Universitat Internacional de Catalunya

Health IA

Health IA
3
16516
4
Primer semestre
op
Lengua de impartición principal: catalán

Otras lenguas de impartición: inglés, castellano,

Profesorado


La atención al alumnado se realizará con cita previa, concertada mediante el correo electrónico institucional del
profesor: jgonzalezs@uic.es.

Presentación

La asignatura introduce los fundamentos, aplicaciones y criterios de evaluación de la inteligencia artificial en
el ámbito de la salud desde la perspectiva de la bioingeniería. Se trabajan ejemplos relacionados con imágenes
médicas, señales biomédicas, sensores, dispositivos, investigación biomédica y apoyo a las decisiones asistenciales.
El alumnado aprenderá a identificar una necesidad, valorar la calidad de los datos y de la evidencia científica y
formular una propuesta que tenga en cuenta a los usuarios, la seguridad, la ética y las condiciones de aplicación. El curso
se articula en torno a un proyecto individual de diseño y evaluación de una aplicación de inteligencia artificial para
la salud. La asignatura se imparte en inglés.

Requisitos previos

Se recomienda disponer de los conocimientos básicos de bioestadística, fisiología, instrumentación biomédica, señales
y sistemas y ética adquiridos en los cursos anteriores del grado. Es necesario poder seguir las clases y consultar bibliografía
científica en inglés. No se requieren conocimientos previos de programación ni de entrenamiento de modelos
de inteligencia artificial.

Objetivos

 Conocer las principales familias de sistemas de inteligencia artificial y sus aplicaciones en bioingeniería y
salud.
 Definir problemas de salud, usos previstos y alternativas tecnológicas a partir de necesidades concretas.
 Adquirir criterios para analizar los datos, interpretar los resultados y valorar críticamente la evidencia científica.
 Integrar los factores humanos, la seguridad, la ética, la protección de datos y la regulación en el diseño y
la evaluación de una propuesta.
 Desarrollar y defender una propuesta individual fundamentada, identificando su viabilidad, sus limitaciones y
las necesidades de validación.

Resultados de aprendizaje de la asignatura

Al finalizar la asignatura, el alumnado será capaz de:
1. Explicar las diferencias entre sistemas basados en reglas, aprendizaje automático, aprendizaje profundo,
inteligencia artificial generativa y agentes, reconociendo sus aplicaciones y limitaciones.
2. Definir una necesidad de salud, los usuarios, la población, el contexto, la decisión y los límites de uso de una propuesta,
comparándola con una alternativa sin inteligencia artificial.
3. Analizar la procedencia, la calidad y la representatividad de los datos, identificando sesgos, problemas
de etiquetado, fugas de información y cambios de distribución.
4. Interpretar métricas, umbrales, calibración y resultados de validación, valorando si la evidencia permite justificar una
utilidad clínica o asistencial.
5. Diseñar un flujo de trabajo que especifique las funciones de los usuarios, la supervisión humana y las actuaciones
frente a errores o situaciones excepcionales.
6. Valorar las implicaciones éticas, de equidad, accesibilidad, privacidad y sostenibilidad de una aplicación.
7. Identificar los riesgos y cuestiones de regulación, calidad y seguridad a revisar antes de una posible
aplicación en salud.
8. Reconocer amenazas básicas de ciberseguridad y proponer medidas de prevención, respuesta y continuidad
segura.
9. Formular requisitos verificables y un plan de validación, seguimiento, actualización y retirada de un sistema.
10. Elaborar y defender en inglés una recomendación fundamentada, con fuentes identificables, responsabilidades
definidas e incertidumbres explícitas.

Contenidos

Bloque 1 Fundamentos y definición del problema
Principales familias de inteligencia artificial y aplicaciones en bioingeniería. Relación entre modelo, sistema y
producto sanitario. Necesidad de salud, población, usuarios, contexto, uso previsto y alternativas sin inteligencia
artificial.
Bloque 2 Datos y aplicaciones biomédicas
Imágenes, señales, sensores, texto y datos clínicos. Calidad, representatividad, etiquetado, privacidad y trazabilidad.
Sesgos, factores de confusión, fugas de información y cambios en los datos. Selección conceptual del enfoque
tecnológico.
Bloque 3 Rendimiento y evidencia científica
Matriz de confusión, prevalencia, métricas, umbrales, calibración e incertidumbre. Validación interna y externa.
Comparadores, generalización y utilidad clínica. Búsqueda y lectura crítica de artículos, experiencias de implantación y
afirmaciones comerciales.
Bloque 4 Usuarios y organización asistencial
Flujos de trabajo, responsabilidades, capacidad y recursos. Factores humanos, supervisión profesional, accesibilidad y
comunicación. Errores, desacuerdos entre personas y sistemas, carga de trabajo y procedimientos alternativos.
Bloque 5 Ética y seguridad
Autonomía, beneficio, daño, equidad, transparencia y sostenibilidad. Protección de datos, regulación de la
inteligencia artificial y de los productos sanitarios, calidad y gestión de riesgos. Ciberseguridad y uso seguro de sistemas
generativos y agentes.
Bloque 6 Desarrollo y evaluación de la propuesta
Requisitos verificables, interoperabilidad, comparación de soluciones y viabilidad. Diseño de un posible piloto,
medidas de resultado y criterios de paro. Seguimiento, incidencias, actualizaciones y retirada. Elaboración del dossier
evidencias y defensa de la recomendación final.
Los contenidos se desarrollan durante doce sesiones de aprendizaje y trabajo del proyecto. La decimotercera sesión
se dedica exclusivamente a las presentaciones y defensas finales.

Metodología y actividades formativas

Modalidad totalmente presencial en el aula



La docencia combina clases teóricas participativas, análisis de casos, lectura crítica de artículos científicos,
ejercicios de interpretación de datos y trabajo individual guiado. Las sesiones tienen una duración de dos horas y
integran una exposición inicial de los conceptos con actividades de aplicación y desarrollo del proyecto.
Cada estudiante elabora progresivamente un único informe individual. Las actividades de las sesiones alimentan
los distintos apartados y permiten revisar las decisiones anteriores. Se prevén tres puntos de seguimiento formativo
para discutir la evidencia, viabilidad y recomendación final. Las revisiones y comentarios del profesor
se incorporan en el mismo trabajo.
El trabajo autónomo incluye la consulta de bibliografía, el análisis de fuentes y casos, la redacción del informe y la
preparación de la defensa. El proyecto es una propuesta de diseño y evaluación; no requiere programar, entrenar
modelos ni obtener datos de pacientes. Las consultas a profesionales, cuando sean posibles y autorizadas,
complementarán las fuentes documentales.

Sistemas y criterios de evaluación

Modalidad totalmente presencial en el aula



La evaluación se basa en el proyecto individual desarrollado a lo largo del curso y en el bloque conjunto de defensa oral y
asistencia, con la siguiente ponderación:
Actividad Peso
Proyecto individual 70%
Defensa oral y asistencia 30%
En el proyecto se valorarán la definición del problema y del uso previsto, la calidad y la trazabilidad de las fuentes,
el análisis crítico de la evidencia, la justificación de las decisiones, la viabilidad de la propuesta y la consideración de los
riesgos y las limitaciones.
En la defensa se valorarán la comprensión del trabajo, la claridad de la exposición y la capacidad de justificar las
decisiones y responder a las preguntas. La asistencia forma parte del mismo blog del 30%. Los puntos de seguimiento
del proyecto tienen una función formativa y no constituyen actividades con ponderación adicional.
El alumnado debe identificar las fuentes utilizadas y asumir la autoría de las decisiones y conclusiones. Cuando se hagan
servir herramientas de inteligencia artificial como soporte, es necesario declarar su uso y verificar críticamente sus resultados. El
tratamiento de las incidencias académicas se ajustará a la normativa de la UIC.

Bibliografía y recursos

Materiales básicos: libro, presentaciones, fichas de trabajo y selección de artículos científicos facilitados por el profesor al
campus virtual.
Bibliografía de referencia:
World Health Organization. Ethics and governance of artificial intelligence for health. 2021.
World Health Organization. Regulatory considerations on artificial intelligence for health. 2023.
Recursos normativos de consulta:
Unión Europea. Reglamento (UE) 2024/1689 sobre inteligencia artificial.
Unión Europea. Reglamento (UE) 2017/745 sobre productos sanitarios.
Unión Europea. Reglamento (UE) 2016/679 general de protección de datos.
La bibliografía específica de cada tema y los fragmentos de consulta se indicarán en el campus virtual.