Universitat Internacional de Catalunya
Introduce a los estudiantes a los conceptos fundamentales y aplicaciones prácticas de la inteligencia artificial en la investigación biomédica y la atención médica.
Objetivos de Desarrollo Sostenible (ODS): El curso de Inteligencia Artificial en Biomedicina contribuye a los Objetivos de Desarrollo Sostenible (ODS) de la Agenda 2030, particularmente los ODS 3, 9, 10, 12 y 17. Lo hace promoviendo la salud y el bienestar, fomentando la innovación y la infraestructura biomédica, apoyando la equidad social a través del acceso a datos científicos, asegurando el consumo responsable de recursos computacionales e incentivando el progreso científico y social mediante alianzas globales en el intercambio de datos.
Haber superado con éxito las asignaturas de Introducción a la Bioinformática e Interacción de Biomoléculas.
Comprender los principios de la IA generativa y sus aplicaciones biomédicas
Comprender los conceptos de aprendizaje automático (machine learning) y aprendizaje profundo (deep learning)
Evaluar modelos y flujos de trabajo de aprendizaje automático
Analizar las aplicaciones de la IA en genómica, análisis de célula única (single-cell) y descubrimiento de fármacos
Discutir las implicaciones éticas, la interpretabilidad y la gobernanza de la IA en medicina
Al finalizar el curso, los estudiantes serán capaces de aplicar y evaluar críticamente la IA generativa y los modelos de aprendizaje automático para resolver retos biomédicos, al mismo tiempo que navegan por sus implicaciones éticas y prácticas.
Empezando con ChatGPT, Claude y DeepSeek
Conceptos de IA generativa
Modelos de Lenguaje Grande (LLMs) incluyendo tokens, prompts y datos de entrenamiento
Casos de uso biomédicos como resumen, revisión bibliográfica y asistencia en programación
Exploración práctica interactuando con modelos de IA
Uso crítico abarcando alucinaciones, sesgo y uso responsable de prompts
Discusión sobre el apoyo de la IA generativa en el aprendizaje y la investigación biomédica
Desmitificando conceptos de IA antes del código
Definición de Inteligencia Artificial
Definiciones y diferencias entre Machine Learning y Deep Learning
Patrones, inferencia y representación de datos
Aprendizaje supervisado, no supervisado y por refuerzo
El flujo de trabajo del machine learning: de los datos a la evaluación
Ejemplos de casos biomédicos como la puntuación de riesgo de cáncer y clasificación de enfermedades
Aprendiendo sin matemáticas usando intuición y herramientas
Representación de datos simplificada incluyendo características (features), matrices, vectores y embeddings (4 horas)
Algoritmos supervisados básicos simplificados incluyendo regresión logística, árboles de decisión, bosques aleatorios y SVMs
Arquitectura básica de redes neuronales y dinámica de aprendizaje
Evaluación de modelos abarcando exactitud (accuracy), sensibilidad, especificidad y AUC (4 horas)
IA en genómica, multi-ómicas y célula única (single cell)
Identificación de hits mediante quimioinformática con IA, biología estructural y docking
Optimización de leads prediciendo afinidad, toxicidad, ADME y estratificación de pacientes
Modelos fundacionales en salud, imagen, wearables, robots de laboratorio y el caso de Recursion
Explicabilidad de la IA mediante coeficientes lineales, importancia de características, Shap y GNN
Geopolítica de la IA, sostenibilidad, ética, gobernanza y código abierto
Debate práctico sobre IA en clase referente a pacientes en hospitales
38 horas combinando Clases Magistrales (CM) y Método del Caso (MC), integrando presentaciones teóricas con ejercicios prácticos.
2 horas para el examen parcial
20% Sesiones de método del caso
30% Examen parcial
40% Examen final
10% Criterios subjetivos basados en implicación y participación
Si el examen consta de preguntas de opción múltiple (tipo test), de acuerdo con la normativa del grado, por cada +1 punto por una respuesta correcta, se restarán puntos por respuestas incorrectas de la siguiente manera:
-0.33 puntos si hay 4 opciones de respuesta (con una correcta).
-0.25 puntos si hay 5 opciones de respuesta (con una correcta).
75% Examen final
25% Se mantiene la nota del método del caso y evaluación subjetiva
Nota mínima de 5 en el examen final
Promedio general de 5 o superior
Asistencia mínima del 75%
El uso inapropiado de dispositivos electrónicos puede resultar en la expulsión de clase
Biomedical Informatics, 4th Edition. Springer (2014). ISBN: 978-1-4471-4473-1