021125PAEIASDCDC PROGRAMA DE ALTA ESPECIALIZACIÓN INTERNACIONAL EN IA, SALUD DIGITAL Y CIENCIA DE DATOS CLÍNICOS

EL FUTURO DE LA MEDICINA CON INTELIGENCIA
ARTIFICIAL Y SALUD DIGITAL

PANORAMA GLOBAL DE LA SALUD DIGITAL
Cómo la tecnología está transformando hospitales, clínicas y la atención al paciente.
Casos inspiradores: cirugía robótica, gemelos digitales, telemedicina en zonas remotas

EL IMPACTO DE LA INTELIGENCIA ARTIFICIAL EN LA MEDICINA

Aplicaciones actuales: diagnóstico asistido por IA, medicina personalizada, prevención epidemiológica.
Historias de éxito: cómo startups y hospitales ya están aplicando estas tecnologías.

TRANSFORMACIÓN DIGITAL EN LATINOAMÉRICA
Retos y oportunidades para hospitales, gobiernos y clínicas privadas.
Innovación en salud: ecosistemas de emprendimiento y healthtech.

EL ROL DEL PROFESIONAL DE LA SALUD EN LA ERA DIGITAL
Nuevas competencias que exige la medicina moderna.
Oportunidades de carrera: data scientist clínico, consultor en salud digital, emprendedor healthtech

INTRODUCCIÓN A LA SALUD DIGITAL E
INTELIGENCIA ARTIFICIAL EN MEDICINA

LA REVOLUCIÓN DIGITAL EN SALUD
De la medicina tradicional a la salud digital y basada en valor.
Casos globales: hospitales inteligentes, telemedicina, cirugía robotizada.
Impacto en Latinoamérica y oportunidades de innovación.

FUNDAMENTOS DE INTELIGENCIA ARTIFICIAL Y CIENCIA DE DATOS
Conceptos clave: IA, machine learning y deep learning.
Ejemplos clínicos: diagnóstico de cáncer, predicción de epidemias, asistentes médicos virtuales.
Tipos de datos en salud: estructurados (historias clínicas) y no estructurados (imágenes, notas médicas).

ÉTICA, REGULACIÓN Y SEGURIDAD EN SALUD DIGITAL
Principios éticos en IA médica:
transparencia, sesgo, responsabilidad.
Normativas internacionales: HIPAA, GDPR, HL7, FHIR.

ÉTICA, REGULACIÓN Y SEGURIDAD EN SALUD DIGITAL
Introducción a Google Colab para programar en Python.
Kaggle como fuente de datasets clínicos reales.
Demo inicial de visualización de datos clínicos en Power BI.

INTRODUCCIÓN A LA SALUD DIGITAL Y LA MEDICINA BASADA EN VALOR

Evolución de la salud digital: de la historia clínica en papel a los hospitales inteligentes.
Principios de la medicina basada en valor: mejor atención, reducción de costos, mayor satisfacción del paciente.
Ecosistema healthtech: startups, aseguradoras, hospitales y gobiernos.

TIPOS DE DATOS CLÍNICOS EN LA ERA DIGITAL

Datos estructurados: historias clínicas electrónicas, registros hospitalarios, bases epidemiológicas.
Datos no estructurados: imágenes médicas (radiología, anatomía patológica), notas médicas, audio, texto libre.
Datos ómicos: genómica, transcriptómica y medicina personalizada. Interoperabilidad: estándares globales HL7 y FHIR como base de la integración.

PRINCIPIOS BÁSICOS DE INTELIGENCIA ARTIFICIAL Y MACHINE LEARNING APLICADOS A LA SALUD
Conceptos clave: IA, machine learning, deep learning.
Modelos supervisados vs. no supervisados en medicina. Ejemplos clínicos: Predicción de enfermedades crónicas (diabetes, hipertensión).
Estratificación de riesgo en pacientes hospitalizados.
Diagnóstico asistido por imágenes médicas.
Rol del Big Data en la toma de decisiones clínicas.

ÉTICA, PRIVACIDAD Y REGULACIÓN DE DATOS MÉDICOS

Principios éticos en IA médica: transparencia, explicabilidad, sesgo y responsabilidad.
Normativa internacional: HIPAA (EE. UU.), GDPR (Europa), normativa MINSA (Perú y LATAM).
Gobierno del dato en salud: buenas prácticas en la gestión clínica.

PROGRAMACIÓN Y CIENCIA DE DATOS CLÍNICOS CON PYTHON

PRIMEROS PASOS EN PYTHON PARA PROFESIONALES DE LA SALUD
Introducción a Google Colab y Jupyter Notebook.
Sintaxis básica de Python: variables, estructuras de control y funciones. Buenas prácticas de programación para proyectos clínicos.

MANEJO Y LIMPIEZA DE DATOS CLÍNICOS
Importación de archivos CSV, Excel y SQL.
Uso de Pandas y NumPy para estructurar datos clínicos.
Normalización y depuración de datos de historias médicas.
Manejo de valores nulos, outliers y datos inconsistentes en registros hospitalarios.

VISUALIZACIÓN DE DATOS MÉDICOS
Gráficos básicos y avanzados con Matplotlib y Seaborn.
Representación de tendencias epidemiológicas y cohortes de pacientes.
Creación de visualizaciones interactivas en Power BI.

CASO PRÁCTICO: ANÁLISIS DE UN DATASET CLÍNICO REAL
Análisis exploratorio de datos de un dataset de salud (ej. diabetes o hipertensión). Creación de métricas descriptivas y visualización de resultados.
Discusión de hallazgos clínicos y potenciales aplicaciones en la práctica hospitalaria.

INTELIGENCIA ARTIFICIAL APLICADA A LA PRÁCTICA CLÍNICA

FUNDAMENTOS DE MACHINE LEARNING EN SALUD
Conceptos básicos: aprendizaje supervisado, no supervisado y por refuerzo.
Aplicaciones clínicas: diagnóstico asistido, predicción de complicaciones, personalización de tratamientos.
Retos actuales: sesgo algorítmico, validación clínica y explicabilidad.
MODELOS SUPERVISADOS APLICADOS A MEDICINA
Clasificación y regresión con Scikit-learn.
Predicción de enfermedades crónicas (ej. diabetes, insuficiencia renal).
Estratificación de riesgo clínico y predicción de hospitalizaciones.
MODELOS NO SUPERVISADOS Y
SEGMENTACIÓN DE PACIENTES
Clustering para identificar perfiles de pacientes.
Uso en epidemiología: detección de patrones ocultos en poblaciones.
Aplicación práctica: agrupación de pacientes con comorbilidades.
EVALUACIÓN DE MODELOS CLÍNICOS
Métricas clave en medicina: accuracy, recall, sensibilidad, especificidad, AUC-ROC.
Validación cruzada y riesgos de overfitting.
Interpretabilidad: cómo explicar los resultados a médicos y pacientes.
CASO PRÁCTICO MODELO PREDICTIVO PARA DIAGNÓSTICO TEMPRANO
Construcción de un modelo para predecir diabetes o cáncer con datos reales.
Entrenamiento, validación y ajuste de hiperparámetros.
Visualización de resultados y análisis clínico.

IA GENERATIVA Y ASISTENTES MÉDICOS INTELIGENTES

INTRODUCCIÓN A LA IA GENERATIVA EN SALUD
Qué es la IA generativa y cómo se diferencia de otros modelos de IA.
Casos de uso: resúmenes clínicos, generación de guías de práctica, chatbots médicos.
Impacto en la investigación biomédica y en la atención personalizada al paciente.
CHATBOTS CLÍNICOS Y ASISTENTES VIRTUALES
Diseño de asistentes de apoyo al diagnóstico y triaje médico.
Integración de chatbots en sistemas hospitalarios y telemedicina.
Riesgos y limitaciones: sesgo, explicabilidad, supervisión clínica.
AUTOMATIZACIÓN DE DOCUMENTOS Y REPORTES MÉDICOS
Generación automática de informes clínicos a partir de datos estructurados y no estructurados.
Uso de IA generativa en redacción de artículos académicos y reportes de investigación.
Aplicación en teleconsultas: notas médicas automatizadas.
CONSTRUCCIÓN DE UN ASISTENTE MÉDICO CON IA
Introducción al uso de APIs de modelos de lenguaje (LLMs).
Conexión de asistentes a bases de datos médicas y sistemas de información hospitalaria.
Ejercicio práctico: creación de un prototipo básico de asistente clínico inteligente.
ÉTICA Y REGULACIÓN DE LA IA GENERATIVA EN SALUD
Principios éticos: responsabilidad, sesgo, privacidad.
Regulación y guías internacionales en uso de IA generativa en entornos médicos.
Discusión: ¿la IA generativa puede reemplazar al médico o solo complementarlo?

TELEMEDICINA Y HOSPITALES INTELIGENTES

EVOLUCIÓN Y TENDENCIAS DE LA TELEMEDICINA
Historia y evolución de la telemedicina en el mundo y en Latinoamérica.
Casos de éxito: teleconsultas, monitoreo remoto de pacientes crónicos, telesalud en áreas rurales.
Retos de la implementación: accesibilidad, conectividad, adopción cultural.
PLATAFORMAS Y TECNOLOGÍAS DE TELEMEDICINA
Principales plataformas de teleconsulta: Zoom Healthcare, Doxy.me, Teladoc.
Diseño de un flujo de atención digital con soporte de IA.
Wearables e IoT en salud: monitoreo remoto de signos vitales en tiempo real.
HOSPITALES INTELIGENTES Y TRANSFORMACIÓN DIGITAL
Concepto de hospitales 4.0: interconexión de servicios, automatización y robótica.
Aplicaciones de IA en gestión hospitalaria: logística, predicción de ocupación de camas, optimización de recursos.
Integración de sistemas de información clínica: historias clínicas electrónicas interoperables.
CLOUD COMPUTING EN SALUD
Plataformas en la nube aplicadas al sector salud: Google Cloud Healthcare API, Azure Health Data Services, AWS HealthLake.
Seguridad y compliance: HIPAA, GDPR y normativas locales.
Modelos híbridos para hospitales digitales.
CASO PRÁCTICO DISEÑO DE UN FLUJO DE TELECONSULTA CON IA
Simulación de una consulta médica digital.
Integración de un chatbot médico en el proceso.
Generación automática del reporte clínico de la teleconsulta.

BIG DATA EN SALUD DIGITAL

INTRODUCCIÓN AL BIG DATA EN SALUD
Qué es Big Data y por qué es crítico en medicina.
Casos de uso: vigilancia epidemiológica, investigación clínica, gestión hospitalaria.
Beneficios y riesgos de su implementación en sistemas sanitarios.
FUENTES Y CARACTERÍSTICAS DE DATOS MASIVOS EN SALUD
Datos estructurados: historias clínicas electrónicas, registros hospitalarios.
Datos no estructurados: imágenes médicas, notas clínicas, sensores IoT.
Principales retos: calidad del dato, escalabilidad, interoperabilidad.
PROCESAMIENTO Y ANÁLISIS DE DATOS CLÍNICOS MASIVOS
Introducción a Hadoop y Spark en entornos clínicos.
Análisis distribuido con PySpark.
Casos prácticos: predicción de demanda hospitalaria, análisis poblacional.
GOBIERNO Y ÉTICA DEL DATO EN SALUD
Gobierno de datos: políticas de gestión, calidad y acceso.
Aspectos legales y regulatorios (HIPAA, GDPR, normativa local).
Estrategias de compliance y auditoría digital.
SESIÓN 5: CIBERSEGURIDAD EN SALUD DIGITAL
Principales amenazas: ransomware en hospitales, ataques a sistemas de telemedicina, brechas de datos clínicos.
Herramientas y protocolos de seguridad: cifrado, autenticación, firewalls inteligentes.
Casos reales de ciberataques en hospitales y lecciones aprendidas.
CASO PRÁCTICO: ESTRATEGIA DE SEGURIDAD Y
ANÁLISIS DE BIG DATA CLÍNICO
Simulación de procesamiento de datos clínicos con PySpark.
Identificación de riesgos de ciberseguridad en un sistema hospitalario digital.
Diseño de un plan de acción para la protección de la información del paciente

ANÁLISIS DE IMÁGENES MÉDICAS Y GENÓMICA CON IA

INTRODUCCIÓN AL ANÁLISIS DE IMÁGENES MÉDICAS CON IA
Tipos de imágenes: radiología, tomografía, resonancia magnética, dermatología.
Retos en el análisis: calidad, ruido, estandarización.
Casos de uso clínicos: detección de cáncer, neumonía, enfermedades cardiovasculares.
FUNDAMENTOS DE REDES NEURONALES CONVOLUCIONALES (CNNS)
Estructura y funcionamiento de CNNs en visión por computador.
Aplicación de CNNs en imágenes radiológicas.
Transfer learning: uso de modelos preentrenados en datasets clínicos.
PROCESAMIENTO DE IMÁGENES MÉDICAS
Uso de librerías especializadas en imágenes médicas (OpenCV, MONAI).
DICOM y NIfTI: estándares para almacenamiento e intercambio de imágenes médicas.
Herramientas de visualización: 3D Slicer, ITK-Snap.
INTRODUCCIÓN A LA GENÓMICA CLÍNICA Y MEDICINA DE PRECISIÓN
Fundamentos de bioinformática: secuenciación, análisis de variantes, biomarcadores.
Uso de IA para análisis genómicos y predicción de enfermedades hereditarias.
Aplicaciones en terapias personalizadas y medicina regenerativa.
CASO PRÁCTICO CLASIFICACIÓN AUTOMÁTICA DE IMÁGENES MÉDICAS Y ANÁLISIS GENÓMICO
Entrenamiento de un modelo CNN para clasificar radiografías de tórax.
Exploración de un dataset genómico con herramientas de bioinformática.
Discusión sobre implicaciones éticas y clínicas de los resultados.

INNOVACIÓN, EMPRENDIMIENTO Y MODELOS DE NEGOCIO DIGITAL EN SALUD

INNOVACIÓN EN EL ECOSISTEMA DE SALUD DIGITAL
Tendencias globales: healthtech, medtech, biotech y digital therapeutics.
Casos de éxito de startups en telemedicina, IA clínica y dispositivos médicos conectados.
Retos de innovación en Latinoamérica:
financiamiento, regulación y escalabilidad.
METODOLOGÍAS DE INNOVACIÓN APLICADAS A SALUD
Introducción a Design Thinking para creación de soluciones centradas en el paciente.
Lean Startup: cómo validar ideas en el sector salud.
Agile y Scrum: metodologías para equipos de innovación en hospitales y clínicas.
MODELOS DE NEGOCIO EN SALUD DIGITAL
Business Model Canvas aplicado a healthtech.
Modelos basados en datos: monetización de big data clínico, servicios de IA.
Plataformas y economía colaborativa en salud: peerto-peer, marketplaces de servicios médicos.
EMPRENDIMIENTO Y ESCALABILIDAD
ICómo presentar un pitch a inversionistas del sector salud.
Estrategias de crecimiento y escalabilidad de startups healthtech.
Oportunidades de inversión en telemedicina, IA y genómica.
CASO PRÁCTICO DISEÑO DE UNA PROPUESTA
DE INNOVACIÓN EN SALUD DIGITAL
Creación de un prototipo de aplicación o servicio digital para hospitales o pacientes.
Definición del modelo de negocio y propuesta de valor.
Presentación grupal estilo “demo day” con retroalimentación.