Un programa que te capacitará en el ámbito de análisis de imágenes biomédicas y el control de datos sociosanitarios, con el fin de optimizar la atención médica” 

Lejos de aplicar una atención mecánica y sanitaria, el análisis de datos y las imágenes biomédicas logran que se pueda mejorar el diagnóstico para cada caso en particular. El extenso recopilatorio de datos con el que cuentan los centros sanitarios puede gestionarse de forma rápida y sencilla gracias al Big Data, pero, sobre todo, permite contrastar información heterogénea de distintos centros. Dada la necesidad, la salud pública requiere de profesionales que sepan responder ante las problemáticas y puedan poner en práctica las herramientas más novedosas. 

TECH ha detectado la demanda de profesionales por parte de las empresas y, por ello, ofrece este Especialización en Análisis de Imágenes Biomédicas y Big Data en E-Health a egresados en Ingeniería que deseen actualizar sus conocimientos en esta área. Los alumnos que reciban el programa contarán con una metodología Relearning que les evitará largas horas de estudio y les posibilitará para asimilar los conceptos de manera sencilla y progresiva. 

Además, TECH se respalda con un equipo de profesionales que trabajan en este ámbito y que, incluso, cuentan con sus propias investigaciones en telemedicina. Gracias a su experiencia y la tutorización exhaustiva y personalizada que ofrecen, el alumnado podrá resolver sus dudas en cualquier momento y lugar. Asimismo, contará con contenidos descargables en diferentes formatos que le dotarán de toda la información necesaria para garantizar su instrucción. 

Gracias a TECH, conocerás las aplicaciones del Big Data en la salud pública, como las predicciones de riesgos o la medicina personalizada a través de biomarcadores” 

Este Especialización en Análisis de Imágenes Biomédicas y Big Data en E-Health contiene el programa educativo más completo y actualizado del mercado. Sus características más destacadas son:

• El desarrollo de casos prácticos presentados por expertos en imágenes biomédicas y bases de datos 
• Los contenidos gráficos, esquemáticos y eminentemente prácticos con los que está concebido recogen una información práctica sobre aquellas disciplinas indispensables para el ejercicio profesional 
• Los ejercicios prácticos donde realizar el proceso de autoevaluación para mejorar el aprendizaje 
• Su especial hincapié en metodologías innovadoras 
• Las lecciones teóricas, preguntas al experto, foros de discusión de temas controvertidos y trabajos de reflexión individual 
• La disponibilidad de acceso a los contenidos desde cualquier dispositivo fijo o portátil con conexión a internet 

Indaga en la relación directa entre intervenciones quirúrgicas y técnicas de imagen, profundizando en su utilidad para reconocer patrones médicos” 

El programa incluye, en su cuadro docente, a profesionales del sector que vierten en esta capacitación la experiencia de su trabajo, además de reconocidos especialistas de sociedades de referencia y universidades de prestigio. 

Su contenido multimedia, elaborado con la última tecnología educativa, permitirá al profesional un aprendizaje situado y contextual; es decir, un entorno simulado que le proporcionará una capacitación inmersiva programada para entrenarse ante situaciones reales. 

El diseño de este programa se centra en el Aprendizaje Basado en Problemas, mediante el cual el profesional deberá tratar de resolver las distintas situaciones de práctica profesional que se le planteen a lo largo del curso académico. Para ello, contará con la ayuda de un novedoso sistema de vídeo interactivo realizado por reconocidos expertos. 

Conoce los beneficios de IoT en el seguimiento y asistencia de pacientes y comprende su contribución en la rehabilitación de los afectados"

Gracias a los conocimientos que te transmitirá TECH, conocerás las múltiples ventajas que aporta el IoT al comunicar dispositivos entre sí"

El temario de esta Especialización en Análisis de Imágenes Biomédicas y Big Data en E-Health ha sido diseñado detalladamente por profesionales que trabajan en el sector de la medicina genómica, biomecánica y la inteligencia artificial. Gracias a su aportación y la incorporación de herramientas prácticas, el alumno tendrá a su disposición contenidos audiovisuales en distintos formatos que le ayudarán a su capacitación. Asimismo, la metodología Relearning que aplica TECH permite que el alumno asimile los conocimientos de forma paulatina y que le sea más sencillo lograr titularse como experto. Además, al ser una modalidad 100% online, el ritmo de estudio se adapta a los compromisos personales y profesionales del alumnado. 

Comprende el funcionamiento de herramientas de salud y bienestar, como las pulseras para el control de la presión arterial, e intégralas en tus modelos de negocio” 

Módulo 1. Técnicas, reconocimiento e intervención a través de imágenes biomédicas

1.1. Imágenes médicas

1.1.1. Modalidades de las imágenes médicas
1.1.2. Objetivos de los sistemas de imagen médica
1.1 3. Sistemas de almacenamiento de las imágenes médicas

1.2. Radiología

1.2.1. Método de obtención de imágenes
1.2.2. Interpretación de la radiología
1.2.3. Aplicaciones clínicas

1.3. Tomografía computarizada (TC)

1.3.1. Principio de funcionamiento
1.3.2. Generación y obtención de la imagen
1.3.3. Tomografía computarizada. Tipología
1.3.4. Aplicaciones clínicas

1.4. Resonancia magnética (RM)

1.4.1. Principio de funcionamiento
1.4.2. Generación y obtención de la imagen
1.4.3. Aplicaciones clínicas

1.5. Ultrasonidos: ecografía y ecografía doppler

1.5.1. Principio de funcionamiento
1.5.2. Generación y obtención de la imagen
1.5.3. Tipología
1.5.4. Aplicaciones clínicas

1.6. Medicina nuclear

1.6.1. Fundamento fisiológico de los estudios nucleares. Radiofármacos y medicina nuclear
1.6.2. Generación y obtención de la imagen
1.6.3. Tipos de pruebas

1.6.3.1. Gammagrafía
1.6.3.2. SPECT
1.6.3.3. PET
1.6.3.4. Aplicaciones clínicas

1.7. Intervencionismo guiado por imagen

1.7.1. La radiología intervencionista
1.7.2. Objetivos de la radiología intervencionista
1.7.3. Procedimientos
1.7.4. Ventajas y desventajas

1.8. La calidad de la imagen

1.8.1. Técnica
1.8.2. Contraste
1.8.3. Resolución
1.8.4. Ruido
1.8.5. Distorsión y artefactos

1.9. Pruebas de imágenes médicas. Biomedicina

1.9.1. Creación de imágenes 3D
1.9.2. Los biomodelos

1.9.2.1. Estándar DICOM
1.9.2.2. Aplicaciones clínicas

1.10. Protección radiológica

1.10.1. Legislación europea aplicable a los servicios de radiología
1.10.2. Seguridad y protocolos de actuación
1.10.3. Gestión de residuos radiológicos
1.10.4. Protección radiológica
1.10.5. Cuidados y características de las salas

Módulo 2. Big Data en medicina: procesamiento masivo de datos médicos 

2.1. Big Data en investigación biomédica

2.1.1. Generación de datos en biomedicina
2.1.2. Alto rendimiento (tecnología High-throughput)
2.1.3. Utilidad de los datos de alto rendimiento. Hipótesis en la era del Big Data

2.2. Preprocesado de datos en Big Data

2.2.1. Preprocesado de datos
2.2.2. Métodos y aproximaciones
2.2.3. Problemáticas del preprocesado de datos en Big Data

2.3. Genómica estructural

2.3.1. La secuenciación del genoma humano
2.3.2. Secuenciación vs. Chips
2.3.3. Descubrimiento de variantes

2.4. Genómica funcional

2.4.1. Anotación funcional
2.4.2. Predictores de riesgo en mutaciones
2.4.3. Estudios de asociación en genómica

2.5. Transcriptómica

2.5.1. Técnicas de obtención de datos masivos en transcriptómica: RNA-seq
2.5.2. Normalización de datos en transcriptómica
2.5.3. Estudios de expresión diferencial

2.6. Interactómica y epigenómica

2.6.1. El papel de la cromatina en la expresión genética
2.6.2. Estudios de alto rendimiento en interactómica
2.6.3. Estudios de alto rendimiento en epigenética

2.7. Proteómica

2.7.1. Análisis de datos de espectrometría de masas
2.7.2. Estudio de modificaciones postraduccionales
2.7.3. Proteómica cuantitativa

2.8. Técnicas de enriquecimiento y Clustering

2.8.1. Contextualización de los resultados
2.8.2. Algoritmos de Clustering en técnicas ómicas
2.8.3. Repositorios para el enriquecimiento: Gene Ontology y KEGG

2.9. Aplicaciones del Big Data en salud pública

2.9.1. Descubrimiento de nuevos biomarcadores y dianas terapéuticas
2.9.2. Predictores de riesgo
2.9.3. Medicina personalizada

2.10. Big Data aplicado en medicina

2.10.1. El potencial de la ayuda al diagnóstico y la prevención
2.10.2. Uso de algoritmos de Machine Learning en salud pública
2.10.3. El problema de la privacidad

Módulo 3. Aplicaciones de la inteligencia artificial e internet de las cosas (IoT) a la telemedicina

3.1. Plataforma E-Health. Personalización del servicio sanitario

3.1.1. Plataforma E-Health
3.1.2. Recursos para una plataforma de E-Health
3.1.3. Programa “Europa Digital”. Digital Europe-4-Health y Horizonte Europa

3.2. La inteligencia artificial en el ámbito sanitario I: nuevas soluciones en aplicaciones informáticas

3.2.1. Análisis remoto de los resultados
3.2.2. Chatbox
3.2.3. Prevención y monitorización en tiempo real
3.2.4. Medicina preventiva y personalizada en el ámbito de la oncología

3.3. La inteligencia artificial en el ámbito sanitario II: monitorización y retos éticos

3.3.1. Monitorización de pacientes con movilidad reducida
3.3.2. Monitorización cardiaca, diabetes, asma
3.3.3. Apps de salud y bienestar

3.3.3.1. Pulsómetros
3.3.3.2. Pulseras de presión arterial

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

3.4. Algoritmos de inteligencia artificial para el procesamiento de imágenes

3.4.1. Algoritmos de inteligencia artificial para el tratamiento de imágenes
3.4.2. Diagnóstico y monitorización por imagen en telemedicina

3.4.2.1. Diagnóstico del melanoma

3.4.3. Limitaciones y retos del procesamiento de imagen en telemedicina

3.5. Aplicaciones de la aceleración mediante unidad gráfica de procesamiento (GPU) en medicina

3.5.1. Paralelización de programas
3.5.2. Funcionamiento de la GPU
3.5.3. Aplicaciones de la aceleración por GPU en medicina

3.6. Procesamiento de lenguaje natural (NLP) en telemedicina

3.6.1. Procesamiento de textos del ámbito médico. Metodología
3.6.2. El procesamiento de lenguaje natural en la terapia e historias clínicas
3.6.3. Limitaciones y retos del procesamiento de lenguaje natural en telemedicina

3.7. El internet de las cosas (IoT) en la telemedicina. Aplicaciones

3.7.1. Monitorización de los signos vitales. Wearables

3.7.1.1. Presión arterial, temperatura, ritmo cardíaco

3.7.2. IoT y tecnología Cloud

3.7.2.1. Transmisión de datos a la nube

3.7.3. Terminales de autoservicio

3.8. loT en el seguimiento y asistencia de pacientes

3.8.1. Aplicaciones IoT para detectar urgencias
3.8.2. El internet de las cosas en rehabilitación de pacientes
3.8.3. Apoyo de la inteligencia artificial en el reconocimiento de víctimas y salvamento

3.9. Nanorrobots. Tipología

3.9.1. Nanotecnología
3.9.2. Tipos de nanorobots

3.9.2.1. Ensambladores. Aplicaciones
3.9.2.2. Autorreplicantes. Aplicaciones

3.10. La inteligencia artificial en el control de la COVID-19

3.10.1. COVID-19 y telemedicina
3.10.2. Gestión y comunicación de los avances y brotes
3.10.3. Predicción de brotes con la inteligencia artificial

Una titulación diseñada para profesionales como tú, que entienden el futuro de la medicina aplicando la inteligencia artificial”