(2022-2) slenz: El ramo es muy interesante y completo, además de que el equipo docente fue muy consciente con la carga académica y la ajustó para garantizar nuestro aprendizaje. El ramo en sí es pesado, es mucha materia y gran parte de ella es memoria. Se ve oceanografía física, química, biológica, geográfica y varias cosas más por lo que son muchos temas distintos. Tiene varios prerrequisitos, pero nada que no se pueda repasar. Además aprenderán a usar software para analizar datos tomados por satélite.

CURSO:INTRODUCCION A LAS APLICACIONES DE LA INTELIGENCIA ARTIFICIAL EN SALUD
TRADUCCION:INTRODUCTION TO HEALTHCARE APPLICATIONS OF ARTIFICIAL INTELLIGENCE
SIGLA:MAS3016
CREDITOS:05
MODULOS:01(12 TOTALES))
CARACTER:OPTATIVO
TIPO:CATEDRA
CALIFICACION:ESTANDAR
PALABRAS CLAVE:IA Y SALUD,GESTION DE INFORMACION,DESAFIOS DE LA IAEN SALUD
NIVEL FORMATIVO:MAGISTER


INTEGRIDAD ACADEMICA Y CODIGO DE HONOR

La Universidad tiene un compromiso con la construccion de una cultura de respeto e integridad. Quienes participen de este curso se adscriben al Codigo de Honor UC y adquieren el compromiso de aportar a la construccion de una cultura de Integridad Academica, actuando en consonancia con los valores de veracidad, confianza, respeto, justicia, responsabilidad y honestidad en todo el trabajo academico.


I.DESCRIPCIÓN DEL CURSO

En este curso los y las estudiantes identificaran y analizaran los aspectos centrales del funcionamiento de la Inteligencia Artificial y su aplicacion en salud, identificando sus ventajas y limitaciones, con un foco especial en analizar las implicancias eticas y necesidades de regulacion en el tema. Las estrategias de aprendizaje seran principalmente activas, a traves de catedras participativas, analisis de casos en grupo y taller de uso de un modelo de IA. Las evaluaciones se llevaran a cabo a traves de informes de trabajos solicitados.


II.RESULTADOS DE APRENDIZAJE

1.Analizar el concepto de `Inteligencia Artificial? (IA) y sus principales areas de aplicacion en el campo de la salud.

2.Identificar los aspectos eticos y normativos relevantes en el desarrollo e implementacion de soluciones relacionadas a la IA en salud.

3.Identificar los modelos subyacentes a una aplicacion tipica de IA como perteneciente a aprendizaje supervisado o no-supervisado.

4.Analizar indicadores/metricas utilizados para evaluar la precision de modelos de IA de uso mas frecuente.

5.Aplicar un modelo de IA de baja complejidad para analizar un problema de analisis en salud.


III.CONTENIDOS

1.IA: definiciones y aplicaciones en Salud
1.1.Que es la IA
1.2.Tipos de aplicaciones en el campo de la salud
1.3.Casos de exito y de error

2.Perspectiva etica y normativa
2.1.Aspectos eticos y filosoficos: posibilidad de la inteligencia artificial, visiones de futuro; conflictos y riesgos en la gestion de datos y su utilizacion
2.2.Necesidad de regulacion en aspectos concretos: tecnologias de encriptacion, anonimizacion versus pseudoanonimizacion, confidencialidad de las personas, responsabilidad en la toma de decisiones.
2.3.Revision de regulaciones de la FDA y comision europea para la IA en dispositivos medicos y herramientas para la toma de decisiones.

3.Introduccion a Machine Learning (ML)
3.1.Aprendizaje supervisado y no supervisado
3.2.Introduccion al funcionamiento de tres modelos comunes:
3.3.regresion
3.3.1.support-vectors machines
3.3.2.redes neuronales.

4.Taller y demostracion practica: uso de la IA para clasificacion de texto medico
4.1.El desafio de la heterogeneidad en la produccion hospitalaria: IA y los grupos relacionados por diagnostico
4.2.?Cual metrica? ?Donde estan los sesgos?
4.3.Implementacion y comparacion de modelos (red neuronal, arbol de decisiones, algoritmo experto) y criterios para elegir la solucion


IV.ESTRATEGIAS METODOLOGICAS

-Catedra.

-Aprendizaje basado en problemas.

-Estudio de casos.

-Aprendizaje entre pares.

-Taller.


V.ESTRATEGIAS EVALUATIVAS

-Informe 1(trabajo en grupo): 40%

-Informe 2(Trabajo final en grupo): 60%


VI.BIBLIOGRAFIA

Minima

Alowais, S.A., Alghamdi, S.S., Alsuhebany, N. et al. Revolutionizing healthcare: the role of artificial intelligence in clinical practice. BMC Med Educ 23,689(2023). https://doi.org/10.1186/s12909-023-04698-z

Saw S.N, Ng K.H. Current challenges of implementing artificial intelligence in medical imaging. Phys Med.2022 Aug;100:12-17. doi: 10.1016/j.ejmp.2022.06.003. Epub 2022 Jun 14. PMID: 35714523.


Complementaria

Brockman, J., & Various.(2019). Possible minds: Twenty-five ways of looking at ai. Unabridged. New York, Penguin.

Doupe, Patrick, James Faghmous, and Sanjay Basu. "Machine learning for health services researchers" Value in Health 22.7(2019):808-815.

Habehh H, Gohel S. Machine Learning in Healthcare. Curr Genomics.2021 Dec 16;22(4):291-300. doi:10.2174/1389202922666210705124359. PMID: 35273459; PMCID: PMC8822225.


Foco de sesgos en IA

Muharremi G, Mecani R, Muka T. The Buzz Surrounding Precision Medicine: The Imperative of Incorporating It into Evidence-Based Medical Practice. J Pers Med. 2023 Dec 29;14(1):53. doi:10.3390/jpm14010053. PMID:38248754; PMCID: PMC10820165.

Mittermaier, M., Raza, M.M. & Kvedar, J.C. Bias in AI-based models for medical applications: challenges and mitigation strategies. npj Digit.Med. 6,113(2023). https://doi.org/10.1038/s41746-023-00858-z


PONTIFICIA UNIVERSIDAD CATOLICA DE CHILE
FACULTAD DE ECONOMIA Y ADMINISTRACION / OCTUBRE 2024