Presentación

Gracias a este Máster analizarás cómo influye la inteligencia artificial en el reconocimiento de patrones en imágenes médicas”

maestria ehealth big data

El Máster en E-Health y Big Data pretende transmitir los múltiples beneficios de la tecnología en medicina. El concepto e-Health o “eSalud”, es explicado por la Organización Mundial de la Salud (OMS) como: el uso rentable y seguro de las tecnologías de la información y la comunicación en apoyo de los campos relacionados con la salud y la salud pública, incluida la atención médica, la vigilancia de la salud y la educación para la salud, el conocimiento y la investigación. La evolución en este campo, permite, por ejemplo, el diagnóstico de enfermedades gracias a la base de datos de los centros hospitalarios o incluso, integrar nuevas extremidades de impresión 3D en cuerpos humanos y animales. 

La inminente evolución de la medicina requiere de profesionales altamente cualificados que sepan responder ante las necesidades de la industria 4.0. TECH Universidad tiene como objetivo impulsar la carrera de los ingenieros que deseen profundizar en el servicio sanitario y estén interesados en el desarrollo simultáneo de la telemedicina. Este Máster aborda los fundamentos teórico-prácticos de la medicina moderna para generar una visión global y profunda de las nuevas incorporaciones biomédicas.

El alumno no solo profundizará en aspectos de E-Health y Big Data, sino que, además, tratará el funcionamiento del sistema sanitario internacional y su organización. Asimismo, este programa ofrece un enfoque hacia el sector del emprendimiento que posiciona a los egresados en Ingeniería como el público objetivo de esta enseñanza digital, fomentando la creación de sus propias empresas con las claves de la innovación empresarial.

TECH Universidad participará en la ampliación de estos estudios a través de un Máster fundamentado en los conocimientos de científicos del sector, que participan en proyectos de inteligencia artificial. Los docentes estarán a disposición del alumno las 24 horas y realizarán un seguimiento de su estudio. Además, la modalidad 100% online y los contenidos audiovisuales harán que el alumno cuente con todas las facilidades para su estudio.

Distínguete en un sector en auge y únete a la que se plantea como la solución tecnológica del futuro en el desarrollo médico”

Este Máster en E-Health y Big Data contiene el programa educativo más completo y actualizado del mercado. Sus características más destacadas son: 

  • El desarrollo de casos prácticos presentados por expertos en Tecnologías de la Información y la Comunicación enfocadas al entorno sanitario
  • Los contenidos gráficos, esquemáticos y eminentemente prácticos con los que está concebido recogen una información científica y 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

Súmate al cambio en medicina moderna aplicando la inteligencia artificial e internet de las cosas (IoT) a la telemedicina”

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. 

Impulsa la proyección de tu carrera gracias a la computación en bioinformática y las técnicas de Big Data"

magister ehealth big data

Actualiza tus conocimientos biomédicos gracias a las nuevas herramientas para la gestión de la salud clínica"

Temario

Los contenidos de este programa han sido detalladamente pautados por un equipo de profesionales que han volcado sus conocimientos fundamentados en las ramas de las ciencias de la salud y la comunicación. Gracias a su aportación, el alumno comprenderá de forma sencilla y pedagógica la materia, que trasciende desde la medicina clínica hasta la innovación empresarial y el emprendimiento en E-Health. Para ello, TECH Universidad aplica la metodología Relearning, que ofrece garantías de estudio, al permitir una enseñanza paulatina a través de contenidos teórico-prácticos. 

mejor maestria ehealth big data

Un programa desarrollado por expertos en ciencias de la salud que aportan un contenido de calidad para transmitir los conocimientos adecuados”

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 cardiaca
1.2.3. Enfermedades del ritmo cardiaco
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 (prerrenal, renal y postrenal), cómo 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
2.1.2. Contexto sanitario

2.2. Modelos sanitarios I. Modelo Bismarck vs. Beveridge

2.2.1. Modelo Bismarck
2.2.2. Modelo Beveridge
2.2.3. Modelo Bismarck 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 la salud

2.4.1. El mercado de la salud
2.4.2. Regulación y limitaciones del mercado de la 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. Reuso
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. Bases de datos biomédicas
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 ómicos

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 autorreportados 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. Criterios de elección entre una y otra base de datos

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

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. Depósito 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 espectrometría de masas
7.7.2. Estudio de modificaciones postraduccionales
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 ómicas
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 reducida
8.3.2. Monitorización cardiaca, 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. Wearables

8.7.1.1. Presión arterial, temperatura, ritmo cardíaco

8.7.2. IoT 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 IoT 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. Nanorrobots. Tipología

8.9.1. Nanotecnología
8.9.2. Tipos de nanorobots

8.9.2.1. Ensambladores. Aplicaciones
8.9.2.2. Autorreplicantes. 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. M-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. Teleducación
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 (Telehomecare)

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 ropa 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
9.8.4. Normas ISO

9.9. Telemedicina y dispositivos diagnósticos, quirúrgicos y biomecánicos

9.9.1. Dispositivos diagnósticos
9.9.2. Dispositivos quirúrgicos
9.9.2. 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

estudiar ehealth big data

Un programa destinado a profesionales competentes, como tú”

Máster en E-Health y Big Data

E-healthy se refiere a la utilización de las tecnologías de la información y la comunicación (TIC) para mejorar la eficiencia, eficacia y calidad de los servicios de salud. Esto incluye un conjunto de aplicaciones y servicios que utilizan tecnologías como la telemedicina, la telesalud, la monitorización remota de pacientes y la gestión electrónica de registros médicos. El e-healthy también involucra a los pacientes, permitiéndoles acceso remoto a información y servicios de salud, facilitando la gestión de sus propias patologías.

Por otro lado, big data se refiere al conjunto de datos masivos que se generan en diferentes ámbitos, y que a menudo son demasiado grandes y complejos para ser procesados por medios tradicionales. En el ámbito de la salud, big data implica la recolección, almacenamiento y análisis de grandes cantidades de información sobre los registros médicos de los pacientes, los resultados de pruebas médicas y los comportamientos relacionados con la salud.

En tech hemos desarrollado un program intensiv en el cual te capacitara sobre E-healthy y big data enfocado en formar estudiantes en la utilización de tecnologías de la información, la comunicación y el análisis de grandes cantidades de datos en el ámbito de la salud. E-healthy se enfoca en la utilización de las TIC para mejorar la eficiencia y calidad de los servicios de salud, mientras que big data implica el análisis de grandes cantidades de datos para identificar patrones y tendencias en el ámbito de la salud. Ambas tecnologías tienen el potencial de mejorar significativamente la atención médica y facilitar el acceso a información y servicios de salud.

Aprender a utilizar tecnologías de monitoreo y telemedicina en la atención médica, mejorando el cuidado del paciente.Conoce los principios de privacidad y seguridad informática que deben ser aplicadas en el manejo de datos de salud.Desarrollar habilidades en el análisis y gestión de grandes cantidades de datos para mejorar la calidad de atención de los pacientes.Aprender técnicas y estrategias para la toma de decisiones clínicas informadas en el ámbito médico.