Anar al contingut (clic a Intro)
UdG Home UdG Home
Tancar
Menú

Estudia

Dades generals

Curs acadèmic:
2023
Descripció:
Fonts de coneixement: historials existents, compartició de bases de dades, evidència mèdica. Gestió d'informació: fusió d’informació, elaboració d’indicadors, qualitat de la informació. Generació de coneixement: aprenentatge automàtic, mineria de dades, descoberta de coneixement, big data. Models poblacionals i personalitzats. Presentació de casos i exemples de motivació i aplicació.
Crèdits ECTS:
5

Grups

Grup EB

Durada:
Semestral, 1r semestre
Professorat:
Guillem Hernandez Guillamet  / Yenny Teresa Leal Moncada  / Maria Beatriz Lopez Ibañez  / Maria Gloria Mateu Figueras
Idioma de les classes:
Català (100%)

Competències

  • CB01 Analitzar situacions complexes i dissenyar estratègies per resoldre-les
  • CB05 Prendre decisions per a la resolució de situacions diverses
  • CB07 Utilitzar tecnologies de la informació i la comunicació i especialment la programació i ús d'ordinadors
  • CB08 Recollir, seleccionar i organitzar informació de manera eficaç
  • CT03 Comunicar-se oralment i per escrit
  • CES2 Analitzar problemes computacionals i desenvolupar solucions algorísmiques acord
  • CES5 Analitzar i modelar dades per a tasques de suport a la presa de decisions mèdiques
  • CES8 Especificar, dissenyar i avaluar dispositius i aplicacions informàtica per a teràpies biomèdiques

Continguts

1. Introducció. Models poblacionals: cas/control; cohorts. Disseny d’estudis clínics i tipus d'estudis clínics. Conceptes bàsics d’epidemiologia. Panorama de les tècniques d’Intel·ligència Artificial en Medicina.

2. Aplicació de l’Estadística a la Medicina i la Salut. Regressió amb variable dependent dicotòmica: formulació, estimació i discussió del model. Metodologia de l’anàlisi de dades composicionals.

3. Aplicació de la Intel·ligència Artificial a la Medicina i la Salut. Descobriment de patrons. Presa de decisions. Generació de recomanacions.

4. Casos d’estudi:

          4.1. Microbiota humana i obesitat

          4.2. Deteriorament cognitiu

          4.3. Sindrome metabòlic

Activitats

Tipus d’activitat Hores amb professor Hores sense professor Hores virtuals amb professor Total
Aprenentatge basat en problemes (PBL) 12,00 42,00 24,00 78,00
Prova d'avaluació 3,00 14,00 0 17,00
Sessió participativa 0 8,00 22,00 30,00
Total 15,00 64,00 46,00 125

Bibliografia

  • Aitchison, J.. (1986). The Statistical analysis of compositional data. Caldwell, NJ: The Blackburn Press. Catàleg
  • Filzmoser, Peter. (2018). Applied compositional data analysis :. New York, NY: Springer Berlin Heidelberg. Catàleg
  • Hosmer, David W.. (2000). Applied logistic regression (2nd ed.). New York [etc.]: John Wiley & Sons. Catàleg
  • Mark Chang (2020). Artificial Intelligence for Drug Development, Precision Medicine, and Healthcare. Taylor & Francis. Catàleg
  • Begg, Rezaul. (2008). Computational intelligence in biomedical engineering /. Boca Raton, FL: CRC/Taylor & Francis. Catàleg
  • Russell, Stuart J.. (2021). Artificial intelligence : (Fourth edition). Upper Saddle River: Pearson. Catàleg

Avaluació i qualificació

Activitats d'avaluació:

Descripció de l'activitat Avaluació de l'activitat % Recuperable
PBL-Microbiota Es plantejarà a l’alumnat qüestions referents al cas d’estudi que hauran de resoldre seguint un procés de desenvolupar hipòtesis, identificar la metodologia necessària y interpretar críticament els resultats. 25 No
PBL-Deteriorament cognitiu Es plantejarà a l’alumnat qüestions referents al cas d’estudi que hauran de resoldre seguint un procés de desenvolupar hipòtesis, identificar la metodologia necessària y interpretar críticament els resultats. 25 No
PBL - Sindrome metabòlic Es plantejarà a l’alumnat qüestions referents al cas d’estudi que hauran de resoldre seguint un procés de desenvolupar hipòtesis, identificar la metodologia necessària y interpretar críticament els resultats. 25 No
Prova d'avaluació Examen on s'avaluaran els continguts treballats en l'assignatura 25 No

Qualificació

La nota final de l’assignatura es calcularà d’acord amb els pesos de cada una de les activitats proposades.

Cal superar cada activitat amb un mínim de 4 per poder fer la mitjana.

En cas de que alguna activitat tingui un resultat inferior a 4, la nota final de l'assignatura serà la corresponent a aquesta activitat.

Si en qualsevol tipus d'activitat acadèmica es detecten actuacions fraudulentes (utilització d'informació sense autorització, utilització d'informació falsa, utilització de dispositius no autoritzats, suplantació de la identitat, plagis totals o parcials, compra i venda de proves, pràctiques i treballs, etc) l'estudiantat implicat suspendrà automàticament l'assignatura. En funció del tipus d'acte fraudulent la Direcció de l'Escola iniciarà els procediments adients d'acord amb la Llei 3/2022 de 24 de febrer de Convivència Universitària (https://www.boe.es/eli/es/l/2022/02/24/3).

Criteris específics de la nota «No Presentat»:
La realització d’alguna de les activitats d’avaluació previstes en l’assignatura dóna lloc a tenir una nota. En cas contrari s’obtindrà un No Presentat.

Avaluació única:
Per optar a l'avaluació única de l'assignatura cal fer una petició formal a la Secretaria Acadèmica.

Els alumnes que demanin avaluació única hauran de fer un únic examen on s'avaluaran els continguts de tot el curs i tindrà un pes del 100%. Aquest examen únic tindrà una oportunitat de recuperació.

Requisits mínims per aprovar:
Per considerar superada l’assignatura, caldrà obtenir una qualificació mínima de 5.0

Tutoria

Les tutories es sol·licitaran a través de l'Agenda de l’assignatura al Moodle, i en el seu defecte, a través de correu electrònic.
Es podran desenvolupar presencialment (els dies assignats a problemes de l’assignatura), o virtualment (a través de videoconferència).

Comunicacio i interacció amb l'estudiantat

Fòrum del Moodle, correu electrònic.

Observacions

La bibliografia recomanada es completa amb el material elaborat pels professors. Tot i això, creiem indispensable l'assistència regular a les classes ja que moltes matisacions que fa el professor no es poden reflectir en els textos escrits.

A mesura que avanci el curs podreu trobar diferent material en el moodle de l'assignatura.

Assignatures recomanades

  • Estadística
  • Fonaments de matemàtiques 1
  • Fonaments de matemàtiques 2
  • Intel·ligència artificial

Escull quins tipus de galetes acceptes que el web de la Universitat de Girona pugui guardar en el teu navegador.

Les imprescindibles per facilitar la vostra connexió. No hi ha opció d'inhabilitar-les, atès que són les necessàries pel funcionament del lloc web.

Permeten recordar les vostres opcions (per exemple llengua o regió des de la qual accediu), per tal de proporcionar-vos serveis avançats.

Proporcionen informació estadística i permeten millorar els serveis. Utilitzem cookies de Google Analytics que podeu desactivar instal·lant-vos aquest plugin.

Per a oferir continguts publicitaris relacionats amb els interessos de l'usuari, bé directament, bé per mitjà de tercers (“adservers”). Cal activar-les si vols veure els vídeos de Youtube incrustats en el web de la Universitat de Girona.