Curso inicial de Inteligencia Artificial, de la teoría a la práctica aplicada al área de salud

SKU: 539-2-1-1-1-1.
Categorías: , .

Curso inicial de Inteligencia Artificial, de la teoría a la práctica aplicada al área de salud

Inscripción aquí

Inicio

Modalidad: Virtual, clases sincronicas.

Carga horaria 60 hs cátedra con evaluación final

Inicio: 13 de marzo de 2023 hasta el 15 de Mayo de 2023  –  Días de Clases:  Lunes de 18 a 20hs

Arancel:

Socios de la AMM:                                3 cuotas de $ 4000 (Cuatro mil Pesos) – Pago con Tarjeta de Crédito

No Socios:                                              3 cuotas de  $7000 (Siete mil Pesos) – Pago con Tarjeta de Crédito

 

DESTINADO A

Destinarios: Profesionales   y alumnos universitarios cursando último año de carreras del área de la Salud

OBJETIVOS

El objetivo del curso es introducir a los integrantes del equipo de salud que trabajan en áreas asistenciales, administrativas y estadísticas médicos, y aquellos con manejo de datos de los hospitales de la CABA, en conceptos teóricos y tecnológico básicos sobre la IA y el Machine Learning aplicados a la salud Objetivos específicos

  • Conocer experiencias y nacionales e internacionales donde se aplica el aprendizaje automático en la resolución de problemas de sistema de salud
  • Comprender las nociones básicas de IA
  • Entender cómo operan los algoritmos de IA
  • Entender la importancia de la generación de datos
  • Reconocer modos de recolección de la información
  • Adquirir habilidades para el diseño de un proyecto de IA en los establecimientos de salud se desempeñan

TEMA / CLASES

13-03-2023 Clase 1: Introducción al curso. Que es la IA. Características de la IA. Componentes. nuevo paradigma de gestión mediante grandes bases de datos en la Gestión de Salud. Fuentes de Datos en la actividad Médica y Hospitalaria

20-03-2023 Clase 2: Gestión de Bases de Datos. Estructura, Consultas y Operaciones básicas. Herramientas para gestión de Datos. Privacidad y Seguridad en el uso de Datos. Ética en el tratamiento de datos y modelos de Machine Learning. • Ejemplos de Gestión Hospitalaria y soporte al Diagnóstico

27-03-2023 Clase 3: Problemas de Regresión. Introducción. Ejemplos y marco. Introducción a Modelos de Regresión. Selección de Modelos y “Bias-Variance Tradeoff”. Clasificación Introducción a R. Regresión lineal simple. Test de Hipótesis e intervalos de confianza. Regresión Lineal Múltiple. Regresión en R.

03-04-2023 Clase 4: Problemas de Clasificación. Introducción a los problemas de clasificación. Regresión logística. Regresión logística multivariante. Regresión logística – Muestreo de casos y controles y multiclase. Análisis de discriminante y Bayes. Clasificación en R.

10-04-2023 Clase 5: Validación de modelos. “Cross-validation.” “K-fold Cross-Validation.” Cross-Validation: El camino equivocado y correcto. Remuestreo en R

17-04-2023 Clase 6: Métodos basados en árboles. Introducción a métodos basados en árboles. Más detalles sobre Árboles. Árboles de clasificación. “Bagging” y “Random forests”. “Boosting”. Métodos basados en árboles en R.

24-04-2023 Clase 7: Support Vector Machines. Hiperplanos de separación óptima. Clasificador “Support Vector”. SVMs en R.

08-05-2023 Clase 8: Introducción a Redes Neuronales. Introducción a las redes neuronales. Redes neuronales convolucionales. Clasificación de documentos. Redes neuronales recurrentes. Pronóstico de series temporales. Ajuste de redes neuronales. Deep Learning en R

15-05-2023 Clase 9: Aprendizaje no supervisado. Componentes principales. Componentes principales de orden superior. Agrupamiento “k-means”. Agrupamiento Jerárquico. Ejemplo de cáncer de mama. No supervisado en R. Certificación Al finalizar el curso, completar la evaluación de comprensión, trabajo final y encuesta de satisfacción, se entregará un certificado Firmado por El Instituto para el Desarrollo Humano y la Salud. Asociación de Médicos Municipales de la Ciudad de Buenos Aires. Centro Universitario de Investigaciones en Telemedicina y e-Salud, Facultad de Medicina, UBA

PLANTEL DOCENTE:

Director/as: Mariangeles Dominguez. Máster en gerencia y administración de sistemas y servicios de salud. Universidad Favaloro. Docente Adscripta UBA Medicina. Medico de Planta Hospital Durand.

Coordinador académico: Gustavo Demarco, Dr. en física, profesor adjunto en la facultad regional villa maría, universidad tecnológica nacional.

Docentes: Emiliano López Médico Clínico, Especialista en Gestión En Políticas Públicas y Docencia Universitaria Cintia Speranza Licencia de Economía especializada en Ciencia, tecnología y sociedad. Diseñó e impulsó la implementación de la Estrategia de Salud Digital en todo el país.

CARGA HORARIA:  

Modalidad: Virtual, clases sincronicas.

Días Lunes de 18 a 20 hs –  Duración: 13/3 al 15/5

Carga horaria 60 hs cátedra con evaluación final

Arancel:

     Socios de la AMM:                           3 cuotas de $ 4000 (cuatro mil Pesos)

     No Socios:                                         3 cuotas de  $7000 (Siete mil Pesos)

 

 

TEMA Y FUNDAMENTACIÓN:

La modernización digital de los Estados mediante el uso de los datos y la inteligencia artificial (IA) promueve gobiernos más ágiles, abiertos e innovadores, con significativos aumentos en la eficiencia de las administraciones y en la calidad de los servicios. Dicha digitalización, aunque con algún retraso, desembarcó en el sector salud para quedarse y crecer. Las agendas digitales impulsadas por los gobiernos locales resultaron efectivas para iniciar un sendero de digitalización de datos en salud, la cual se aceleró (casi en forma obligatoria) a partir de la tragedia del COVID 19.

A partir de la creciente disponibilidad de datos y el acceso a nuevas infraestructuras, útiles para el procesamiento de grandes volúmenes de datos, es que las tecnologías emergentes como la IA toman protagonismo en el mundo.

Según se señala en (BID, 2020), Argentina es un país pionero en la adopción de la IA en la región. La estrategia de IA —aún por consolidarse— será un instrumento que aporte al fortalecimiento del ecosistema de IA en el país. Sin embargo, es un país con un historial significativo en cuanto a investigación sobre IA, tanto a cargo de sus principales universidades como de centros de investigación externos (el INTA, el CONICET y la Agencia Nacional de Promoción de la Investigación) que se dedican a impulsar el desarrollo e implementación de la IA.

Desde el sector privado, el ecosistema de emprendimiento cuenta con el mayor número de empresas emergentes dedicadas a la IA, gracias a los apoyos legales y a la participación de ángeles inversionistas y fondos de capital. Por su parte, la sociedad civil ya ha realizado algunos esfuerzos especializados en el fomento de la IA y exhibe casos de uso de IA para el bien social que se encuentran en diferentes grados de madurez.

La IA aplicada al sector de la salud ha demostrado su utilidad para superar barreras de diferente índole que limitan el acceso a cuidados sanitarios de calidad, hay evidencias de sus ventajas para apoyar el diagnóstico y tratamiento de enfermedades, así como para una mejor administración de los servicios de salud y disminuir los costos. El éxito de cualquier iniciativa en este ámbito está condicionado a la disponibilidad de infraestructura, incentivos financieros para su utilización, la regulación en la materia, la formación del personal, la educación de los pacientes y la seguridad de sus datos.

Carlo N. De Cecco Brinda recomendaciones prácticas para el uso de la tecnología de IA en la práctica clínica, mostrando una integración óptima del flujo de trabajo. Según se profundiza en la bibliografía (de Cecco & van Assen, 2021), para que la IA se utilice con éxito en la práctica, todas las partes interesadas (hospitales, pacientes, entidades de servicios informáticos, médicos y gubernamentales) deben participar activamente en el proceso de implementación.

Es impartir una formación básica sobre IA al personal del equipo de salud, tanto en el área profesional como administrativo desde el comienzo de su formación académica tanto en pregrado como en posgrado aumentaría su adaptación y optimizaría su uso en la atención al paciente.