¿Por qué estudiar en TECH?

TECH presenta este Máster Título Propio como la opción perfecta para alcanzar tus metas profesionales a través de una titulación 100% online que te hará destacar en el sector de la Telemedicina por tu carácter innovador y especializado”

maestria ehealth big data

¿Por qué estudiar en TECH?

TECH es la mayor escuela de negocio 100% online del mundo.

Se trata de una Escuela de Negocios de élite, con un modelo de máxima exigencia académica. Un centro de alto rendimiento internacional y de entrenamiento intensivo en habilidades directivas   

TECH es una universidad de vanguardia tecnológica, que pone todos sus recursos al alcance del alumno para ayudarlo a alcanzar el éxito empresarial”

En TECH Global University

idea icon
Innovación

La universidad ofrece un modelo de aprendizaje en línea que combina la última tecnología educativa con el máximo rigor pedagógico. Un método único con el mayor reconocimiento internacional que aportará las claves para que el alumno pueda desarrollarse en un mundo en constante cambio, donde la innovación debe ser la apuesta esencial de todo empresario.

“Caso de Éxito Microsoft Europa” por incorporar en los programas un novedoso sistema de multivídeo interactivo. 
head icon
Máxima exigencia

El criterio de admisión de TECH no es económico. No se necesita realizar una gran inversión para estudiar en esta universidad. Eso sí, para titularse en TECH, se podrán a prueba los límites de inteligencia y capacidad del alumno. El listón académico de esta institución es muy alto...

95% de los alumnos de TECH finaliza sus estudios con éxito.
neuronas icon
Networking

En TECH participan profesionales de todos los países del mundo, de tal manera que el alumno podrá crear una gran red de contactos útil para su futuro. 

+100.000 directivos capacitados cada año, +200 nacionalidades distintas.
hands icon
Empowerment

El alumno crecerá de la mano de las mejores empresas y de profesionales de gran prestigio e influencia. TECH ha desarrollado alianzas estratégicas y una valiosa red de contactos con los principales actores económicos de los 7 continentes.

+500 acuerdos de colaboración con las mejores empresas.
star icon
Talento

Este programa es una propuesta única para sacar a la luz el talento del estudiante en el ámbito empresarial. Una oportunidad con la que podrá dar a conocer sus inquietudes y su visión de negocio.

TECH ayuda al alumno a enseñar al mundo su talento al finalizar este programa.
earth icon
Contexto multicultural

Estudiando en TECH el alumno podrá disfrutar de una experiencia única. Estudiará en un contexto multicultural. En un programa con visión global, gracias al cual podrá conocer la forma de trabajar en diferentes lugares del mundo, recopilando la información más novedosa y que mejor se adapta a su idea de negocio.

Los alumnos de TECH provienen de más de 200 nacionalidades.  
master finanzas
human icon
Aprende con los mejores

El equipo docente de TECH explica en las aulas lo que le ha llevado al éxito en sus empresas, trabajando desde un contexto real, vivo y dinámico. Docentes que se implican al máximo para ofrecer una especialización de calidad que permita al alumno avanzar en su carrera y lograr destacar en el ámbito empresarial.

Profesores de 20 nacionalidades diferentes.

TECH busca la excelencia y, para ello, cuenta con una serie de características que hacen de esta una universidad única:   

brain icon
Análisis 

En TECH se explora el lado crítico del alumno, su capacidad de cuestionarse las cosas, sus competencias en resolución de problemas y sus habilidades interpersonales.  

micro icon
Excelencia académica

En TECH se pone al alcance del alumno la mejor metodología de aprendizaje online. La universidad combina el método Relearning (metodología de aprendizaje de posgrado con mejor valoración internacional) con el Estudio de Caso. Tradición y vanguardia en un difícil equilibrio, y en el contexto del más exigente itinerario académico.   

corazon icon
Economía de escala

TECH es la universidad online más grande del mundo. Tiene un portfolio de más de 10.000 posgrados universitarios. Y en la nueva economía, volumen + tecnología = precio disruptivo. De esta manera, se asegura de que estudiar no resulte tan costoso como en otra universidad. 

En TECH tendrás acceso a los análisis de casos más rigurosos y actualizados del panorama académico” 

Estructura y contenido

Para la elaboración de este Máster Título Propio TECH ha tenido en consideración, principalmente, el criterio profesional del equipo docente, el cual ha seleccionado la información más exhaustiva y novedosa relacionada con la E-Health y Big Data. Además, ha empleado en el desarrollo de su contenido teórico la prestigiosa y efectiva metodología Relearning, una estrategia pedagógica que consiste en la reiteración de los conceptos más importantes a lo largo del temario para favorecer un aprendizaje natural y progresivo. Gracias a ello y a la calidad y variedad del material adicional que el egresado encontrará en el aula virtual, asistirá a una experiencia académica altamente capacitante sin la necesidad de invertir horas de más en memorizar.

Podrás ahondar en los diferentes tipos de bases de datos biomédicas y en los planes de gestión de información en la investigación, para que puedas emprender proyectos exitosos con garantía” 

Plan de estudios

El Máster Título Propio en E-Health y Big Data ofrecido por TECH es un programa intensivo y multidisciplinar que preparará al egresado para enfrentarse al mercado laboral y a los proyectos más ambiciosos y complejos del sector de la telemedicina, con la garantía de contar con el conocimiento más actualizado y completo. 

El contenido del programa está pensado para ampliar las habilidades profesionales del estudiante, a través del dominio de las herramientas que se están utilizando en la actualidad, tanto para la investigación en las ciencias de la salud, como para la gestión de datos. 

Y es que se trata de una titulación en la que contará con 1.500 horas del mejor material teórico, práctico y adicional, con el cual podrá ahondar en las aplicaciones de esta área y en la adaptación de su perfil a la demanda laboral que existe actualmente en el sector profesional.

Este Máster Título Propio se desarrolla a lo largo de 12 meses y se divide en 10 módulos:

Módulo 1. Medicina molecular y diagnóstico de patologías 
Módulo 2. Sistema sanitario. Gestión y dirección de centros sanitarios 
Módulo 3. Investigación en ciencias de la salud 
Módulo 4. Técnicas, reconocimiento e intervención a través de Imágenes Biomédicas 
Módulo 5. Computación en Bioinformática 
Módulo 6. Bases de datos biomédicas 
Módulo 7. Big Data en Medicina: procesamiento masivo de datos médicos 
Módulo 8. Aplicaciones de la Inteligencia Artificial e internet de las cosas (IoT) a la Telemedicina 
Módulo 9. Telemedicina y dispositivos médicos, quirúrgicos y biomecánicos 
Módulo 10. Innovación empresarial y emprendimiento en E-Health 

mejor master ehealth big data

¿Dónde, cuándo y cómo se imparte?

TECH ofrece la posibilidad de desarrollar este Máster Título Propio en E-Health y Big Data de manera totalmente online. Durante los 12 meses que dura la especialización, el alumno podrá acceder a todos los contenidos de este programa en cualquier momento, lo que le permitirá autogestionar su tiempo de estudio.

Módulo 1. Medicina molecular y diagnóstico de patologías 

1.1. Medicina molecular 

1.1.1. Biología celular y molecular. Lesión y muerte celular. Envejecimiento
1.1.2. Enfermedades causadas por microorganismos y defensa del huésped
1.1.3. Enfermedades autoinmunes
1.1.4. Enfermedades toxicológicas
1.1.5. Enfermedades por hipoxia
1.1.6. Enfermedades relacionadas con el medio ambiente
1.1.7. Enfermedades genéticas y epigenética
1.1.8. Enfermedades oncológicas

1.2. Aparato circulatorio

1.2.1. Anatomía y función
1.2.2. Enfermedades del miocardio e insuficiencia cardíaca
1.2.3. Enfermedades del ritmo cardíaco
1.2.4. Enfermedades valvulares y pericárdicas
1.2.5. Ateroesclerosis, Arterioesclerosis e Hipertensión Arterial
1.2.6. Enfermedad arterial y venosa periférica
1.2.7. Enfermedad linfática (la gran ignorada)

1.3. Enfermedades del aparato respiratorio 

1.3.1. Anatomía y función
1.3.2. Enfermedades pulmonares obstructivas agudas y crónicas
1.3.3. Enfermedades pleurales y mediastínicas
1.3.4. Enfermedades infecciosas del parénquima pulmonar y bronquios 
1.3.5. Enfermedades de la circulación pulmonar

1.4. Enfermedades del aparato digestivo 

1.4.1. Anatomía y función
1.4.2. Sistema digestivo, nutrición, e intercambio hidroelectrolítico
1.4.3. Enfermedades gastroesofágicas
1.4.4. Enfermedades infecciosas gastrointestinales
1.4.5. Enfermedades del hígado y las vías biliares
1.4.6. Enfermedades del páncreas
1.4.7. Enfermedades del colon

1.5. Enfermedades renales y de las vías urinarias

1.5.1. Anatomía y función
1.5.2. Insuficiencia renal (prerenal, renal, y postrenal) como se desencadenan
1.5.3. Enfermedades obstructivas de las vías urinarias
1.5.4. Insuficiencia esfinteriana en las vías urinarias
1.5.5. Síndrome nefrótico y síndrome nefrítico

1.6. Enfermedades del sistema endocrino

1.6.1. Anatomía y función
1.6.2. El ciclo menstrual y sus afecciones
1.6.3. Enfermedad de la tiroides 
1.6.4. Enfermedad de las glándulas suprarrenales
1.6.5. Enfermedades de las gónadas y de la diferenciación sexual
1.6.6. Eje hipotálamo-hipofisario, metabolismo del calcio, vitamina D y sus efectos en el crecimiento y el sistema óseo

1.7. Metabolismo y nutrición

1.7.1. Nutrientes esenciales y no esenciales (aclarando definiciones)
1.7.2. Metabolismo de los carbohidratos y sus alteraciones
1.7.3. Metabolismo de las proteínas y sus alteraciones
1.7.4. Metabolismo de los lípidos y sus alteraciones
1.7.5. Metabolismo del hierro y sus alteraciones
1.7.6. Alteraciones del equilibrio ácido-base
1.7.7. Metabolismo del sodio, potasio y sus alteraciones
1.7.8. Enfermedades nutricionales (hipercalóricas e hipocalóricas)

1.8. Enfermedades hematológicas 

1.8.1. Anatomía y función
1.8.2. Enfermedades de la serie roja
1.8.3. Enfermedades de la serie blanca, los ganglios linfáticos y el bazo
1.8.4. Enfermedades de la hemostasia y la coagulación

1.9. Enfermedades del sistema musculoesquelético 

1.9.1. Anatomía y función 
1.9.2. Articulaciones, tipos y función 
1.9.3. Regeneración ósea 
1.9.4. Desarrollo normal y patológico del sistema óseo 
1.9.5. Deformidades en los miembros superiores e inferiores 
1.9.6. Patología articular, cartílago, y análisis del líquido sinovial 
1.9.7. Enfermedades articulares de origen inmunológico 

1.10. Enfermedades del sistema nervioso

1.10.1. Anatomía y función 
1.10.2. Desarrollo del sistema nervioso central y periférico 
1.10.3. Desarrollo de la columna vertebral y sus componentes 
1.10.4. Enfermedades del cerebelo y propioceptivas 
1.10.5. Enfermedades propias del cerebro (sistema nervioso central) 
1.10.6. Enfermedades de la médula espinal y del líquido cefalorraquídeo 
1.10.7. Enfermedades estenóticas del sistema nervioso periférico 
1.10.8. Enfermedades infecciones del sistema nervioso central 
1.10.9. Enfermedad cerebrovascular (estenótica y hemorrágicas)

Módulo 2. Sistema sanitario. Gestión y dirección de centros sanitarios 

2.1. Los sistemas sanitarios

2.1.1. Sistemas sanitarios
2.1.2. Sistema sanitario según la OMS
2.1.3. Contexto sanitario

2.2. Modelos Sanitarios I. Modelo Bismark vs. Beveridge

2.2.1. Modelo Bismark
2.2.2. Modelo Beveridge
2.2.3. Modelo Bismark vs. Modelo Beveridge

2.3. Modelos Sanitarios II. Modelo Semashko, privado y mixto

2.3.1. Modelo Semashko
2.3.2. Modelo privado
2.3.3. Modelo mixto

2.4. El mercado de salud

2.4.1. El mercado de salud
2.4.2. Regulación y limitaciones del mercado de salud
2.4.3. Métodos de pago a doctores y hospitales
2.4.4. El ingeniero clínico

2.5. Hospitales. Tipología

2.5.1. Arquitectura del hospital
2.5.2. Tipos de hospitales
2.5.3. Organización del hospital

2.6. Métricas en salud

2.6.1. Mortalidad
2.6.2. Morbilidad
2.6.3. Años de vida saludables

2.7. Métodos de asignación de recursos en salud

2.7.1. Programación lineal
2.7.2. Modelos de maximización
2.7.3. Modelos de minimización

2.8. Medida de la productividad en salud

2.8.1. Medidas de la productividad en salud
2.8.2. Ratios de productividad
2.8.3. Ajuste por entradas
2.8.4. Ajuste por salidas

2.9. Mejora de procesos en salud

2.9.1. Proceso de Lean Management
2.9.2. Herramientas de simplificación de trabajo
2.9.3. Herramientas para la investigación de problemas

2.10. Gestión de proyectos en salud

2.10.1. Rol del Project Manager
2.10.2. Herramientas de manejo de equipos y proyectos
2.10.3. Manejo de calendarios y tiempos 

Módulo 3. Investigación en ciencias de la salud 

3.1. La investigación científica I. El método científico

3.1.1. La investigación científica
3.1.2. Investigación en ciencias de la salud
3.1.3. El método científico

3.2. La investigación científica II. Tipología

3.2.1. La investigación básica
3.2.2. La investigación clínica
3.2.3. La investigación traslacional

3.3. La medicina basada en la evidencia

3.3.1. La medicina basada en la evidencia
3.3.2. Principios de la medicina basada en la evidencia
3.3.3. Metodología de la medicina basada en la evidencia

3.4. Ética y legislación de la investigación científica. La declaración de Helsinki

3.4.1. El comité de ética
3.4.2. La declaración de Helsinki
3.4.3. Ética en ciencias de la salud

3.5. Resultados de la investigación científica

3.5.1. Métodos
3.5.2. Rigor y poder estadístico
3.5.3. Validez de los resultados científicos

3.6. Comunicación pública

3.6.1. Las sociedades científicas
3.6.2. El congreso científico
3.6.3. Estructuras de comunicación

3.7. Financiación de la investigación científica

3.7.1. Estructura de un proyecto científico
3.7.2. La financiación pública
3.7.3. La financiación privada e industrial

3.8. Recursos científicos para la búsqueda bibliográfica. Bases de datos de ciencias de la salud I

3.8.1. PubMed-Medline
3.8.2. Embase
3.8.3. WOS y JCR
3.8.4. Scopus y Scimago
3.8.5. Micromedex
3.8.6. MEDES
3.8.7. IBECS
3.8.8. LILACS
3.8.9. Bases de datos del CSIC: ISOC, ICYT
3.8.10. BDENF
3.8.11. Cuidatge
3.8.12. CINAHL
3.8.13. Cuiden Plus
3.8.14. Enfispo
3.8.15. Bases de datos del NCBI (OMIM, TOXNET) y los NIH (National Cancer Institute)

3.9. Recursos científicos para la búsqueda bibliográfica. Bases de datos de ciencias de la salud II

3.9.1. NARIC- Rehabdata
3.9.2. PEDro
3.9.3. ASABE: Technical Library
3.9.4. CAB Abstracts 
3.9.5. Índices-CSIC
3.9.6. Bases de datos del CDR (Centre for Reviews and Dissemination)
3.9.7. Biomed Central BMC
3.9.8. ClinicalTrials.gov
3.9.9. Clinical Trials Register
3.9.10. DOAJ- Directory of Open Acess Journals
3.9.11. PROSPERO (Registro Internacional Prospectivo de Revisiones Sistemáticas)
3.9.12. TRIP
3.9.13. LILACS
3.9.14. NIH. Medical Library
3.9.15. Medline Plus
3.9.16. Ops

3.10. Recursos científicos para la búsqueda bibliográfica III. Buscadores y plataformas

3.10.1. Buscadores y multibuscadores

3.10.1.1. Findr
3.10.1.2. Dimensions
3.10.1.3. Google Académico
3.10.1.4. Microsoft Academic

3.10.2. Plataforma de Registros Internacionales de Ensayos Clínicos de la OMS (ICTRP)

3.10.2.1. PubMed Central PMC
3.10.2.2. Recolector de ciencia abierta (RECOLECTA)
3.10.2.3. Zenodo

3.10.3. Buscadores de tesis doctorales

3.10.3.1. DART-Europe
3.10.3.2. Dialnet-Tesis doctorales
3.10.3.3. OATD (Open Access Theses and Dissertations)
3.10.3.4. TDR (Tesis doctorales en red)
3.10.3.5. TESEO

3.10.4. Gestores bibliográficos

3.10.4.1. Endnote Online
3.10.4.2. Mendeley
3.10.4.3. Zotero
3.10.4.4. Citeulike
3.10.4.5. Refworks

3.10.5. Redes sociales digitales para investigadores

3.10.5.1. Scielo
3.10.5.2. Dialnet
3.10.5.3. Free Medical Journals
3.10.5.4. DOAJ
3.10.5.5. Open Science Directory
3.10.5.6. Redalyc
3.10.5.7. Academia.edu
3.10.5.8. Mendeley
3.10.5.9. ResearchGate

3.10.6. Recursos 2.0 de la web social

3.10.6.1. Delicious
3.10.6.2. Slideshare
3.10.6.3. Youtube
3.10.6.4. Twitter
3.10.6.5. Blogs de ciencias de la salud
3.10.6.6. Facebook
3.10.6.7. Evernote
3.10.6.8. Dropbox
3.10.6.9. Google Drive

3.10.7. Portales de editores y agregadores de revistas científicas

3.10.7.1. Science Direct
3.10.7.2. Ovid
3.10.7.3. Springer
3.10.7.4. Wiley
3.10.7.5. Proquest
3.10.7.6. Ebsco
3.10.7.7. BioMed Central

Módulo 4. Técnicas, reconocimiento e intervención a través de Imágenes Biomédicas 

4.1. Imágenes médicas

4.1.1. Modalidades de las imágenes médicas
4.1.2. Objetivos de los sistemas de imagen médica
4.1.3. Sistemas de almacenamiento de las imágenes médicas

4.2. Radiología

4.2.1. Método de obtención de imágenes
4.2.2. Interpretación de la radiología
4.2.3. Aplicaciones clínicas

4.3. Tomografía computarizada (TC)

4.3.1. Principio de funcionamiento
4.3.2. Generación y obtención de la imagen
4.3.3. Tomografía computarizada. Tipología
4.3.4. Aplicaciones clínicas

4.4. Resonancia magnética (RM)

4.4.1. Principio de funcionamiento
4.4.2. Generación y obtención de la imagen
4.4.3. Aplicaciones clínicas

4.5. Ultrasonidos: ecografía y ecografía Doppler

4.5.1. Principio de funcionamiento
4.5.2. Generación y obtención de la imagen
4.5.3. Tipología
4.5.4. Aplicaciones clínicas

4.6. Medicina nuclear

4.6.1. Fundamento fisiológico de los estudios nucleares. Radiofármacos y medicina nuclear)
4.6.2. Generación y obtención de la imagen
4.6.3. Tipos de pruebas

4.6.3.1. Gammagrafía
4.6.3.2. SPECT
4.6.3.3. PET
4.6.3.4. Aplicaciones clínicas

4.7. Intervencionismo guiado por imagen

4.7.1. La radiología intervencionista
4.7.2. Objetivos de la radiología intervencionista
4.7.3. Procedimientos
4.7.4. Ventajas y desventajas

4.8. La calidad de la imagen

4.8.1. Técnica
4.8.2. Contraste
4.8.3. Resolución
4.8.4. Ruido
4.8.5. Distorsión y artefactos

4.9. Pruebas de imágenes médicas. Biomedicina

4.9.1. Creación de imágenes 3D
4.9.2. Los biomodelos

4.9.2.1. Estándar DICOM
4.9.2.2. Aplicaciones clínicas

4.10. Protección radiológica

4.10.1. Legislación europea aplicable a los servicios de radiología
4.10.2. Seguridad y protocolos de actuación
4.10.3. Gestión de residuos radiológicos
4.10.4. Protección radiológica
4.10.5. Cuidados y características de las salas

Módulo 5. Computación en Bioinformática 

5.1. Dogma central en Bioinformática y computación. Estado actual

5.1.1. La aplicación ideal en Bioinformática
5.1.2. Desarrollos en paralelo en biología molecular y computación
5.1.3. Dogma en biología y teoría de la información
5.1.4. Flujos de información

5.2. Bases de datos para computación en Bioinformática

5.2.1. Base de datos
5.2.2. Gestión del dato
5.2.3. Ciclo de vida del dato en Bioinformática

5.2.3.1. Uso
5.2.3.2. Modificación
5.2.3.3. Archivado
5.2.3.4. Reúso
5.2.3.5. Desechado

5.2.4. Tecnología de bases de datos en Bioinformática

5.2.4.1. Arquitectura
5.2.4.2. Gestión de bases de datos

5.2.5. Interfaces para bases de datos en Bioinformática

5.3. Redes para la computación en Bioinformática

5.3.1. Modelos de comunicación. Redes LAN, WAN, MAN y PAN
5.3.2. Protocolos y trasmisión de datos
5.3.3. Topología de redes
5.3.4. Hardware en Datacenters para computación
5.3.5. Seguridad, gestión e implementación

5.4. Motores de búsqueda en Bioinformática

5.4.1. Motores de búsqueda en Bioinformática
5.4.2. Procesos y tecnologías de los motores de búsqueda en Bioinformática
5.4.3. Modelos computacionales: algoritmos de búsqueda y aproximación

5.5. Visualización de datos en Bioinformática

5.5.1. Visualización de secuencias biológicas
5.5.2. Visualización de estructuras biológicas

5.5.2.1. Herramientas de visualización
5.5.2.2. Herramientas de renderizado

5.5.3. Interfaz de usuario para aplicaciones en Bioinformática
5.5.4. Arquitecturas de información para la visualización en Bioinformática

5.6. Estadística para computación

5.6.1. Conceptos estadísticos para computación en Bioinformática
5.6.2. Caso de uso: Microarrays de MARN
5.6.3. Datos imperfectos. Errores en estadística: aleatoriedad, aproximación, ruido y asunciones
5.6.4. Cuantificación del error: precisión, sensibilidad y sensitividad
5.6.5. Clusterización y clasificación

5.7. Minado de datos

5.7.1. Métodos de minado y cómputo de datos
5.7.2. Infraestructura para el cómputo y minado de datos
5.7.3. Descubrimiento y reconocimiento de patrones
5.7.4. Aprendizaje automático y nuevas herramientas

5.8. Coincidencia de patrones genéticos

5.8.1. Coincidencia de patrones genéticos
5.8.2. Métodos de cómputo para alineaciones de secuencia
5.8.3. Herramientas para la coincidencia de patrones

5.9. Modelado y simulación

5.9.1. Uso en el campo farmacéutico: descubrimiento de fármacos
5.9.2. Estructura de proteínas y biología de sistemas
5.9.3. Herramientas disponibles y futuro

5.10. Colaboración y proyectos de computación en línea

5.10.1. Computación en red
5.10.2. Estándares y reglas. Uniformidad, consistencia e interoperabilidad
5.10.3. Proyectos de computación colaborativa

Módulo 6. Bases de datos biomédicas 

6.1. Bases de datos biomédicas

6.1.1. Base de datos biomédica
6.1.2. Bases de datos primarias y secundarias
6.1.3. Principales bases de datos

6.2. Bases de datos de ADN

6.2.1. Bases de datos de genomas
6.2.2. Bases de datos de genes
6.2.3. Bases de datos de mutaciones y polimorfismos

6.3. Bases de datos de proteínas

6.3.1. Bases de datos de secuencias primarias
6.3.2. Bases de datos de secuencias secundarias y dominios
6.3.3. Bases de datos de estructuras macromoleculares

6.4. Bases de datos de proyectos óhmicos

6.4.1. Bases de datos para estudios de genómica
6.4.2. Bases de datos para estudios de transcriptómica
6.4.3. Bases de datos para estudios de proteómica

6.5. Bases de datos de enfermedades genéticas. La medicina personalizada y de precisión

6.5.1. Bases de datos de enfermedades genéticas
6.5.2. Medicina de precisión. Necesidad de integración de datos genéticos
6.5.3. Extracción de datos de OMIM

6.6. Repositorios auto-reportados de pacientes

6.6.1. Uso secundario del dato
6.6.2. El paciente en la gestión de los datos depositados
6.6.3. Repositorios de cuestionarios auto-reportados. Ejemplos

6.7. Bases de datos en abierto elixir

6.7.1. Bases de datos en abierto elixir
6.7.2. Bases de datos recogidos en la plataforma elixir
6.7.3. Criterio de elección entre una y otra base de datos

6.8. Bases de datos de Reacciones Adversas a Medicamentos (RAMs)

6.8.1. Proceso de desarrollo farmacológico
6.8.2. Reporte de reacciones adversas a fármacos.
6.8.3. Repositorios de reacciones adversas a nivel local, nacional, europeo e internacional

6.9. Plan de gestión de datos de investigación. Datos a depositar en bases de datos públicas

6.9.1. Plan de gestión de datos
6.9.2. Custodia de los datos resultantes de investigación
6.9.3. Déposito de datos en una base de datos pública

6.10. Bases de datos clínicas. Problemas con el uso secundario de datos en salud

6.10.1. Repositorios de historias clínicas
6.10.2. Cifrado de dato
6.10.3. Acceso al dato sanitario. Legislación

Módulo 7. Big Data en Medicina: procesamiento masivo de datos médicos 

7.1. Big Data en investigación biomédica

7.1.1. Generación de datos en biomedicina
7.1.2. Alto rendimiento (Tecnología High-throughput)
7.1.3. Utilidad de los datos de alto rendimiento. Hipótesis en la era del Big Data

7.2. Preprocesado de datos en Big Data

7.2.1. Preprocesado de datos
7.2.2. Métodos y aproximaciones
7.2.3. Problemáticas del preprocesado de datos en Big Data

7.3. Genómica estructural

7.3.1. La secuenciación del genoma humano
7.3.2. Secuenciación vs. Chips
7.3.3. Descubrimiento de variantes

7.4. Genómica funcional

7.4.1. Anotación funcional
7.4.2. Predictores de riesgo en mutaciones
7.4.3. Estudios de asociación en genómica

7.5. Transcriptómica

7.5.1. Técnicas de obtención de datos masivos en transcriptómica: RNA-seq
7.5.2. Normalización de datos en transcriptómica
7.5.3. Estudios de expresión diferencial

7.6. Interactómica y epigenómica

7.6.1. El papel de la cromatina en la expresión genética
7.6.2. Estudios de alto rendimiento en interactómica
7.6.3. Estudios de alto rendimiento en epigenética

7.7. Proteómica

7.7.1. Análisis de datos de espectometría de masas
7.7.2. Estudio de modificaciones post-traduccionales
7.7.3. Proteómica cuantitativa

7.8. Técnicas de enriquecimiento y Clustering

7.8.1. Contextualización de los resultados
7.8.2. Algoritmos de Clustering en técnicas óhmicas
7.8.3. Repositorios para el enriquecimiento: Gene Ontology y KEGG

7.9. Aplicaciones del Big Data en salud pública

7.9.1. Descubrimiento de nuevos biomarcadores y dianas terapéuticas
7.9.2. Predictores de riesgo
7.9.3. Medicina personalizada

7.10. Big Data aplicado en medicina

7.10.1. El potencial de la ayuda al diagnóstico y la prevención
7.10.2. Uso de algoritmos de Machine Learning en salud pública
7.10.3. El problema de la privacidad

Módulo 8. Aplicaciones de la Inteligencia Artificial e internet de las cosas (IoT) a la Telemedicina 

8.1. Plataforma E-Health. Personalización del servicio sanitario

8.1.1. Plataforma E-Health
8.1.2. Recursos para una plataforma de E-Health
8.1.3. Programa “Europa Digital”. Digital Europe-4-Health y Horizonte Europa

8.2. La Inteligencia Artificial en el ámbito sanitario I: nuevas soluciones en aplicaciones informáticas

8.2.1. Análisis remoto de los resultados
8.2.2. Chatbox
8.2.3. Prevención y monitorización en tiempo real
8.2.4. Medicina preventiva y personalizada en el ámbito de la oncología

8.3. La Inteligencia Artificial en el ámbito sanitario II: monitorización y retos éticos

8.3.1. Monitorización de pacientes con movilidad educida
8.3.2. Monitorización cardíaca, diabetes, asma
8.3.3. Apps de salud y bienestar

8.3.3.1. Pulsómetros
8.3.3.2. Pulseras de presión arterial

8.3.4. Ética para la IA en el ámbito médico. Protección de datos

8.4. Algoritmos de Inteligencia Artificial para el procesamiento de imágenes

8.4.1. Algoritmos de Inteligencia Artificial para el tratamiento de imágenes
8.4.2. Diagnóstico y monitorización por imagen en telemedicina

8.4.2.1. Diagnóstico del melanoma

8.4.3. Limitaciones y retos del procesamiento de imagen en telemedicina

8.5. Aplicaciones de la aceleración mediante Unidad Gráfica de Procesamiento (GPU) en medicina

8.5.1. Paralelización de programas
8.5.2. Funcionamiento de la GPU
8.5.3. Aplicaciones de la aceleración por GPU en medicina

8.6. Procesamiento de Lenguaje Natural (NLP) en telemedicina

8.6.1. Procesamiento de textos del ámbito médico. Metodología
8.6.2. El procesamiento de lenguaje natural en la terapia e historias clínicas
8.6.3. Limitaciones y retos del procesamiento de lenguaje natural en telemedicina

8.7. El Internet de las Cosas (IoT) en la telemedicina. Aplicaciones

8.7.1. Monitorización de los signos vitales. Weareables

8.7.1.1. Presión arterial, temperatura, ritmo cardíaco

8.7.2. LoT y tecnología Cloud

8.7.2.1. Transmisión de datos a la nube

8.7.3. Terminales de autoservicio

8.8. LoT en el seguimiento y asistencia de pacientes

8.8.1. Aplicaciones LoT para detectar urgencias
8.8.2. El internet de las cosas en rehabilitación de pacientes
8.8.3. Apoyo de la inteligencia artificial en el reconocimiento de víctimas y salvamento

8.9. Nano-Robots. Tipología

8.9.1. Nanotecnología
8.9.2. Tipos de Nano-Robots

8.9.2.1. Ensambladores. Aplicaciones
8.9.2.2. Auto-replicantes. Aplicaciones

8.10. La Inteligencia Artificial en el control de la COVID-19

8.10.1. Covid- 19 y telemedicina
8.10.2. Gestión y comunicación de los avances y brotes
8.10.3. Predicción de brotes con la inteligencia artificial

Módulo 9. Telemedicina y dispositivos médicos, quirúrgicos y biomecánicos 

9.1. Telemedicina y telesalud

9.1.1. La telemedicina como servicio de la telesalud
9.1.2. La telemedicina

9.1.2.1. Objetivos de la telemedicina
9.1.2.2. Beneficios y limitaciones de la telemedicina

9.1.3. Salud digital. Tecnologías

9.2. Sistemas de telemedicina

9.2.1. Componentes de un sistema de telemedicina

9.2.1.1. Personal
9.2.1.2. Tecnología

9.2.2. Tecnologías de la Información y de la Comunicación (TIC) en el ámbito sanitario

9.2.2.1. T-Health
9.2.2.2. M-Health
9.2.2.3. U-Health
9.2.2.4. P-Health

9.2.3. Evaluación de sistemas de telemedicina

9.3. Infraestructura tecnológica en telemedicina

9.3.1. Redes Telefónicas Públicas (PSTN)
9.3.2. Redes satelitales
9.3.3. Redes Digitales de Servicios Integrados (ISDN)
9.3.4. Tecnologías inalámbricas

9.3.4.1. Wap. Protocolo de aplicación inalámbrica
9.3.4.2. Bluetooth

9.3.5. Conexiones vía microondas
9.3.6. Modo de Transferencia Asíncrono (ATM)

9.4. Tipos de telemedicina. Usos en atención sanitaria

9.4.1. Monitorización remota de pacientes
9.4.2. Tecnologías de almacenamiento y envío
9.4.3. Telemedicina interactiva

9.5. Aplicaciones generales de telemedicina

9.5.1. Teleasistencia
9.5.2. Televigilancia
9.5.3. Telediagnóstico
9.5.4. Teleeducación
9.5.5. Telegestión

9.6. Aplicaciones clínicas de telemedicina

9.6.1. Telerradiología
9.6.2. Teledermatología
9.6.3. Teleoncología
9.6.4. Telepsiquiatría
9.6.5. Cuidado a domicilio (Telehome-care)

9.7. Tecnologías Smart y de asistencia

9.7.1. Integración de Smart Home
9.7.2. Salud digital en la mejora del tratamiento
9.7.3. Tecnología de la opa en telesalud. La “ropa inteligente”

9.8. Aspectos éticos y legales de la telemedicina

9.8.1. Fundamentos éticos
9.8.2. Marcos regulatorios comunes
9.8.3. Normas ISO

9.9. Telemedicina y dispositivos diagnósticos, quirúrgicos y biomecánicos

9.9.1. Dispositivos diagnósticos
9.9.2. Dispositivos quirúrgicos
9.9.3. Dispositivos biomecánicos

9.10. Telemedicina y Dispositivos Médicos

9.10.1. Dispositivos Médicos

9.10.1.1. Dispositivos Médicos Móviles
9.10.1.2. Carros de telemedicina
9.10.1.3. Quioscos de telemedicina
9.10.1.4. Cámara digital
9.10.1.5. Kit de telemedicina
9.10.1.6. Software de telemedicina

Módulo 10. Innovación empresarial y emprendimiento en E-Health 

10.1. Emprendimiento e innovación

10.1.1. Innovación
10.1.2. Emprendimiento
10.1.3. Una Startup

10.2. Emprendimiento en E-Health

10.2.1. Mercado Innovador E-Health
10.2.2. Verticales en E-Health: M-Health
10.2.3. Telehealth

10.3. Modelos de negocio I: primeros estados del emprendimiento

10.3.1. Tipos de modelo de negocio

10.3.1.1. Marketplace
10.3.1.2. Plataformas digitales
10.3.1.3. Saas

10.3.2. Elementos críticos en la fase inicial. De la idea al negocio
10.3.3. Errores comunes en los primeros pasos del emprendimiento

10.4. Modelos de negocio II: modelo Canvas

10.4.1. Business Model Canvas
10.4.2. Propuesta de valor
10.4.3. Actividades y recursos clave
10.4.4. Segmento de clientes
10.4.5. Relación con los clientes
10.4.6. Canales de distribución
10.4.7. Alianzas

10.4.7.1. Estructura de costes y flujos de ingreso

10.5. Modelos de negocio III: metodología Lean Startup

10.5.1. Crea
10.5.2. Valida
10.5.3. Mide
10.5.4. Decide

10.6. Modelos de negocio IV: análisis externo, estratégico y normativo 

10.6.1. Océano rojo y océano azul
10.6.2. Curva de valor
10.6.3. Normativa aplicable en E-Health

10.7. Modelos exitosos en E-Health I: conocer antes de innovar

10.7.1. Análisis empresas de E-Health exitosas
10.7.2. Análisis empresa X
10.7.3. Análisis empresa Y
10.7.4. Análisis empresa Z

10.8. Modelos exitosos en E-Health II: escuchar antes de innovar 

10.8.1. Entrevista práctica CEO de Startup E-Health
10.8.2. Entrevista práctica CEO de Startup “sector x”
10.8.3. Entrevista práctica dirección técnica de Startup “x”

10.9. Entorno emprendedor y financiación

10.9.1. Ecosistema emprendedor en el sector salud
10.9.2. Financiación
10.9.3. Entrevista de caso

10.10. Herramientas prácticas para el emprendimiento y la innovación

10.10.1. Herramientas OSINT (Open Source Intelligence)
10.10.2. Análisis
10.10.3. Herramientas No-code para emprender

master a distancia ehealth big data

Una experiencia académica que marcará un antes y un después en tu carrera profesional y te elevará a la cúspide del sector empresarial de la telemedicina”

Máster en E-Health y Big Data

En un mundo cada vez más digitalizado y conectado, el sector de la salud ha experimentado una creciente demanda por profesionales especializados en el manejo de la información y el análisis de datos para mejorar los servicios y la atención al paciente. Para satisfacer esta necesidad, TECH Global University ha desarrollado un completísimo Máster en E-Health y Big Data, que combina la capacitación en tecnología y salud para instruir profesionales altamente capacitados en este ámbito. El plan de estudios proporcionará a los estudiantes los conocimientos necesarios para que logren tanto aplicar tecnologías de la información en el campo de la salud, como analizar y utilizar grandes conjuntos de datos que mejoren la toma de decisiones clínicas y gerenciales. Además, se enfatiza el desarrollo de habilidades blandas como la capacidad de trabajo en equipo, la comunicación efectiva y la resolución de problemas, con el fin de que los estudiantes estén preparados para enfrentar los desafíos del entorno laboral actual.

Titúlate como Experto Universitario en E-Health y Big Data

Con el presente Máster, los estudiantes adquirirán una ventaja competitiva en el mercado laboral, ya que, serán capaces de aplicar tecnologías y análisis de datos en la atención médica y en la toma de decisiones de la gestión sanitaria, lo que se traduce en una mejor calidad de la atención médica para los pacientes. El posgrado es completamente virtual y reúne las técnicas más sofisticadas de aprendizaje, con un selecto currículo que aborda en diversos módulos todo lo que se debe saber sobre E-Health y Big Data. Nuestro plan de estudios hace uso de material gráfico, audiovisual e interactivo de última generación, el cual estará disponible mediante cualquier dispositivo conectado a internet. Este programa ofrece una amplia variedad de módulos que cubren desde la gestión de datos médicos, hasta la implementación de aplicaciones de telemedicina y la seguridad informática en el sector de la salud. En definitiva, este programa mejorará las habilidades de los profesionales en el área de la salud digital y el análisis de datos.