Universitat Internacional de Catalunya

Inteligencia Artificial en Biomedicina: de Lo Básico a las Aplicaciones

Inteligencia Artificial en Biomedicina: de Lo Básico a las Aplicaciones
4
16422
4
Primer semestre
op
Lengua de impartición principal: inglés

Otras lenguas de impartición: catalán, castellano

Profesorado


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

Presentación

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.



Requisitos previos

Haber superado con éxito las asignaturas de Introducción a la Bioinformática e Interacción de Biomoléculas.


Objetivos

  • 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

Competencias/Resultados de aprendizaje de la titulación

  • CN14 - Identificar los principios de las ciencias biomédicas relacionados con la salud, así como los conceptos básicos y herramientas que tienen un impacto en las ciencias biomédicas y permiten trabajar en cualquiera de sus ámbitos (empresa biomédica, laboratorios de bioinformática, laboratorios de investigación, empresa de análisis clínicos, etc.).
  • CP05 - Aplicar los fundamentos biológicos en la búsqueda de soluciones prácticas a problemas en el ámbito de la salud, siguiendo las normas éticas y de rigor científico y respetando los derechos fundamentales de igualdad entre hombres y mujeres, y la promoción de los derechos humanos y los valores propios de una cultura de paz y de valores democráticos que incluyen el fomento de un lenguaje inclusivo, no discriminatorio y libre de estereotipos.

Resultados de aprendizaje de la asignatura

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.


Contenidos

Bloque 1: La IA que todos usamos – Inteligencia Generativa en la Era Biomédica (8 horas)

  • 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

Bloque 2: De los Datos a la Decisión – Qué es Realmente la IA (8 horas)

  • 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

Bloque 3: Cómo Aprenden las Máquinas – Algoritmos entre Bastidores (8 horas)

  • 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)

Bloque 4: Aprendiendo de Imágenes, Genes y Células – Aplicaciones Biomédicas de la IA (8 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

Bloque 5: Ética, Interpretabilidad y el Futuro de la IA en la Medicina (6 horas)

  • 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

Metodología y actividades formativas

Modalidad totalmente presencial en el aula



  • 38 horas combinando Clases Magistrales (CM) y Método del Caso (MC), integrando presentaciones teóricas con ejercicios prácticos.

  • 2 horas para el examen parcial

Sistemas y criterios de evaluación

Modalidad totalmente presencial en el aula



Primera Convocatoria

  • 20% Sesiones de método del caso

  • 30% Examen parcial

  • 40% Examen final

  • 10% Criterios subjetivos basados en implicación y participación

Normas para Exámenes Tipo Test

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).

Segunda Convocatoria

  • 75% Examen final

  • 25% Se mantiene la nota del método del caso y evaluación subjetiva

Normas Generales de Evaluación

  • 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

Bibliografía y recursos

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

Versión para imprimir