Máster en E-Health y Big Data

Plan de Estudios

MódulosCréditos

MÓDULO I. FORMACIÓN BÁSICA

12

MÓDULO II. INFORMÁTICA APLICADA A LA MEDICINA

21

MÓDULO III. BIG DATA E INTELIGENCIA ARTIFICIAL EN SALUD 

  • Fundamentos de bases de datos y big data aplicados al entorno médico
  • Análisis y procesado masivo de datos en medicina.
  • Técnicas de inteligencia artificial y representación de conocimientos aplicados al entrono médico
15
MÓDULO IV. TRABAJO FIN DE MÁSTER12
TOTAL ECTS60

 

 

Descripción detallada del Plan de Estudios:  

Módulo I. Formación básica (12 ECTS)

  • Medicina del siglo XXI (3 créditos)

En esta asignatura se pretende ofrecer una visión global de la evolución de la práctica clínica hasta nuestro contexto socio sanitario actual. Explicar las características del modelo sanitario español, repasando el rol de cada uno de los Profesionales que lo conforman.

  • Diagnóstico clínico (6 créditos)

Esta asignatura debe ahondar en el proceso de diagnóstico clínico. En que se basa, profundizando en las herramientas disponibles y los datos que se utilizan. Además, se hablará de las diferentes pruebas que se pueden realizar a un paciente, así como su interpretación.

  • Sistemas Médicos (3 créditos)

El objetivo de esta asignatura es introducir los diferentes tipos de sistemas existentes en la práctica clínica (EHR, LAS, etc), sus objetivos y tipos de datos a manejar. Además, se explotarán otro tipo de sistemas orientados a la toma de decisiones en medicina y sus aplicaciones.

 

Módulo II. Informática aplicada a la medicina (21 ECTS)

  • Introducción a la Informática médica (3 créditos)

Se introducirá a los alumnos en las líneas de investigación y desarrollo, problemas que esta rama trata de solventar y perspectivas utilizadas para ello. Esta asignatura pretende mostrar como las herramientas computacionales ayudan a solucionar las necesidades del personal médico.

  • Informática médica: tendencias computacionales (3 créditos)

Esta asignatura pretende dar una visión general de las diferentes técnicas computacionales aplicadas para resolver problemas de carácter médico. Además, servirá de introducción para el resto de asignaturas relacionadas con la informática clínica. Planteará enfoques como la bioinformática, inteligencia artificial, big data y cloud, entre otros.

  • Conocimiento médico (3 créditos)

El objetivo de esta asignatura es introducir al alumno en las diferentes formas de representación de conocimiento en el campo de la medicina. Se trabajará principalmente sobre vocabulario, taxonomías, protocolo y especificaciones existentes en la práctica clínica.

  • Telemedicina y dispositivos médicos (6 créditos)

En esta asignatura se trata de dar una visión práctica de aplicación de las TIC, la salud y el bienestar aprendidos durante el máster. El objetivo es que el alumno sea capaz de proponer, diseñar, desarrollar, implementar y evaluar un Sistema de Telemedicina.

  • Procesamiento de señales e imágenes médicas (6 créditos)

El objetivo es que el alumno entienda las características e interpretación de las señales en medicina (EEG, ECG…), y de las imágenes médicas (Rayos X, SPECT, TC…). Además, se verán herramientas relacionadas con el procesamiento de ambos y el funcionamiento interno de los datos guardados en dichas imágenes.

 

Módulo III. Big Data e Inteligencia Artificial en Salud (15 ECTS)

  • Técnicas de Inteligencia artificial y representación de conocimiento aplicados al entorno médico (6 créditos)

En esta asignatura se trabajarán los conceptos principales de inteligencia artificial. Se verán algoritmos relacionados con el aprendizaje supervisado y no supervisado (Árboles de decisión, Clustering, Redes neuronales…), así como la gestión y representación del conocimiento con Web Semántica y como se pueden aplicar estas tecnologías en un contexto de salud para la creación de modelos predictivos, la agrupación de datos de forma descriptiva o como aplicar las herramientas de representación del conocimiento al campo clínico.

  • Análisis y procesado masivo de datos en medicina (6 créditos)

En medicina, el número de datos que se generan crece cada día. Por eso es necesario disponer de técnicas para poder analizar y procesar estos datos de forma masiva. La asignatura se centra en las principales herramientas que componen lo que se conoce como la “Big Data Stack”, y a nivel de programación para cuestiones relacionadas con el análisis de datos la asignatura se basará en el uso del lenguaje R. Además, como parte de la ya mencionada “Big Data Stack” se presentará el Framework Hadoop. En particular, la asignatura busca familiarizar al estudiante con HDFS, MapReduce, HIVE y PIG.

  • Fundamentos de bases de datos y Big Data aplicados al entorno médico (3 créditos)

La captura y el almacenamiento de la información son frecuentemente las fases iniciales en un proceso de análisis de datos en cualquier área. No obstante, en medicina puede volverse una tarea compleja por la alta cantidad y variedad de datos. Esta asignatura proporciona los conceptos y técnicas necesarios para identificar posibles fuentes de datos y evaluar la aplicabilidad de los mismos utilizando parámetros de calidad. Incluye un repaso de SQL y NoSQL aplicadas a Big Data y se proporciona información sobre CSV, XML y JSON.

 

Módulo IV. Trabajo Fin de Máster (12 ECTS)

El trabajo fin de máster tiene como objetivo que el alumno desarrolle un proyecto individual y original donde aplique las principales competencias que ha adquirido a lo largo del máster. Puede ser un trabajo de investigación o de desarrollo, o puede basarse en un concepto más teórico analizando dentro de una temática los elementos existentes y su comparación a modo de survey. Ejemplos de trabajos incluyen aplicaciones en contextos reales como el analizar datos que provengan de alguna fuente clínica, o de fuentes y datasets públicos, creación de sistemas que ayuden a clasificar o predecir eventos en el contexto clínico, creación de sistemas de diagnóstico y telemedicina, sistemas de prescripción basados en información de historia clínica o propuestas de mejoras sobre las herramientas de historia clínica entre muchos otros.

Comparte esta titulación

Solicita información