Universitat Internacional de Catalunya
Intel·ligència Artificial II
Intel·ligència Artificial II
4
14874
4
Segon semestre
op
Llengua d'impartició principal: anglès
Altres llengües d'impartició: català, castellà
Altres llengües d'impartició: català, castellà
Professorat
Presentació
Aquesta segona part del curs proporciona una immersió profunda en l'aplicació de tècniques d'Intel·ligència Artificial (IA) en el camp de la biomedicina.
Al llarg del programa, els estudiants aprendran a implementar i avaluar models de IA en un context biomèdic real, abordant des de la predicció de la sensibilitat als medicaments fins a la interpretació de variants genètiques i el reconeixement d'imatges biomèdiques mitjançant xarxes neuronals convolucionals.
Requisits previs
Es recomana haver cursat i superat:
- Introducció a la bioinformàtica
- Bases de dades biològiques
Es recomana cursar en paral·lel:
- Intel·ligència Artificial I
- Coneixements de programació
Objectius
- Comprendre i aplicar tècniques de IA en la biomedicina.
- Desenvolupar habilitats pràctiques en la neteja i preparació de dades biomèdiques.
- Aprendre a construir i avaluar models de classificació i regressió per a resoldre problemes reals en biomedicina.
- Explorar l'aplicació d'algorismes avançats, com a xarxes neuronals convolucionals, en l'anàlisi d'imatges biomèdiques.
Competències/Resultats d’aprenentatge de la titulació
BÀSIQUES:
- CB1: Que els estudiants hagin demostrat posseir i comprendre coneixements en una àrea d'estudi que parteix de la base de l'educació secundària general, i se sol trobar a un nivell que, si bé es recolza en llibres de text avançats, inclou també alguns aspectes que impliquen coneixements procedents de l'avantguarda del seu camp d'estudi
- CB3: Que els estudiants tinguin la capacitat de reunir i interpretar dades rellevants (normalment dins de la seva àrea d'estudi) per a emetre judicis que incloguin una reflexió sobre temes rellevants d'índole social, científica o ètica
- CB4: Que els estudiants puguin transmetre informació, idees, problemes i solucions a un públic tant especialitzat com no especialitzat
- CB5: Que els estudiants hagin desenvolupat aquelles habilitats d'aprenentatge necessàries per a emprendre estudis posteriors amb un alt grau d'autonomia
GENERALS
- CG7: Integrar els conceptes bàsics relacionats amb el camp de la biomedicina tant a nivell teóric com experimental.
- CG10: Dissenyar, redactar i executar projectes relacionats amb l'àrea de les Ciències Biomèdiques
- CG11: Reconèixer conceptes bàsics de diferents àmbits vinculats a les ciències biomèdiques.
ESPECÍFICAS:
- CE7: Aplicar les eines estadístiques a estudis en Ciències de la Salut.
- CE19: Reconèixer els principis de les ciències biomèdiques relacionades amb la salut i aprendre a treballar en qualsevol àmbit de les Ciències Biomèdiques (empresa biomèdica, laboratoris de bioinformàtica, laboratoris de recerca, empresa d'anàlisis clíniques, etc)
- CT1: Desenvolupar la capacitat d'organització i planificació adequades al moment.
- CT2: Desenvolupar la capacitat per a la resolució de problemes.
- CT3: Desenvolupar la capacitat d'anàlisi i síntesi.
- CT4: Interpretar resultats experimentals i identificar elements consistents i inconsistents.
- CT5: Usar internet com a mitjà de comunicació i com a font d'informació.
- CT6: Saber comunicar, fer presentacions i redactar treballs científics.
- CT7: Ser capaç de treballar en equip.
- CT8: Raonar i avaluar les situacions i resultats des d'un punt de vista crític i constructiu.
- CT9: Tenir la capacitat de desenvolupar habilitats en les relacions interpersonals.
- CT10: Ser capaç de dur a terme un aprenentatge autònom.
- CT11: Aplicar els coneixements teòrics a la pràctica.
- CT12: Aplicar el mètode científic.
Resultats d’aprenentatge de l’assignatura
- Comprensió Teòrica i Aplicació Pràctica de la IA en Biomedicina
- Adquirir una comprensió profunda del paper de la IA en la biomedicina.
- Aplicar la IA en contextos biomèdics, com en el descobriment de fàrmacs i anàlisi genètica.
- Habilitats en Manipulació i Anàlisi de Dades Biomèdiques:
- Desenvolupar habilitats pràctiques en la neteja, preparació i anàlisi de dades biomèdiques.
- Interpretar dades genètiques i moleculars en contextos clínics i de recerca.
- Desenvolupament i Avaluació de Models de Classificació i Regressió:
- Construir i avaluar models de classificació i regressió en biomedicina.
- Comprendre i aplicar tècniques avançades com les xarxes neuronals convolucionals en l'anàlisi d'imatges biomèdiques.
- Avaluació Crítica i Estratègies de Recerca:
- Analitzar i avaluar críticament els resultats de models de IA.
- Proposar estratègies de recerca i aplicacions clíniques basades en la IA.
- Desenvolupament Professional i Orientació de Carrera:
- Obtenir una perspectiva sobre les oportunitats i desafiaments en les carreres relacionades amb la bioinformàtica i la biomedicina.
- Desenvolupar habilitats de comunicació i presentació per a temes de IA en biomedicina.
Continguts
- Introducció (2h): El creixent paper de la Intel·ligència Artificial en l'atenció sanitària. Una visió general de com la IA està transformant el camp de la salut i la biomedicina.
- Model de Classificació en Biomedicina.(20h):
- IA en el Descobriment de Fàrmacs.
- Implementació d'un pipeline de classificació des de zero: neteja de dades, preprocessament i avaluació de resultats. Enfocament en l'aplicació de IA en el descobriment de fàrmacs des d'una perspectiva biomèdica.
- Teoria i pràctica sobre la preparació de dades i la divisió de dades, utilitzant dades d'expressió gènica i sensibilitat a medicaments.
- Entrenament i avaluació d'un classificador Random Forest, abordant temes com a desequilibri de classes i selecció de característiques.
- Enfocament en la predicció de sensibilitat de compostos químics a línies cel·lulars específiques, incloent-hi representació de petjades químiques i adaptació del pipeline per a predir toxicitat fora de l'objectiu.
- Visió general de Deep Learning en el descobriment de fàrmacs i discussió sobre aplicacions i trajectòries professionals en bioinformàtica i biomedicina.
- Models de Regressió en Biomedicina (8h)
- Enfocament a predir l'impacte molecular de variants genètiques mitjançant models de regressió.
- Teoria i exercicis sobre impacte molecular de variants i construcció de models de regressió.
- Binarització de models de regressió, comparació amb classificadors i anàlisis d'eines in silico.
- Xarxes Neuronals Convolucionals en Biomedicina (10h).
- Aplicació de CNN en l'anàlisi d'imatges biomèdiques.
- Introducció a les CNN i preparació de dades d'imatges biomèdiques.
- Arquitectures de CNN i optimització de models en biomedicina.
- Avaluació de models i anàlisis de resultats en projectes de IA biomèdica.
Metodologia i activitats formatives
Modalitat totalment presencial a l'aula
- Classes magistrals: exposició en blocs d'entre 15 a 50 minuts, d'un tema teòric a desenvolupar per part del professor.
- Casos clínics o mètodes del cas (MC): Plantejament d'una situació real o imaginària. Els alumnes treballen les preguntes formulades en grups reduïts o en interacció activa amb el professor i es discuteixen les respostes. El professor intervé activament i si fa falta aporta nous coneixements.
- Educació virtual (EV): Material en línia que l'alumne pot consultar des de qualsevol ordinador, a qualsevol hora i que contribuirà a l'autoaprenentatge de conceptes relacionats amb l'assignatura.
Sistemes i criteris d'avaluació
Modalitat totalment presencial a l'aula
- Alumnes en primera convocatòria:
- Avaluació Contínua (35%): Inclou exercicis pràctics i tests curts.
- Examen Teòric Final (65%): Avaluació del coneixement teòric i comprensió dels conceptes de IA II aplicats a la biomedicina vists durant el curs.
- Component subjectiu (fins a un 10%): es reservarà fins a un 10% de la nota final a criteris subjectius com la implicació, la participació i el respecte a les normes, per a fomentar una actitud activa i compromesa a l'aula.
- Alumnes en segona o posterior convocatòria: la nota de l'Avaluació Contínua es guarda i l'examen final representarà un 75% de la nota final.
Punts generals a tenir en compte sobre el sistema d'avaluació:
- Per a poder fer mitjana, en l'examen final s'haurà d'obtenir un 5 de nota mínima.
- A més de l'esmentat anteriorment, per a aprovar l'assignatura, la mitjana de totes les qualificacions ha de ser 5 o superior.
- El caràcter continuat d'aquesta avaluació fa que no sigui possible avaluar l'assignatura si no s'ha participat en un 75% de les hores.
- L'ús indegut d'aparells electrònics (com el registre i difusió tant de l'alumnat com del professorat durant les diferents sessions, així com l'ús d'aquests aparells amb finalitats lúdics i no educatius) pot comportar l'expulsió de classe.