Incorpora a tu práctica médica los últimos avances en gestión y análisis de datos, integrando en tu trabajo las técnicas más eficaces de diagnóstico y tratamiento para diversas patologías y pacientes"

Los enormes avances experimentados en la informática y la ingeniería han permitido desarrollar numerosas aplicaciones en el procesamiento y análisis de datos. Algunos de sus usos más importantes tienen que ver con el ámbito sanitario, donde la gestión de los datos es un asunto vital a la hora de dictar tratamientos o hacer seguimientos de enfermedades complejas. Así, algunas afecciones y pacientes en una situación delicada requieren de una vigilancia intensiva y precisa que solo el análisis de datos puede realizar.

Esta Especialización en Gestión y Análisis de Datos Sanitarios en Ingeniería Biomédica contiene los conocimientos más punteros en este ámbito, puesto que profundiza en la electrocardiografía, electroencefalografía y magnetoencefalografía, el procesamiento de las señales biomédicas, los equipos y software de cómputo requeridos en bioinformática, lenguajes de programación especializados en procesamiento de datos y estadística como R y Python o las bases de datos y el lenguaje SQL.

Con esos conocimientos novedosos y la metodología online de TECH, el médico podrá actualizarse de forma rápida, puesto que este programa ha sido diseñado pensando especialmente en profesionales en activo. Por esa razón, el médico se pondrá al día sin recibir incómodas interrupciones en su trabajo, y con una gran cantidad de recursos didácticos multimedia como vídeos de técnicas y procedimientos, resúmenes interactivos, análisis de casos clínicos reales, clases magistrales y todo tipo de ejercicios teórico-prácticos.

Aquí encontrarás todo tipo de materiales multimedia con los que actualizarte de forma rápida y sencilla: casos clínicos reales, vídeos, clases impartidas por grandes especialistas...”

Esta Especialización en Gestión y Análisis de Datos Sanitarios en Ingeniería Biomédica contiene el programa educativo más completo y actualizado del mercado. Sus características más destacadas son:

• El desarrollo de casos prácticos presentados por expertos en Ingeniería Biomédica
• 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

Ponte al día, mediante una metodología de enseñanza 100% online, en el procesamiento de las señales médicas y en la recogida de datos sanitarios con este programa de actualización”

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 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.

Este programa se adapta a ti y a tus circunstancias profesionales: podrás elegir el momento y el lugar para estudiar, sin interrupciones en tu trabajo”

El Machine Learning y el Big Data estarán ahora a tu alcance para que los integres en tu práctica médica gracias a esta titulación"

Este programa ha sido diseñado por los mejores especialistas del mundo en gestión y análisis de datos sanitarios. Por eso, el médico dispondrá de los contenidos más avanzados en este ámbito, estructurados en 3 módulos, a través de los que profundizará en las señales biomédicas, su procesamiento y su análisis, la detección de eventos, la computación en la biología médica, la metodología y flujo de trabajo bioinformático médico o las bases de datos hospitalarias, entre otros asuntos de gran relevancia.

El temario más innovador, transmitido con una metodología online, y con el acompañamiento del mejor profesorado”

Módulo 1. Señales biomédicas

1.1. Señales biomédicas

1.1.1. Origen de la señal biomédica
1.1.2. Las señales biomédicas

1.1.2.1. Amplitud
1.1.2.2. Periodo
1.1.2.3. Frecuencia
1.1.2.4. Longitud de onda
1.1.2.5. Fase

1.1.3. Clasificación y ejemplos de señales biomédicas

1.2. Tipos de señales biomédicas. Electrocardiografía, electroencefalografía y magnetoencefalografía

1.2.1. Electrocardiografía (ECG)
1.2.2. Electroencefalografía (EEG)
1.2.3. Magnetoencefalografía (MEG)

1.3. Tipos de señales biomédicas. Electroneurografía y electromiografía

1.3.1. Electroneurografía (ENG)
1.3.2. Electromiografía (EMG)
1.3.3. Potenciales relacionados con eventos (ERPs)
1.3.4. Otros tipos

1.4. Señales y sistemas

1.4.1. Señales y sistemas
1.4.2. Señales continuas y discretas: analógicas vs. digitales
1.4.3. Sistemas en el dominio del tiempo
1.4.4. Sistemas en el dominio de la frecuencia. Método espectral

1.5. Fundamentos de señales y sistemas

1.5.1. Muestreo: Nyquist
1.5.2. La transformada de Fourier. DFT
1.5.3. Procesos estocásticos

1.5.3.1. Señales deterministas vs. aleatorias
1.5.3.2. Tipos de procesos estocásticos
1.5.3.3. Estacionariedad
1.5.3.4. Ergodicidad
1.5.3.5. Relaciones entre señales

1.5.4. Densidad espectral de potencia

1.6. Procesamiento de la señal biomédica

1.6.1. Procesamiento de la señal
1.6.2. Objetivos y etapas del procesado
1.6.3. Elementos clave de un sistema de procesado digital
1.6.4. Aplicaciones. Tendencias

1.7. Filtrado: eliminación de artefactos

1.7.1. Motivación. Tipos de filtrado
1.7.2. Filtrado en el dominio del tiempo
1.7.3. Filtrado en el dominio de la frecuencia
1.7.4. Aplicaciones y ejemplos

1.8. Análisis tiempo-frecuencia

1.8.1. Motivación
1.8.2. Plano tiempo-frecuencia
1.8.3. Transformada de Fourier de Tiempo Corto (STFT)
1.8.4. Transformada Wavelet
1.8.5. Aplicaciones y ejemplos

1.9. Detección de eventos

1.9.1. Caso de estudio I: ECG
1.9.2. Caso de estudio II: EEG
1.9.3. Evaluación de la detección

1.10. Software para el procesamiento de señales biomédicas

1.10.1. Aplicaciones, entornos y lenguajes de programación
1.10.2. Librerías y herramientas
1.10.3. Aplicación práctica: Sistema básico de procesamiento de señal biomédica

Módulo 2. Bioinformática médica

2.1. La Bioinformática Médica

2.1.1. Computación en la biología médica
2.1.2. Bioinformática médica

2.1.2.1. Aplicaciones de la bioinformática
2.1.2.2. Sistema informático, redes y bases de datos médicos
2.1.2.3. Aplicaciones de la bioinformática médica en la salud humana

2.2. Equipos y software de cómputo requeridos en bioinformática

2.2.1. Cómputo científico en ciencias biológicas
2.2.3. El ordenador
2.2.4. Hardware, software y sistemas operativos
2.2.5. Estaciones de trabajo y ordenadores personales
2.2.6. Plataformas de cómputo de alto rendimiento y entornos virtuales
2.2.7. Sistema operativo Linux

2.2.7.1. Instalación de Linux
2.2.7.2. Uso de la interfaz de líneas de comando de Linux

2.3. Análisis de datos usando lenguaje de programación R

2.3.1. Lenguaje estadístico de programación R
2.3.2. Instalación y usos de R
2.3.3. Métodos de análisis de datos con R
2.3.4. Aplicaciones de R en bioinformática médica

2.4. Análisis de datos usando lenguaje de programación Python

2.4.1. Lenguaje de programación multipropósito Python
2.4.2. Instalación y usos de Python
2.4.3. Métodos de análisis de datos con Python
2.4.4. Aplicaciones Python en bioinformática médica

2.5. Métodos de análisis de secuencia genética humana

2.5.1. Genética humana
2.5.2. Técnicas y métodos de análisis de secuenciación de datos genómicos
2.5.3. Alineamientos de secuencia
2.5.4. Herramientas para la detección, comparación y modelado de genomas

2.6. Minería de datos en Bioinformática

2.6.1. Fases del descubrimiento de conocimiento en bases de datos, KDD
2.6.2. Técnicas de preprocesado
2.6.3. Descubrimiento de conocimiento en bases de datos biomédicas
2.6.4. Análisis de datos de genómica humana

2.7. Técnicas de Inteligencia artificial y Big Data en Bioinformática médica

2.7.1. Aprendizaje automático o Machine Learning para Bioinformática médica

2.7.1.1. Aprendizaje supervisado: regresión y clasificación
2.7.1.2. Aprendizaje No supervisado: Clustering y reglas de asociación

2.7.2. Big Data
2.7.3. Plataformas computacionales y entornos de desarrollo

2.8. Aplicaciones de la bioinformática para prevención, diagnóstico y terapias clínicas

2.8.1. Procedimientos de identificación de genes causantes de enfermedades
2.8.2. Procedimiento para analizar e interpretar el genoma para terapias médicas
2.8.3. Procedimientos para evaluar predisposiciones genéticas de pacientes para prevención y diagnóstico temprano

2.9. Metodología y flujo de trabajo bioinformático médico

2.9.1. Creación de flujos de trabajo para analizar los datos
2.9.2. Interfaces de programación de aplicaciones, API

2.9.2.1. Librerías de R y Python para análisis bioinformático
2.9.2.2. Bioconductor: instalación y usos

2.9.3. Usos de flujos de trabajo bioinformático en servicios de cloud (Nube)

2.10. Factores asociados a las aplicaciones de bioinformática sostenible y tendencias de futuro

2.10.1. Marco legal y regulatorio
2.10.2. Buenas prácticas en el desarrollo de proyectos de bioinformática médica
2.10.3. Tendencias de futuro en aplicaciones en bioinformática

Módulo 3. Bases de datos biomédicos y sanitarios

3.1. Bases de datos hospitalarias

3.1.1. Las bases de datos
3.1.2. La importancia de los datos
3.1.3. Los datos en los contextos clínicos

3.2. Modelado conceptual

3.2.1. Estructura de los datos
3.2.2. Modelo de datos sistemáticos
3.2.3. Estandarización de datos

3.3. Modelo de datos relacional

3.3.1. Ventajas y desventajas
3.3.2. Lenguajes formales

3.4. Diseño de bases de datos relacionales

3.4.1. Dependencia funcional
3.4.2. Formas relacionales
3.4.3. Normalización

3.5. Lenguaje SQL

3.5.1. Modelo relacional
3.5.2. Modelo objeto-relación
3.5.3. Modelo XML-objeto-relación

3.6. NoSQL

3.6.1. JSON
3.6.2. NoSQL
3.6.3. Amplificadores diferenciales
3.6.4. Integradores y diferenciadores

3.7. MongoDB

3.7.1. Arquitectura ODMS
3.7.2. NodeJS
3.7.3. Mongoose
3.7.4. Agregación

3.8. Análisis de datos

3.8.1. Análisis de datos
3.8.2. Análisis cualitativo
3.8.3. Análisis cuantitativo

3.9. Bases legales y normativa de regulación

3.9.1. Reglamento General de Protección de Datos
3.9.2. Consideraciones de ciberseguridad
3.9.3. Normativa aplicada a datos sanitarios

3.10. Integración de bases de datos en historias clínicas

3.10.1. Las historias clínicas
3.10.2. Sistema HIS
3.10.3. Los datos en el HIS

Accede al futuro de la Ingeniería Biomédica con esta titulación, que te actualizará en cuestiones como el diseño de bases de datos relacionales o los bioconductores”