05 DE JULIO
SÁBADOS Y DOMINGOS: 5:00PM - 07:00PM (PE)
El presente diplomado está dirigido a:
Al finalizar el diplomado, el participante será capaz de:
Este módulo presenta una visión general sobre la transformación tecnológica del sector salud. Se abordan tendencias globales en salud digital, el impacto de la inteligencia artificial en medicina, los retos y oportunidades en Latinoamérica, y el nuevo rol del profesional de la salud en la era digital.
Introduce los fundamentos de la salud digital, la inteligencia artificial y la ciencia de datos aplicada a medicina. Se revisan conceptos clave como machine learning, deep learning, tipos de datos clínicos, ética, regulación, seguridad y herramientas iniciales como Google Colab, Kaggle y Power BI.
Desarrolla las bases conceptuales de la medicina basada en valor, los tipos de datos clínicos, la interoperabilidad y los principios básicos de inteligencia artificial aplicada a salud. También se trabajan aspectos éticos, privacidad, regulación y gobierno del dato médico.
Este módulo fortalece las competencias técnicas en programación con Python para el análisis de datos clínicos. Incluye el uso de Google Colab, Jupyter Notebook, Pandas, NumPy, limpieza de datos, visualización médica y un caso práctico de análisis exploratorio con datasets clínicos reales.
Aborda el uso de machine learning en salud mediante modelos supervisados y no supervisados. Se estudian aplicaciones como predicción de enfermedades, diagnóstico temprano, segmentación de pacientes, evaluación de modelos clínicos, métricas médicas e interpretabilidad de resultados.
Presenta las aplicaciones de la IA generativa en salud, incluyendo resúmenes clínicos, chatbots médicos, asistentes virtuales, automatización de reportes y uso de modelos de lenguaje. El módulo culmina con la construcción de un prototipo básico de asistente clínico inteligente.
Explora la evolución de la telemedicina, plataformas de atención digital, wearables, IoT en salud, hospitales 4.0, cloud computing y transformación digital hospitalaria. Incluye un caso práctico de diseño de flujo de teleconsulta con integración de IA.
Desarrolla el análisis de datos clínicos masivos, sus fuentes, características, beneficios y riesgos. Se abordan herramientas como Hadoop, Spark y PySpark, además de gobierno del dato, ética, compliance y ciberseguridad en sistemas hospitalarios digitales.
Introduce el análisis de imágenes médicas mediante inteligencia artificial, redes neuronales convolucionales, procesamiento de imágenes, estándares como DICOM y NIfTI, herramientas especializadas y fundamentos de genómica clínica y medicina de precisión.
Este módulo final se enfoca en innovación healthtech, modelos de negocio digitales, Design Thinking, Lean Startup, Agile, Scrum, pitch para inversionistas y escalabilidad de startups en salud. Culmina con el diseño de una propuesta de innovación en salud digital.
Este módulo presenta una visión general sobre la transformación tecnológica del sector salud. Se abordan tendencias globales en salud digital, el impacto de la inteligencia artificial en medicina, los retos y oportunidades en Latinoamérica, y el nuevo rol del profesional de la salud en la era digital.
Introduce los fundamentos de la salud digital, la inteligencia artificial y la ciencia de datos aplicada a medicina. Se revisan conceptos clave como machine learning, deep learning, tipos de datos clínicos, ética, regulación, seguridad y herramientas iniciales como Google Colab, Kaggle y Power BI.
Desarrolla las bases conceptuales de la medicina basada en valor, los tipos de datos clínicos, la interoperabilidad y los principios básicos de inteligencia artificial aplicada a salud. También se trabajan aspectos éticos, privacidad, regulación y gobierno del dato médico.
Este módulo fortalece las competencias técnicas en programación con Python para el análisis de datos clínicos. Incluye el uso de Google Colab, Jupyter Notebook, Pandas, NumPy, limpieza de datos, visualización médica y un caso práctico de análisis exploratorio con datasets clínicos reales.
Aborda el uso de machine learning en salud mediante modelos supervisados y no supervisados. Se estudian aplicaciones como predicción de enfermedades, diagnóstico temprano, segmentación de pacientes, evaluación de modelos clínicos, métricas médicas e interpretabilidad de resultados.
Presenta las aplicaciones de la IA generativa en salud, incluyendo resúmenes clínicos, chatbots médicos, asistentes virtuales, automatización de reportes y uso de modelos de lenguaje. El módulo culmina con la construcción de un prototipo básico de asistente clínico inteligente.
Explora la evolución de la telemedicina, plataformas de atención digital, wearables, IoT en salud, hospitales 4.0, cloud computing y transformación digital hospitalaria. Incluye un caso práctico de diseño de flujo de teleconsulta con integración de IA.
Desarrolla el análisis de datos clínicos masivos, sus fuentes, características, beneficios y riesgos. Se abordan herramientas como Hadoop, Spark y PySpark, además de gobierno del dato, ética, compliance y ciberseguridad en sistemas hospitalarios digitales.
Introduce el análisis de imágenes médicas mediante inteligencia artificial, redes neuronales convolucionales, procesamiento de imágenes, estándares como DICOM y NIfTI, herramientas especializadas y fundamentos de genómica clínica y medicina de precisión.
Este módulo final se enfoca en innovación healthtech, modelos de negocio digitales, Design Thinking, Lean Startup, Agile, Scrum, pitch para inversionistas y escalabilidad de startups en salud. Culmina con el diseño de una propuesta de innovación en salud digital.
