Universitat Internacional de Catalunya

Intel·ligència Artificial en Biomedicina: de la Base a les Aplicacions

Intel·ligència Artificial en Biomedicina: de la Base a les Aplicacions
4
16422
4
Primer semestre
op
Llengua d'impartició principal: anglès

Altres llengües d'impartició: català, castellà

Professorat


Dr. CHOROSTECKI, Uciel Pablo - upchorostecki@uic.es

Presentació

Introdueix els estudiants als conceptes fonamentals i aplicacions pràctiques de la intel·ligència artificial en la recerca biomèdica i l'atenció mèdica.


Objectius de Desenvolupament Sostenible (ODS): El curs d'Intel·ligència Artificial en Biomedicina contribueix als Objectius de Desenvolupament Sostenible (ODS) de l'Agenda 2030, particularment els ODS 3, 9, 10, 12 i 17. Ho fa promovent la salut i el benestar, fomentant la innovació i la infraestructura biomèdica, donant suport a l'equitat social a través de l'accés a dades científiques, assegurant el consum responsable de recursos computacionals i incentivant el progrés científic i social mitjançant aliances globals en l'intercanvi de dades.

Requisits previs

Haver superat amb èxit les assignatures d'Introducció a la Bioinformàtica i Interacció de Biomolècules.


Objectius

  • Comprendre els principis de la IA generativa i les seves aplicacions biomèdiques

  • Comprendre els conceptes d'aprenentatge automàtic (machine learning) i aprenentatge profund (deep learning)

  • Avaluar models i fluxos de treball d'aprenentatge automàtic

  • Analitzar les aplicacions de la IA en genòmica, anàlisi de cèl·lula única (single-cell) i descobriment de fàrmacs

  • Discutir les implicacions ètiques, la interpretabilitat i la governança de la IA en medicina

Competències/Resultats d’aprenentatge de la titulació

  • CN14 - Identificar els principis de les ciències biomèdiques relacionats amb la salut, així com els conceptes bàsics i eines que tenen un impacte en les ciències biomèdiques i permeten treballar en qualsevol dels seus àmbits (empresa biomèdica, laboratoris de bioinformàtica, laboratoris d’investigació, empresa d’anàlisis clíniques , etc.).
  • CP05 - Aplicar els fonaments biològics en la recerca de solucions pràctiques a problemes en l’àmbit de la salut, seguint les normes ètiques i de rigor científic i respectant els drets fonamentals d’igualtat entre homes i dones, i la promoció dels drets humans i els valors propis d’una cultura de pau i de valors democràtics que inclouen el foment d’un llenguatge inclusiu, no discriminatori i lliure d’estereotips.

Resultats d’aprenentatge de l’assignatura

En finalitzar el curs, els estudiants seran capaços d'aplicar i avaluar críticament la IA generativa i els models d'aprenentatge automàtic per resoldre reptes biomèdics, alhora que naveguen per les seves implicacions ètiques i pràctiques.


Continguts

Bloc 1: La IA que tots fem servir – Intel·ligència Generativa a l'Era Biomèdica (8 hores)

  • Començant amb ChatGPT, Claude i DeepSeek

  • Conceptes d'IA generativa

  • Models de Llenguatge Gran (LLMs) incloent tokens, prompts i dades d'entrenament

  • Casos d'ús biomèdics com resum, revisió bibliogràfica i assistència en programació

  • Exploració pràctica interactuant amb models d'IA

  • Ús crític abastant al·lucinacions, biaix i ús responsable de prompts

  • Discussió sobre el suport de la IA generativa en l'aprenentatge i la recerca biomèdica

Bloc 2: De les Dades a la Decisió – Què és Realment la IA (8 hores)

  • Desmitificant conceptes d'IA abans del codi

  • Definició d'Intel·ligència Artificial

  • Definicions i diferències entre Machine Learning i Deep Learning

  • Patrons, inferència i representació de dades

  • Aprenentatge supervisat, no supervisat i per reforç

  • El flux de treball del machine learning: de les dades a l'avaluació

  • Exemples de casos biomèdics com la puntuació de risc de càncer i classificació de malalties

Bloc 3: Com Aprenen les Màquines – Algoritmes entre Bastidors (8 hores)

  • Aprenent sense matemàtiques usant intuïció i eines

  • Representació de dades simplificada incloent característiques (features), matrius, vectors i embeddings (4 hores)

  • Algoritmes supervisats bàsics simplificats incloent regressió logística, arbres de decisió, boscos aleatoris i SVMs

  • Arquitectura bàsica de xarxes neuronals i dinàmica d'aprenentatge

  • Avaluació de models abastant exactitud (accuracy), sensibilitat, especificitat i AUC (4 hores)

Bloc 4: Aprenent d'Imatges, Gens i Cèl·lules – Aplicacions Biomèdiques de la IA (8 hores)

  • IA en genòmica, multi-òmiques i cèl·lula única (single cell)

  • Identificació de hits mitjançant quimioinformàtica amb IA, biologia estructural i docking

  • Optimització de leads predient afinitat, toxicitat, ADME i estratificació de pacients

  • Models fundacionals en salut, imatge, wearables, robots de laboratori i el cas de Recursion

Bloc 5: Ètica, Interpretabilitat i el Futur de la IA en la Medicina (6 hores)

  • Explicabilitat de la IA mitjançant coeficients lineals, importància de característiques, Shap i GNN

  • Geopolítica de la IA, sostenibilitat, ètica, governança i codi obert

  • Debat pràctic sobre IA a classe referent a pacients en hospitals

Metodologia i activitats formatives

Modalitat totalment presencial a l'aula



  • 38 hores combinant Classes Magistrals (CM) i Mètode del Cas (MC), integrant presentacions teòriques amb exercicis pràctics.

  • 2 hores per a l'examen parcial

Sistemes i criteris d'avaluació

Modalitat totalment presencial a l'aula



Primera Convocatòria

  • 20% Sessions de mètode del cas

  • 30% Examen parcial

  • 40% Examen final

  • 10% Criteris subjectius basats en implicació i participació

Normes per a Exàmens Tipus Test

Si l'examen consta de preguntes d'opció múltiple (tipus test), d'acord amb la normativa del grau, per cada +1 punt per una resposta correcta, es restaran punts per respostes incorrectes de la següent manera:

  • -0,33 punts si hi ha 4 opcions de resposta (amb una correcta).

  • -0,25 punts si hi ha 5 opcions de resposta (amb una correcta).

Segona Convocatòria

  • 75% Examen final

  • 25% Es manté la nota del mètode del cas i avaluació subjectiva

Normes Generals d'Avaluació

  • Nota mínima de 5 a l'examen final

  • Promig general de 5 o superior

  • Assistència mínima del 75%

  • L'ús inapropiat de dispositius electrònics pot resultar en l'expulsió de classe

Bibliografia i recursos

  • Biomedical Informatics, 4th Edition. Springer (2014). ISBN: 978-1-4471-4473-1

Versió per imprimir