Cette formation produira un sentiment de sécurité dans l'exercice de la pratique médicale, ce qui vous aidera à vous épanouir tant personnellement que professionnellement”

L'accès aux plateformes Big Data, qui disposent d'une grande quantité de données analytiques et cliniques relatives à la population cancéreuse, permet aux professionnels de l'oncologie de mieux comprendre la maladie, ainsi que de poser un diagnostic plus exhaustif et plus précis du patient. Cette révolution technologique majeure dans la médecine du cancer représente une opportunité énorme dans la recherche et le traitement du cancer, car les praticiens ont accès à une multitude de données et d'analyses du monde entier. 

Les professionnels de l'oncologie doivent constamment actualiser leurs connaissances sur les traitements du cancer afin de pouvoir proposer aux patients le traitement le plus approprié en fonction de leurs besoins réels. 

Ce Certificat avancé en Diagnostic Oncologique. Avancées Technologiques et Big Data permet d'acquérir une connaissance approfondie des techniques et des moyens efficaces utilisés pour le diagnostic oncologique. On y retrouve la cytologie et la radiologie. 

Ces derniers temps, le diagnostic cytologique a considérablement évolué, permettant de réaliser des colorations immunohistochimiques (Immunocytochimie), des mutations ou autres altérations génomiques spécifiques, mais aussi de déterminer le statut de biomarqueurs essentiels dans la gestion du cancer. La radiologie, quant à elle, reste l'outil indispensable pour diagnostiquer plus de 85% des maladies oncologiques.  

Le programme a été conçu et développé par des spécialistes en oncologie à la pointe de l'excellence médicale, qui ont mis à la disposition des étudiants les connaissances, l'expérience et les cas pratiques les plus avancés afin de créer un programme répondant aux critères de qualité les plus élevés disponibles sur le marché. 

Actualisez vos connaissances grâce à ce programme de Certificat avancé en Diagnostic Oncologique. Avancées Technologiques et Big Data”

Ce Certificat avancé en Diagnostic Oncologique. Avancées Technologiques et Big Data contient le programme scientifique le plus complet et le plus à jour disponible sur le marché. Les caractéristiques les plus importantes du cours sont:

• Le développement de 75 cas pratiques présentés par des experts en Diagnostic Oncologique. Avancées Technologiques et Big Data
• Son contenu graphique, schématique et éminemment pratique fournit des informations scientifiques et pratiques sur les disciplines essentielles à la pratique professionnelle
• Les récents développements dans le Diagnostic Oncologique. Avancées Technologiques et Big Data
• Il contient des exercices pratiques où le processus d'auto-évaluation peut être réalisé pour améliorer l'apprentissage
• Il met l'accent sur les méthodologies innovantes en Diagnostic Oncologique. Avancées Technologiques et Big Data
• Le tout sera complété par des cours théoriques, des questions à l'expert, des forums de discussion sur des sujets controversés et un travail de réflexion individuel
• Les contenus sont disponibles à partir de tout appareil fixe ou portable doté d'une connexion internet

Ce Certificat avancé est surement le meilleur investissement que vous puissiez faire dans le choix d'un programme de remise à niveau pour deux raisons: en plus de mettre à jour vos connaissances en matière Diagnostic Oncologique. Avancées Technologiques et Big Data, vous obtiendrez un diplôme d'expert universitaire de TECH Université Technologique"

Son corps enseignant comprend des professionnels appartenant au domaine du Diagnostic Oncologique. Avancées Technologiques et Big Data. Son corps enseignant comprend des professionnels qui apportent leur expérience professionnelle à cette Formation, ainsi que des spécialistes reconnus par des sociétés de référence et des universités prestigieuses.

Grâce à son contenu multimédia développé avec les dernières technologies éducatives, les spécialistes bénéficieront d’un apprentissage situé et contextuel. Ainsi, ils se formeront dans un environnement simulé qui leur permettra d’apprendre en immersion et de s’entrainer dans des situations réelles.

La conception de ce programme est basée sur l'Apprentissage par les Problèmes, grâce auquel le médecin devra essayer de résoudre les différentes situations de pratique professionnelle qui se présentent tout au long du Certificat Avancé. Pour cela, le médecin sera assisté d'un innovant système de vidéos interactives, créé par des experts reconnus dans le domaine du Diagnostic Oncologique. Avancées Technologiques et Big Data. 

Augmentez vos performances professionnelles et améliorez la qualité de vie de vos patients"

Saisissez cette opportunité pour actualiser vos connaissances sur les dernières avancées en matière de Diagnostic Oncologique. Avancées Technologiques et Big Data et améliorer la santé de vos patients"

La structure des contenus a été conçue par les meilleurs professionnels du secteur de l’Anatomie Pathologique dotés d'une grande expérience et d'un prestige reconnu dans la profession avalisé par le volume de cas revus, étudiés et diagnostiqués, et d'une connaissance approfondie des nouvelles technologies appliquées au diagnostic.

Ce programme comporte des cas cliniques afin de rapprocher le plus possible le développement du programme de la réalité de la pratique médicale"

Module 1. Cancer. Généralités Facteurs s de risque 

1.1. Introduction  
1.2. Informations générales sur les néoplasmes malins 

1.2.1. Nomenclature 
1.2.2. Caractéristiques  
1.2.3. Voies de dissémination des métastases 
1.2.4. Facteurs de pronostic 

1.3. Épidémiologie du cancer 

1.3.1. Incidence 
1.3.2. Prévalence 
1.3.3. Distribution géographique 
1.3.4. Facteurs de risque 
1.3.5. Prévention 
1.3.6. Diagnostic précoce 

1.4. Agents mutagènes 

1.4.1. Environnementales 
1.4.2. Professionnels 
1.4.3. Substances toxiques dans les aliments 

1.5. Agents biologiques et cancer 

1.5.1. Virus ARN 
1.5.2. Virus ADN 
1.5.3. Helicobacter pylori 

1.6. Prédisposition génétique 

1.6.1. Gènes associés au cancer 
1.6.2. Gènes de susceptibilité 

 1.6.2.1. Tumeurs mammaires 
 1.6.2.2. Tumeurs pulmonaires 
 1.6.2.3. Tumeurs de la thyroïde 
 1.6.2.4. Tumeurs du côlon 
 1.6.2.5. Tumeurs de la peau 
 1.6.2.6. Tumeurs osseuses 
 1.6.2.7. Tumeurs pancréatiques 
 1.6.2.8. Neuroblastome 

1.7. Aspects cliniques des néoplasmes malins 

1.7.1. Introduction 

1.8. Stadification de la maladie néoplasique 

1.8.1. Actualisation 

Module 2. Bases biologiques du cancer 

2.1. Introduction à la base moléculaire du cancer 
2.2. Gènes et génome 

2.2.1. Principales voies de signalisation cellulaire 
2.2.2. Croissance et prolifération des cellules 
2.2.3. Mort cellulaire Nécrose et apoptose 

2.3. Mutations 

2.3.1. Types de mutations Frameshift; Indels, Translocations, SNV; missense, nonsense, CNV, Driver vs. passenger 
2.3.2. Agents responsables des mutations 

 2.3.2.1. Agents biologiques et cancer 

2.3.3. Mécanismes de réparation des mutations 
2.3.4. Mutations avec variantes pathologiques et non pathologiques 

2.4. Avancées majeures dans la médecine de précision  

2.4.1. Biomarqueurs tumoraux 
2.4.2. Oncogènes et gènes suppresseurs de tumeurs 
2.4.3. Biomarqueurs de diagnostic  

 2.4.3.1. Biomarqueurs de résistance 
 2.4.3.2. Pronostic 
 2.4.3.3. Pharmaco-génomique 

2.4.4. Épigénétique du cancer 

2.5. Principales techniques de biologie moléculaire du cancer 

2.5.1. Cytogénétique et FISH (Fluorescent In Situ Hybridization) 
2.5.2. Qualité de l'extrait d'ADN 
2.5.3. Biopsie liquide 
2.5.4. PCR comme outil moléculaire de base 
2.5.5. Séquençage et NGS (next-generation sequencing)

Module 3. Diagnostic cytologique des lésions malignes 

3.1. Introduction à la cytopathologie 

3.1.1. Perspective historique 
3.1.2. Concepts pratiques 

 3.1.2.1. Gestion  
 3.1.2.2. Coloration 

3.1.3. Concepts de base cytomorphologiques 

3.2. Cytologie exfoliative  

3.2.1. Cytologie gynécologique-Système Bethesda 
3.2.2. Cytologie urinaire-Système de Paris 
3.2.3. Cytologie des fluides corporels 

3.3. Ponction à aiguille fine (PAF) superficielle 

3.3.1. Introduction 

 3.3.1.1. Aspects pratiques  

3.3.2. PAF de la thyroïde et des glandes salivaires 
3.3.3. PAF du sein 
3.3.4. PAF des tissus mous et des os 

3.4. Ponction à aiguille fine (PAF) profonde 

3.4.1. Introduction-ROSE (Rapid On Site Evaluation) 

 3.4.1.1. PAF du poumon et du médiastin 
 3.4.1.2. PAF du pancréas 
 3.4.1.3. PAF des ganglions lymphatiques 

3.5. Diagnostic différentiel en cytopathologie 

3.5.1. Principaux modèles cytomorphologiques 
3.5.2. Immunocytohistochimie 
3.5.3. Cytopathologie moléculaire 

3.6. Rôle du cytopathologiste dans le traitement du cancer 

3.6.1. Étude des biomarqueurs dans les échantillons cytologiques 
3.6.2. Immunothérapie et le rôle de la cytopathologie 
3.6.3. Défis et nouvelles perspectives 

Module 4. Radiologie comme alliée de la pathologie dans le diagnostic oncologique 

4.1. Imagerie diagnostique et stadification du cancer 

4.1.1. Néoplasie pulmonaire 
4.1.2. Néoplasie du colon et du rectum 
4.1.3. Néoplasie du sein 
4.1.4. Néoplasie de la prostate 
4.1.5. Néoplasie gynécologiques  
4.1.6. Lymphome 
4.1.7. Mélanome 
4.1.8. Autres tumeurs du tube digestif 
4.1.9. Hépatocarcinome et cholangiocarcinome 
4.1.10. Tumeurs pancréatiques 
4.1.11. Tumeurs rénales  
4.1.12. Cancer de la thyroïde 
4.1.13. Tumeurs cérébrales 

4.2. PAF et BAGC guidées par imagerie  

4.2.1. Thyroïde 
4.2.2. Sein
4.2.3. Poumon et médiastin 
4.2.4. Foie et cavité abdominale 
4.2.5. Prostate 

4.3. Surveillance 

4.3.1. RECIST 1.1 et Chung 
4.3.2. EASL, m-RECIST y RECICL 
4.3.3. Critères de  McDonald et RANO 
4.3.4. Critères CHOI, MDA et Lugano 
4.3.5. Critères CHOI modifiés, SCAT et MASS 
4.3.6. MET-RAD-P 
4.3.7. PERCIST 
4.3.8. Immunothérapie 

4.4. Complications du traitement 

4.4.1. Urgences oncologiques 
4.4.2. Complications du traitement

Module 5. Big Data en anatomie pathologique

5.1. Introduction du Big Data en pathologie

5.1.1. Introduction

 5.1.1.1. Pathologie et BBDD
 5.1.1.2. Exploration de données en pathologie
 5.1.1.3. Big Data

  5.1.1.3.1. Fondamentaux du Big Data
  5.1.1.3.2. Types de BBDD

   5.1.1.3.2.1 Relationnels
   5.1.1.3.2.2 Non relationnels (SQL y NoSQL)

  5.1.1.3.3. Types de données

   5.1.1.3.3.1 Structurés
   5.1.1.3.3.2 Non structurés
   5.1.1.3.2.3 Semi-structurés

  5.1.1.3.4. Limites du Big Data

5.2. Principales opportunités et utilités offertes par le Big Data

5.2.1. Standardisation des données et de la pathologie numérique
5.2.2. Médecine personnalisée: diagnostics et thérapies personnalisés
5.2.3. Marqueurs prédictifs
5.2.4. Avancées dans des domaines de recherche tels que: la génomique, les diagnostics de pathologie moléculaire, la protéomique et les comparaisons de diagnostics

5.3. Algorithmes, modèles et méthodologies utilisés dans le domaine du Big Data

5.3.1. Architectures pour le traitement massif parallèle
5.3.2. Modélisation et arbres de décision
5.3.3. Apprentissage automatique et l'apprentissage profond
5.3.4. Réseaux neuronaux

5.4. Technologies du Big Data et du Cloud Computing

5.4.1. Apache Hadoop
5.4.2. Travailler avec des bases de données NoSQL

 5.4.2.1. DynamoDB ou Cassandra

5.4.3. Analyse de données

 5.4.3.1. BigQuery
 5.4.3.2. Infosphere Streams
 5.4.3.3. Oracle Big Data Appliance

5.5. Conclusions et avantages du Big Data du point de vue de la pathologie

5.5.1. Conclusions du Big Data du point de vue de la pathologie
5.5.2. Avantages

Une expérience éducative unique, clé et décisive pour stimuler votre développement professionnel et faire le saut’’