Gracias por enviar su consulta! Uno de los miembros de nuestro equipo se pondrá en contacto con usted en breve.
Gracias por enviar su reserva! Uno de los miembros de nuestro equipo se pondrá en contacto con usted en breve.
Temario del curso
Introducción a la IA en la Salud
- Aplicaciones de la IA en el apoyo a decisiones clínicas y diagnóstico
- Descripción general de las modalidades de datos en salud: estructurados, texto, imágenes, sensores
- Desafíos únicos en el desarrollo de IA médica
Preparación y Gestión de Datos de Salud
- Trabajo con EMR, resultados de laboratorio y datos HL7/FHIR
- Preprocesamiento de imágenes médicas (DICOM, TC, RM, Rayos X)
- Manejo de datos de series temporales de wearables o monitores de UCI
Técnicas de Ajuste Fino para Modelos de Salud
- Transferencia de aprendizaje y adaptación específica del dominio
- Ajuste de modelos específico para la tarea, para clasificación y regresión
- Ajuste fino con pocos recursos y datos etiquetados limitados
Predicción de Enfermedades y Pronóstico de Resultados
- Puntuación de riesgo y sistemas de alerta temprana
- Análisis predictivo para reingresos y respuesta al tratamiento
- Integración de modelos multimodales
Ética, Privacidad y Consideraciones Regulatorias
- HIPAA, GDPR y manejo de datos del paciente
- Mitigación de sesgo y auditoría de equidad en los modelos
- Explicabilidad en la toma de decisiones clínicas
Evaluación y Validación de Modelos en Entornos Clínicos
- Métricas de rendimiento (AUC, sensibilidad, especificidad, F1)
- Técnicas de validación para conjuntos de datos desbalanceados y de alto riesgo
- Pruebas simuladas frente a pipelines de pruebas en el mundo real
Implementación y Monitoreo en Entornos de Salud
- Integración de modelos en sistemas de TI hospitalarios
- CI/CD en entornos médicos regulados
- Detección de deriva posterior a la implementación y aprendizaje continuo
Resumen y Próximos Pasos
Requerimientos
- Comprensión de los principios del aprendizaje automático y el aprendizaje supervisado
- Experiencia con conjuntos de datos de salud, como EMR, datos de imágenes o notas clínicas
- Conocimientos de Python y marcos de aprendizaje automático (por ejemplo, TensorFlow, PyTorch)
Audiencia Objetivo
- Desarrolladores de IA médica
- Científicos de datos en el sector salud
- Profesionales que construyen modelos de diagnóstico o predictivos para la salud
14 Horas