¿Por qué es importante su asistencia?

La Inteligencia Artificial (AI) es uno de los cambios metodológicos y tecnológicos más emocionantes de nuestra era. Combinada con el Big Data sanitario de alta calidad, puede transformar la atención médica en un sistema en el que humanos y máquinas trabajen juntos para brindar el mejor tratamiento a sus pacientes.

Aun así, la implantación práctica de aplicaciones avanzadas de Bioinformática, Informática Biomédica y Salud Digital requiere una alta implicación de profesionales sanitarios en colaboración con proveedores de tecnología y con analistas especialistas en uso masivo de datos.

El objetivo de este Curso de Especialización, acreditado por la Universidad Autónoma de Barcelona y dirigido a gestores hospitalarios y directivos de sistemas de salud, es dar una visión global de nuevas tecnologías aplicadas al ámbito de la salud, capacitando a los profesionales para autorizar, codirigir o participar en proyectos innovadores basados en datos, centrada en la necesidad de encarar la toma de decisiones y teniendo en cuenta su limitada disponibilidad de tiempo para la formación.

Programa

Módulo 1. Contexto Actual: Retos y Oportunidades

¿Dónde estamos y hacia dónde vamos?

Factores que influyen en la salud de las personas.

De la medicina generalista a los gemelos digitales pasando por la medicina de precisión.

Módulo 2. Estrategia en Salud Digital del SESCAM,
Dirección General de Salud Digital de la Agencia de Transformación Digital de Castilla-La Mancha

La Dirección General de Salud Digital de la Agencia de Transformación Digital de Castilla la Mancha, está llevando a cabo un proceso transformador de la Historia Clínica Electrónica y en particular del ecosistema de aplicativos que la constituyen, para hacer que estos interoperen entre sí. Se busca conseguir una verdadera interoperabilidad regional, nacional y europea, basándose en estándares sintácticos y semánticos reconocidos internacionalmente y siempre alineados con las prioridades, estrategias y necesidades del Servicio de Salud.

Módulo 3. Datos: de la gestión al conocimiento

¿Qué es un dato de salud?

Diferencia entre dato, información y conocimiento.

Fuentes y tipologías de datos más habituales en los sistemas de información sanitarias.

Tipos de usos de datos (primario vs. secundario).

Ciclo de vida de los datos; desde la adquisición hasta el uso y la reutilización.

¿Cómo se deben gestionar los datos de salud?

Mecanismos para garantizar seguridad, confidencialidad y privacidad de los datos.

Usos adecuados de la información.

Interoperabilidad en salud. Terminologías, modelos comunes de datos y estándares de información sanitaria. Principios FAIR y su importancia.

Desafíos actuales con los sistemas de información sanitarios. Problemáticas desde el registro hasta el post procesamiento. El horizonte en la gestión de datos sanitarios.

¿Qué usos tienen los datos en salud?

Análisis de los datos e interpretación de la información en uso secundario.

Reutilización de los datos para uso primario.

Metodologías analíticas.

Herramientas específicas para modelos de datos concretos

Sistemas de apoyo a la toma de decisión clínica.

Módulo 4. La IA como tecnología habilitadora en salud

La IA y su papel transformador en el ámbito de la salud.

¿Qué es la IA?

Historia de la IA (y en especial las aplicaciones en salud).

Tipo de IA actualmente: simbólica, predictiva, aprendizaje profundo, IA generativa.

¿Qué tipos de algoritmos usa la IA?

¿Cuál es el papel de los datos?

¿Cuál es el ciclo de vida de un sistema de IA?

¿Qué tipo de preguntas puede contestar la IA al sector de la salud?

Sistemas predictivos.

Sistemas generativos.

¿Qué procesos puede mejorar?

Optimización de procesos (productividad, eficiencia, costes, etc.).

Interfaces naturales: chatbots, transcripciones de audio, etc.

¿Qué límites tiene la IA basada en datos?

Límites de la IA predictiva.

Límites de la IA generativa.

Casos de éxito y lecciones aprendidas.

Módulo 5. Los retos éticos del desarrollo y aplicación de la IA en salud

¿Qué aspectos éticos debemos tener en cuenta?

Ética versus legalidad

Perspectiva técnica. Almacenamiento seguro. Privacidad diferencial. Datos sintéticos.

Control de riesgos.

Sesgos y discriminación. Representar a todas las poblaciones. Sesgos de una mala gestión de los datos. Sesgos resultado de discriminaciones estructurales.

¿Cómo hay que hacer el diseño de una aplicación IA en un contexto sanitario?

Recopilar datos. Establecer la relevancia de los datos. Asegurar la privacidad de las personas implicadas. Detectar y eliminar los sesgos.

Construcción del modelo. Control de datos personales. Fiabilidad, explicabilidad e interpretabilidad. ¿Hasta qué punto el modelo es una descripción de la realidad?

Comprobar el modelo. Datos de entrenamiento y datos de testeo.

Correlaciones versus causaciones.

Llevar el modelo al mundo real. Tipos de riesgos. Evaluación ex ante. Evaluación ex post.

Módulo 6. Cumplimiento normativo y seguridad

¿Qué aspectos legales debemos tener en cuenta?

Protección de datos.

La Ley Europea de IA.

Otras normas.

¿Cómo se asignan las responsabilidades legales a los diferentes agentes?

Ciberseguridad

Conceptos básicos

Técnicas de protección