Inteligencia Artificial en la Asistencia Sanitaria

Créditos
3
Tipos
Optativa
Requisitos
Esta asignatura no tiene requisitos , pero tiene capacidades previas
Departamento
URV;CS
Web
https://moodle.urv.cat
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 (domenec.puig@urv.cat)

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
    Teoría
    0h
    Problemas
    0h
    Laboratorio
    0h
    Aprendizaje dirigido
    0h
    Aprendizaje autónomo
    0h

    Exposición y Preguntas Tema 2

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

    Exposición y Preguntas Tema 3

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

    Exposición y Preguntas Tema 4

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

    Semana: 9
    Teoría
    0h
    Problemas
    0h
    Laboratorio
    0h
    Aprendizaje dirigido
    0h
    Aprendizaje autónomo
    0h

    Exposición y Preguntas Tema 5

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

    Semana: 11
    Teoría
    0h
    Problemas
    0h
    Laboratorio
    0h
    Aprendizaje dirigido
    0h
    Aprendizaje autónomo
    0h

    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

    Básico

    Complementario

    • 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.