Última actualización: 30/01/2024


Curso Académico: 2023/2024

Medicina Personalizada
(19292)
Máster Universitario en Aprendizaje Automático para la Salud (Plan: 480 - Estudio: 359)
Escuela de Ingeniería y Ciencias Básicas


Coordinador/a: MUÑOZ BARRUTIA, MARIA ARRATE

Departamento asignado a la asignatura: Departamento de Bioingeniería

Tipo: Optativa
Créditos: 3.0 ECTS

Curso:
Cuatrimestre:




Requisitos (Asignaturas o materias cuyo conocimiento se presupone)
Para cursar la asignatura es aconsejable haber completado: - Bioseñales y Bioimágenes - Aprendizaje Máquina - Aprendizaje Profundo
Objetivos
La medicina personalizada identifica elementos que predicen la predisposición del individuo a la enfermedad y su respuesta al tratamiento. El objetivo del curso es familiarizar a los estudiantes con las herramientas y los métodos relativos a la medicina personalizada. En particular, cómo se integra la información genómica y -ómica con los datos clínicos, de imagen y de laboratorio para clasificar la susceptibilidad a la enfermedad, ofrecer diagnósticos mejorados, intervenciones más tempranas, terapias farmacológicas dirigidas y más eficientes, y tratamientos personalizados. Con respecto a las habilidades específicas, al final del curso, el estudiante podrá: - Demostrar conocimiento sobre diversas tecnología para generar y analizar 'big data'. - Aplicar herramientas de aprendizaje automático para el análisis de datos '-ómicos'. - Integrar información de datos clínicos, -ómicos e imagen. - Mostrar una buena perspectiva del futuro de la medicina personalizada. Además, el estudiante desarrollará o mejorará las capacidades generales para: - Analizar problemas y proponer soluciones. - Aplicar los conocimientos a la práctica de la ingeniería. - Descomponer problemas complejos en una colección de tareas más sencillas. - Integrar conocimiento multidisciplinar. - Trabajar de forma autónoma y cooperativa.
Competencias y resultados del aprendizaje
Descripción de contenidos: Programa
- Definición, misión y visión de la medicina personalizada y de precisión. - Tecnologías -ómicas: Instrumentación, qué datos se generan y qué información se puede extraer. - Información proporcionada por las imágenes médicas y la tecnología -ómica asociada (radiómica). - Aplicación del aprendizaje automático y del aprendizaje profundo al análisis de datos -ómicos. - Integración de la información -ómica con datos clínicos, imagen y de laboratorio. - Lecciones aprendidas sobre la medicina personalizada en el ámbito de investigación. - ¿Cómo utilizar la medicina personalizada en la práctica clínica? - Perspectivas de futuro en la medicina personalizada.
Actividades formativas, metodología a utilizar y régimen de tutorías
La metodología de enseñanza se basará principalmente en conferencias, seminarios y sesiones prácticas. Los estudiantes deben leer la documentación asignada antes de las conferencias y seminarios. Las lecciones serán utilizadas por los profesores para enfatizar y aclarar algunos puntos difíciles o interesantes de la lección correspondiente, previamente preparados por el estudiante. Los seminarios se dedicarán principalmente a las presentaciones de especialistas en la materia y al debate interactivo con los estudiantes, la presentación y la evaluación de las tareas. La calificación se basará en la evaluación continua que incluye exámenes cortos, tareas, presentaciones de trabajo en grupo, sesiones prácticas y participación de los estudiantes en clase y Aula Global. La asistencia a los seminarios, la realización de los exámenes cortos o la presentación de posibles tareas no es obligatoria. Sin embargo, sino asiste a algún examen o no envía los ejercicios antes de la fecha límite, se obtendrá una calificación de cero en el ejercicio correspondiente e influirá en la calificación final de la evaluación continua. Las sesiones prácticas consistirán en trabajos de laboratorio o visitas a centros clínicos o de investigación. Se requerirá un informe de laboratorio para cada uno de ellos. La asistencia al 80% de las sesiones de prácticas es obligatoria. Si no se entregan los informes de laboratorio a tiempo o las faltas de asistencia injustificadas darán lugar a una calificación de cero para esa práctica.
Sistema de evaluación
  • Peso porcentual del Examen Final 25
  • Peso porcentual del resto de la evaluación 75
Calendario de Evaluación Continua
Bibliografía básica
  • A. Roy. The emerging precision, personalized medicine and big data analytics approach in healthcare: Big data analytics in healthcare. .. 2017
  • D. Barh, D. Dhawan, N. K. Ganguly. Omics for personalized medicine. Springer. 2016
Bibliografía complementaria
  • E. Topol. Deep medicine: How artificial intelligence can make healthcare human again. .. 2019
Recursos electrónicosRecursos Electrónicos *
(*) El acceso a algunos recursos electrónicos puede estar restringido a los miembros de la comunidad universitaria mediante su validación en campus global. Si esta fuera de la Universidad, establezca una VPN


El programa de la asignatura podría sufrir alguna variación por causa de fuerza mayor debidamente justificada o por eventos académicos comunicados con antelación.