PRESENTACIÓN

La Oncología protagoniza un importante volumen de las investigaciones realizadas a nivel internacional. Estas arrojan una gran cantidad de datos que, unidos a los que se obtienen en la práctica clínica diaria, suponen una valiosa fuente de información.

La Inteligencia Artificial (IA) proporciona herramientas de análisis de datos que, en el campo de la Oncología, ayudan a predecir la evolución de la enfermedad y facilitar el proceso de toma de decisiones. Sin embargo, estas todavía son escasamente aplicadas por el gran reto que suponen para los profesionales de la medicina.

Por este motivo, ponemos en marcha el proyecto IMPACTA, un curso coorganizado por SEOM y Gilead que busca acercar la Inteligencia Artificial a los oncólogos médicos y familiarizarles con la utilidad de sus herramientas.

Bienvenido/a.

METODOLOGÍA

El curso IMPACTA es un proyecto formativo 100% online compuesto por 7 bloques temáticos en los que podrás encontrar contenidos audiovisuales, materiales descargables, cuestionarios y sesiones prácticas e interactivas.

Duración del curso: del 6 de mayo de 2024 al 30 de noviembre de 2024.

Fundamentos básicos para entender la Inteligencia Artiﬁcial

BLOQUE 1. IA en el día a día. ¿Por qué no aplicarla en la práctica clínica?

Carga lectiva:

8-9h de trabajo individual

Objetivos:

Conocer la aplicación de la IA en diferentes sectores.
Ser consciente del uso que hacemos de las herramientas basadas en IA en nuestra vida diaria.
Conocer aplicaciones prácticas actuales y futuras de técnicas de IA en el ámbito de la salud.

BLOQUE 2. Introducción al análisis de datos

Carga lectiva:

7-8h de trabajo individual

Objetivos:

Recordar los fundamentos de la estadística aplicada al entorno sanitario.
Abordar de una manera básica las diferentes metodologías de análisis y de valoración de eficacia, así como de las nuevas terminologías de análisis previas a la IA.
Conocer los tipos de datos que se recogen habitualmente en la práctica clínica.
Concienciar sobre la importancia de la historia clínica para asegurar una buena recogida y selección de datos.

BLOQUE 3. La importancia del dato en Inteligencia Artificial

Carga lectiva:

9-10h de trabajo individual

Objetivos:

Aprender a garantizar la calidad de los datos aportados en los modelos de IA
Conocer el rol y responsabilidades de los actores que participan en el desarrollo de proyectos basados en IA en sanidad.
Conocer la legislación de aplicación en materia de privacidad y seguridad.
Conocer proyectos del área sanitaria que usen Big Data para producir información que ayude a mejorar la atención de los pacientes.

Desarrollo de la Inteligencia Artiﬁcial

BLOQUE 4. Fundamentos de aprendizaje automático en medicina

Carga lectiva:

8-9h de trabajo individual

Objetivos:

Conocer los conceptos básicos y los diferentes tipos de aprendizaje automático (Machine Learning)
Comprender la importancia de la cantidad y calidad de los datos para el entrenamiento de los algoritmos de aprendizaje automático
Comprender cómo se validan los modelos de aprendizaje automático
Conocer cómo funcionan los modelos y algoritmos de aprendizaje automático más comunes

BLOQUE 5. Entrenamiento con modelos de aprendizaje automático

Carga lectiva:

9-10h de trabajo individual
2h de taller

Objetivos:

Profundizar sobre el funcionamiento real de diferentes modelos de clasificación y predicción de aprendizaje automático para entender su utilidad y limitaciones.
Trabajar con una base de datos en una sesión práctica

BLOQUE 6. Journal club: ¿Es Inteligencia Artificial todo lo que reluce? – Taller

Carga lectiva:

7-8h de trabajo individual

Objetivos:

Realizar una lectura crítica de modelos de aprendizaje automático usados en estudios clínicos para analizar la metodología de validación, la pertinencia de los datos usados, las métricas de evaluación y su significado clínico.

Aplicación de la Inteligencia Artiﬁcial en Oncología Médica

BLOQUE 7. Aplicación de modelos predictivos en la práctica clínica del Servicio de Oncología

Carga lectiva:

9-10h de trabajo individual

Objetivos:

Entender el ciclo de vida de los modelos de aprendizaje automático en la práctica clínica real.
Comprender los problemas de deriva, larga cola, subajuste y sobreajuste de los modelos.
Comprender las dificultades y limitaciones de la aplicación de modelos predictivos en la práctica clínica real.
Conocer las claves prácticas para el despliegue de modelos de aprendizaje automático.

*Para aprobar el curso es necesario superar las evaluaciones de cada bloque, así cómo realizar las actividades interactivas y visualizar el temario. Es necesario comenzar el curso en las primeras 3 semanas de este (visualizar el contenido del bloque 1). En caso de no realizar dicha acción, se desestimará su candidatura a participar en el curso, y se adjudicará la plaza a la siguiente persona en la lista de espera.

BLOQUE TRANSVERSAL DE EMPRESAS

Contaremos con 3 sesiones virtuales en directo de empresas en las que se comentarán proyectos reales con tecnologías que se llevan a cabo en el sector sanitario, y que mejoran la práctica clínica de los oncólogos médicos.

A estas sesiones de empresas podrán asistir tanto nuevos cómo antiguos alumnos de IMPACTA.

SESIÓN I

TRATAMIENTO DE
DATOS EN SALUD

SESIÓN II

STARTUPS DE IA
EN ONCOLOGÍA

SESIÓN III

RESTOS DE PROYECTOS
DE IA EN SALUD

COMITÉ CIENTÍFICO

Coordinador:

Dr. César Serrano

Vocal Junta Directiva SEOM

Investigador principal, Grupo de Investigación Traslacional del Sarcoma, Vall d’Hebron Instituto de Oncología (VHIO)

Panel docente:

Jordi Martínez Roldán

Director de Innovación y Transformación Digital. Hospital del Mar - Parc de Salut MAR

Fabiola Bermejo Sanz

Director Tessella Spain en Capgemini

Dr. Jesús Hernández Rivas

Catedrático en la Universidad de Salamanca. Coordinador del Proyecto HARMONY

Inmaculada Castelló Bernabeu

Socia del departamento de mercantil en Pinsent Masons

David Tamborero

Senior Research Scientist. Karolinska Institutet, Estocolmo

Julio Bonis Sanz

Medical Doctor + MBA + AI NLP Engineer + Epidemiologist

Dr. Rodrigo Dienstmann

Biomedical informatics, Vall d’Hebron Instituto de Oncología (VHIO)

Jose Manuel Jerez Aragonés

Catedrático. Dpto. Lenguajes y Ciencias de la Computación, Universidad de Málaga.

Dr. Pablo Marín García

Software Quality Manager and Bioinformatician en ZettaGenomics

Abel González-Pérez

Bioinformático. IMIM (Institut Hospital del Mar d’Investigacions Mèdiques de Barcelona)

Joan Gibert Fernández

Bioinformatics Scientist. Hospital del Mar- Parc de Salut MAR

Mikel Hernáez

Director Computational Genomics. CIMA Universidad de Navarra

Nuria Ribelles Entrena

Responsable de IA y datos. Servicio de Oncología Hospital Virgen de la Victoria de Málaga

Dr. Eduardo Castañón

Oncología Clínica Universidad de Navarra

Dr. Ignacio Matos García

Oncología Clínica Universidad de Navarra

INSCRIPCIÓN

Requisitos para la inscripción:

Oncólogos médicos (residencia finalizada).
Ejerciendo en España.
Miembros de SEOM.
Conocimientos de inglés.

Las 100 plazas disponibles se completarán por estricto orden de inscripción. SEOM realizará la selección de los alumnos.

Plazos:

Inscripciones: Desde el 7 de marzo hasta completar todas las plazas.
Inicio del curso: 6 de mayo 2024.

Cómo realizar la inscripción:

Haga clic en el botón “INSCRIPCIÓN”.
Rellene los datos solicitados.
Pulse sobre el botón “continuar”.
Recibirá un mail con un enlace para la activación de la cuenta.
Deberá pulsar sobre el enlace del correo para validar su registro.
Se notificará vía e-mail la confirmación de su matriculación en caso de ser admitido en el curso, dado que las plazas son limitadas.

En caso de realizar la Inscripción con un mail erróneo por favor póngase en contacto con: impactaenoncologia@clover-sgm.com.

CONTACTO

SECRETARÍA TÉCNICA

impactaenoncologia@clover-sgm.com

91 803 72 79

Plaza de la Encina 10-11 • 28760 • Tres Cantos, Madrid