IA en Salud

El objetivo principal de esta asignatura es conocer las distintas aplicaciones de la Inteligencia artificial en el ámbito de la salud, desde el proceso inicial de obtención de datos médicos básicos, la integración y explotación de dichos datos y su uso final en diagnósticos y acciones específicas en dicho ámbito como puede ser los derivados de la medicina personalizada. Se profundizará en las distintas aplicaciones de la Inteligencia Artificial, desde un punto de vista global e integral, mediante la descripción y estudio de distintos casos de éxito en la aplicación de técnicas, herramientas o sistemas de inteligencia artificial en dicho ámbito de la salud. También se capacitará al alumnado en el empleo de técnicas específicas de integración de datos de fuentes heterogéneas y el uso de los distintos estándares existentes.

Resultados de aprendizaje:
- Desarrollar unas habilidades sólidas para crear modelos complejos que permitan diagnósticos personalizados y predicción de tendencias clínicas, basados en fuentes heterogéneas.
- Conocer los diferentes estándares para el tratamiento de datos en el ámbito sanitario y desarrollar la capacidad de integrarlos en proyectos de IA. Conocer las técnicas de integración de AI en dispositivos médicos.
- Desarrollar las capacidades para diseñar aplicaciones web en e-salud basadas en modelos de IA
- Conocer las especificidades de los campos de aplicación de la monitorización inteligente de datos y señales en e-salud y sus restricciones de tiempo real
- Comprender y analizar las especificidades técnicas y modelos para la transmisión, recolección, traza y tratamiento de datos en estos contextos de manera fiable y segura.

Integración de datos de fuentes heterogéneas y estándares en salud. Seguridad y privacidad de datos clínicos. Casos de éxito de aplicación de técnicas de IA en salud. Tratamiento y diagnóstico por imagen médica. E-salud y medicina personalizada.

No habrá una bibliografía como tal, sino que se trabajará con artículos científicos y charlas de divulgación de experiencias.

Competencias básicas y generales
CB6 - Poseer y comprender conocimientos que aporten una base u oportunidad de ser originales en el desarrollo y/o aplicación de ideas, a menudo en un contexto de investigación
CB7 - Que los estudiantes sepan aplicar los conocimientos adquiridos y su capacidad de resolución de problemas en entornos nuevos o poco conocidos dentro de contextos más amplios (o multidisciplinares) relacionados con su área de estudio
CB9 - Que los estudiantes sepan comunicar sus conclusiones y los conocimientos y razones últimas que las sustentan a públicos especializados y no especializados de un modo claro y sin ambigüedades
CB10 - Que los estudiantes posean las habilidades de aprendizaje que les permitan continuar estudiando de un modo que habrá de ser en gran medida autodirigido o autónomo.
CG1. Mantener y extender planteamientos teóricos fundados para permitir la introducción y explotación de tecnologías nuevas y avanzadas en el campo de la Inteligencia Artificial.
CG2. Abordar con éxito todas las etapas de un proyecto de Inteligencia Artificial.
CG4. Elaborar adecuadamente y con cierta originalidad composiciones escritas o argumentos motivados, redactar planes, proyectos de trabajo, artículos científicos y formular hipótesis razonables en el campo.
CG5 - Trabajar en equipo, especialmente de carácter multidisciplinar, y ser hábiles en la gestión del tiempo, personas y toma de decisiones.

Competencias específicas
CE4 - Conocer los fundamentos y técnicas básicas de la inteligencia artificial y su aplicación práctica.
CE7 - Capacidad para entender las implicaciones del desarrollo de un sistema inteligente explicable e interpretable.
CE19 - Conocimiento de diferentes ámbitos de aplicación de las tecnologías basadas en IA y su capacidad para ofrecer un valor añadido diferenciador.
CE20 - Capacidad de afrontar entornos interdisciplinares y combinar y adaptar diferentes técnicas, extrapolando conocimientos entre diferentes ámbitos.
CE21 - Conocimiento de las técnicas que facilitan la organización y gestión de proyectos en IA en entornos reales, la gestión de los recursos y la planificación de tareas de una manera eficiente, teniendo en cuenta conceptos de diseminación del conocimiento y ciencia abierta.
CE22 - Conocimiento de técnicas que facilitan la seguridad de los datos, aplicaciones y las comunicaciones y sus implicaciones en diferentes ámbitos de aplicación de la IA.
CE30 - Ser capaz de plantear, modelar y resolver problemas que requieran la aplicación de métodos, técnicas y tecnologías de inteligencia artificial.

Competencias transversales
CT5 - Entender la importancia de la cultura emprendedora y conocer los medios al alcance de las personas emprendedoras.
CT8 - Valorar la importancia que tiene la investigación, la innovación y el desarrollo tecnológico en el avance socioeconómico y cultural de la sociedad.
CT9 - Tener la capacidad de gestionar tiempos y recursos: desarrollar planes, priorizar actividades, identificar las críticas, establecer plazos y cumplirlos

La metodología utilizada usa el Campus Virtual de las tres universidades como plataforma básica. En el aula virtual de la materia, el alumnado tendrá toda la información (material teórico, diapositivas de clase, guiones de prácticas, etc.).
*Sesiones magistrales: exposición oral (USC/UDC/UVIGO) (retransmitida para todo el alumnado). En ellas se desarrollan principalmente las competencias CB6, CB10, CG4, CG5, CE4, CE7, CE19, CE21, CE22, CT5 y CT8.
*Sesiones de laboratorio (USC/UDC/UVIGO) (retransmitida para todo el alumnado). Presentación de casos de uso. En ellas se desarrollan principalmente las competencias CB7, CB9, CG1, CG2 y CE20, CE30 y CT9.

La evaluación del aprendizaje se llevará a cabo mediante la evaluación de los trabajos prácticos (20% de la calificación final), que será completada con el seguimiento continuado del trabajo del alumnado y la realización de pruebas objetivas (80%).
Seguimiento y pruebas objetivas: Se utilizan para evaluar principalmente las competencias CB6, CB10, CG4, CG5, CE4, CE7, CE19, CE21, CE22, CT5 y CT8.
Evaluación de trabajos prácticos: Se utilizan para evaluar principalmente las competencias CB7, CB9, CG1, CG2, CE20, CE30 y CT9.
En caso de realización fraudulenta de ejercicios o pruebas, se aplicará lo dispuesto en la Normativa de Evaluación del rendimiento académico del alumnado y revisión de las calificaciones.
En aplicación de la Normativa de la ETSE sobre plagio (aprobada por la Junta de ETSE el 19/12/2019), la copia total o parcial de algún ejercicio de prácticas o teoría supondrá el suspenso en las dos oportunidades del curso, con la calificación de 0,0 en ambos casos.

En la segunda oportunidad, se completará la evaluación continua (20%) con una prueba final (80%).

Esta materia tiene 3 créditos ECTS, correspondientes a una carga de trabajo total de 75 horas (presencia de 7h / crédito). Este tiempo se puede dividir en las siguientes secciones:

TRABAJO PRESENCIAL EN AULA:
* Clases magistrales: 10 horas
* Prácticas de laboratorio: 5 horas
* Aprendizaje basado en problemas, seminarios, estudio de casos y proyectos: 6 horas
Total de horas de trabajo en el aula: 21 horas

TRABAJO PERSONAL DEL ALUMNADO:
* Estudio autónomo: 10 horas
* Prácticas de laboratorio: 15 horas
* Aprendizaje basado en problemas, seminarios, estudio de casos y proyectos: 29 horas
Total: 54 horas

Se recomienda haber cursado las materias básicas de los módulos previos. Se recomienda llevar la asignatura al día y el uso de tutorías para aclarar dudas y asesorar en su desarrollo.

La docencia de esta asignatura será en inglés.
La docencia expositiva (10h) será impartida entre la USC, la UDC y la UVIGO y será retransmitida para todo el alumnado.
La docencia interactiva (11h) será impartida entre la USC, la UDC y la UVIGO y será retransmitida para todo el alumnado.