Estudia > Oferta formativa > Oferta d'assignatures > Detall de l'assignatura
Anar al contingut (clic a Intro)
UdG Home UdG Home
Tancar
Menú
Identificació

Estudia a la UdG

Dades generals

Curs acadèmic:
2020
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:
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 i ressonància magnètica

          4.3. Resistència a la insulina

          4.4. Reconeixement d’activitats i envelliment actiu

Activitats

Tipus d’activitat Hores amb professor Hores sense professor Hores virtuals amb professor Total
Aprenentatge basat en problemes (PBL) 10,00 50,00 32,00 92,00
Prova d'avaluació 3,00 14,00 0 17,00
Sessió expositiva 0 8,00 6,00 14,00
Sortida de camp 2,00 0 0 2,00
Total 15,00 72,00 38,00 125

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.
  • Begg, Rezaul. (2008). Computational intelligence in biomedical engineering /. Boca Raton, FL: CRC/Taylor & Francis. Catàleg
  • Russell, Stuart J.. (2010). Artificial intelligence : (3rd ed.). Upper Saddle River: Prentice Hall. 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. 20 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. 20 No
PBL-Resistència insulina 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. 20 No
PBL - Reconeixement d’activitats i envelliment actiu 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. 20 No
Prova d'avaluació Examen on s'avaluaran els continguts treballats en l'assignatura 20 No

Qualificació

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

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

S’utilitzarà un sistema de videoconferència per a les classes virtuals. Les preguntes es realitzaran de manera asíncrona a través del fòrum de l’assignatura. La resposta es rebrà en un període de dos dies lectius.

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

Modificació del disseny

Modificació de les activitats:
Escenari amb un 100% de virtualitat:
Les classes de problemes es realitzaran virtualment.

Modificació de l'avaluació:
Escenari amb un 100% de virtualitat:

El procés d’avaluació no es veuria afectat.
La presentació de les activitats es realitzarà de forma virtual.
La prova d’avaluació es realitzarà de forma virtual.

Tutoria i comunicació:
Escenari amb un 100% de virtualitat:
No es veurien afectades.