participantes una comprensión profunda y aplicada de la inteligencia artificial (IA) en el ámbito de la salud, dotándolos de los conocimientos teóricos y habilidades técnicas necesarias para integrar de manera efectiva la IA en su práctica profesional. Este diplomado busca capacitar a los profesionales en la gestión y análisis de datos clínicos y biomédicos, abarcando desde su adquisición y organización hasta su tratamiento ético y legal. A través de este programa, los participantes podrán aplicar modelos avanzados de IA y aprendizaje automático para la resolución de problemas complejos en salud, promoviendo la toma de decisiones informadas y el uso responsable de estas tecnologías en la mejora de los resultados de salud.
Módulo 1
-
Obtener una sólida comprensión de los conceptos, teorías y enfoques de la IA, incluyendo su evolución y su estado actual.
-
Examinar cómo la IA ha transformado la medicina a lo largo del tiempo, destacando hitos clave y desarrollos.
-
Definir los modelos y algoritmos comúnmente utilizados en aplicaciones de IA en salud: redes neuronales, algoritmos de búsqueda y procesamiento de lenguaje natural, con un enfoque en su aplicabilidad y relevancia en diagnósticos, tratamiento y gestión de la salud.
-
Explorar en detalle herramientas de software y plataformas de IA, tanto de bajo como de alto nivel, con ejemplos prácticos y demostraciones sobre cómo pueden ser utilizadas en entornos clínicos y de investigación.
Módulo 2
-
Comprender el Ciclo de Vida de los Datos Clínicos, desde la adquisición hasta el análisis, pasando por su correcta organización y tratamiento.
-
Conocer la Regulación y Consideraciones Éticas y su importancia de la privacidad, confidencialidad, consentimiento informado y otras normativas relacionadas con los datos de salud.
-
Adquirir Habilidades en la Preparación de datos, técnicas de limpieza de datos, integración de datos multimodales y curaduría para asegurar la calidad y fiabilidad de los datos.
-
Desarrollar habilidades básicas en Analítica de Datos, utilizar herramientas estadísticas y de visualización para explorar e interpretar datos clínicos.
Módulo 3
-
Tener conocimiento de los Conceptos Básicos de IA, distinguiendo entre IA general y IA débil, y comprender los principios de la IA generativa.
-
Explorar y entender las bases del Aprendizaje Automático, sus diferencias entre aprendizaje supervisado y no supervisado, y los fundamentos de la regresión y clasificación.
-
Conocer los Modelos Específicos de Machine Learning teniendo una aproximación básica de los diferentes modelos usados de modelos.
Módulo 4
-
Conocer los Modelos Específicos de Deep Learning, teniendo una aproximación básica de los diferentes modelos usados ANN, CNN, RNN, autoencoders, y modelos generativos.
-
Desarrollar criterios suficientes para la evaluación y selección efectiva de modelos de IA para diferentes aplicaciones en salud.
Módulo 5
-
Examinar estudios de caso detallados de IA en Salud para entender la aplicación práctica de la IA en diferentes aspectos de la salud.
-
Comprender los diferentes pasos integrados a la Implementación de Estudios Clínicos con IA, incluyendo pasos como la construcción, evaluación, y selección de modelos de IA.
-
Comprender los desafíos éticos asociados con la aplicación de IA en la práctica clínica.
Dirigido a
Médicos y personal clínico que buscan incorporar la IA en su práctica.
- Investigadores en salud que desean utilizar la IA para nuevos descubrimientos.
- Administradores y gestores de salud interesados en optimizar sistemas de salud con IA.
- Otros profesionales del ámbito sanitario con interés en la tecnología de IA y su impacto en la salud.
- Comprensión de los principios de la IA en Salud en conceptos fundamentales, evolución histórica, su impacto y transformación a la que nos está llevando en el sector de la salud.
- Aplicación de conocimientos de IA entendiendo los diferentes modelos y algoritmos de la IA relevantes, como redes neuronales y procesamiento de lenguaje natural.
- Familiarización con las herramientas computacionales de IA disponibles en el mercado.
- Comprensión integral del ciclo de vida de los datos en salud, desde su generación hasta su análisis, con un conocimiento profundo de las regulaciones y consideraciones éticas que rigen el uso de datos clínicos y biomédicos.
- Habilidades avanzadas en la preparación y limpieza de datos, buscando tener un conocimiento garantizando la calidad y fiabilidad necesarias para el análisis.
- Aplicar técnicas estadísticas básicas y herramientas de visualización científica para interpretar datos complejos, preparándolos para innovar y mejorar los procesos y resultados en salud a través del uso ético y efectivo de la inteligencia artificial.
- Comprensión integral de los principios y aplicaciones de la IA, conociendo diversos modelos de aprendizaje automático y deep learning, y aplicabilidad en el sector salud.
- Habilidades prácticas básicas de aplicación de los diversos modelos de aprendizaje automático y deep learning , mediante ejercicios de codificación y análisis de datos.
- Analizar y evaluar críticamente casos de estudio, y tener una aproximación a los modelos que se emplean en IA, especialmente en salud y poder aplicar este conocimiento de manera innovadora y responsable, mejorando así los procesos y resultados en salud.
Metodología
El diplomado se desarrollará en modalidad presencial, a través de distintos métodos educativos y principios de aprendizaje para adultos. Entre estos, conferencias interactivas con profesores de la facultad de Ingeniería y facultad de Medicina de la Pontificia Universidad Javeriana:
-
Temas abordados con actividades interactivas dados por los profesores de las facultades de Medicina e Ingeniería.
-
Talleres prácticos para aplicar conocimientos en casos reales.
-
Acceso a Recursos Digitales donde se dispone de diferentes artículos, videos y tutoriales prácticos.
Esta propuesta detallada asegura que el diplomado sea ideal para el profesional de salud con diferentes niveles de conocimiento, con un abordaje práctico y relevante para los profesionales de la salud interesados en la IA acompañados todo el tiempo por profesores de ambas facultades.
Los participantes que se encuentren fuera de Bogotá podrán acceder a las sesiones en modalidad sincrónica, participando de manera simultánea con quienes asistan de forma presencial.
Contenidos académicos
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
Conferencistas
Catalina Alvarado Rojas, PhD
Ingeniera Electrónica, MSc Ingeniería Electrónica y Computadores, PhD. Neurociencias
Directora Maestría en Bioingeniería y Profesora Asociada, Departamento de Ingeniería Electrónica, Pontificia Universidad Javeriana.
Alexander Caicedo Dorado, PhD
Ingeniero Electrónico, MSc Ingeniería de Control Industrial, PhD. Ingeniería Electrónica
Profesor asistente, Departamento de Ingeniería Electrónica. Pontificia Universidad Javeriana
Yoliset Romero
Especialista en Pediatría, Especialista en Neonatología, Especialista en Gerencia en la Calidad en Salud, Maestría en Educación para Profesionales de la Salud.
Profesor Instructor, Pontificia Universidad Javeriana. Hospital Universitario San Ignacio.
Leonar Giovanni Aguiar Martinez
Director Centro de Simulación Clínica, Médico especialista en Medicina Interna, Advanced Fellowship in Emergency Medicine. , PhD(c) Epidemiología Clínica. Profesor asistente Pontificia Universidad Javeriana,
Especialista en Medicina Interna Urgencias, Hospital Universitario San Ignacio.
Angel Alberto Garcia Peña
Director Unidad Cardiología, Hospital Universitario San Ignacio.
Médico especialista en Medicina Interna, especialista en Cardiología, MSc. en Epidemiología Clínica, Pontificia Universidad Javeriana, Hospital Universitario San Ignacio.
La Pontificia Universidad Javeriana otorgará certificado de asistencia a quienes hayan cumplido con el 80% de la asistencia a las sesiones programadas.
Descuentos
4% por pronto pago en curso o diplomados, cancelando 30 días calendario previos a la fecha de inicio (acumulable con otros descuentos).
10% egresados, afiliados a Cafam (válido para Colombia)
15% para grupos de 3 a 5 participantes en el mismo curso o diplomado.
20% para grupos de 6 personas en adelante, y en el tercer curso o diplomado realizado consecutivamente.
Apertura y fecha de inicio: la apertura y la fecha de inicio del
programa dependerá del mínimo número de inscritos,
establecido por la Universidad.
Certificación: se otorgará certificación a quien haya
cumplido como mínimo con el 80% de las actividades
programadas en el aula.
Forma de pago: efectivo, cheque de gerencia, tarjeta de
crédito (recibimos todas las tarjetas, cuenta de cobro).
Válido para Colombia:
**Art. 92 Ley 30 de 1992 - Las Instituciones de
Educación Superior no son responsables del
I.V.A.
**Numeral 6 del Art. 476 Estatuto Tributario
(ET) - Servicios excluidos del impuesto sobre
las ventas.