Universitat Internacional de Catalunya

Inteligencia Artificial II

Inteligencia Artificial II
4
14874
4
Segundo semestre
op
Lengua de impartición principal: inglés

Otras lenguas de impartición: catalán, castellano

Presentación

Esta segunda parte del curso proporciona una inmersión profunda en la aplicación de técnicas de Inteligencia Artificial (IA) en el campo de la biomedicina. 

A lo largo del programa, los estudiantes aprenderán a implementar y evaluar modelos de IA en un contexto biomédico real, abordando desde la predicción de la sensibilidad a los medicamentos hasta la interpretación de variantes genéticas y el reconocimiento de imágenes biomédicas mediante redes neuronales convolucionales.

Requisitos previos

Se recomienda haber cursado y superado: 

  • Introducción a la bioinformática 

  • Bases de datos biológicas

Se recomienda cursar en paralelo:

  • Inteligencia Artificial I

  • Conocimientos de programación

Objetivos

  • Comprender y aplicar técnicas de IA en la biomedicina.
  • Desarrollar habilidades prácticas en la limpieza y preparación de datos biomédicos.
  • Aprender a construir y evaluar modelos de clasificación y regresión para resolver problemas reales en biomedicina.
  • Explorar la aplicación de algoritmos avanzados, como redes neuronales convolucionales, en el análisis de imágenes biomédicas.

Competencias/Resultados de aprendizaje de la titulación

  • CB01 - Que los estudiantes hayan demostrado poseer y comprender conocimientos en un área de estudio que parte de la base de la educación secundaria general, y se suele encontrar a un nivel que, si bien se apoya en libros de texto avanzados, incluye también algunos aspectos que implican conocimientos procedentes de la vanguardia de su campo de estudio.
  • CB03 - Que los estudiantes tengan la capacidad de reunir e interpretar datos relevantes (normalmente dentro de su área de estudio) para emitir juicios que incluyan una reflexión sobre temas relevantes de índole social, científica o ética.
  • CB04 - Que los estudiantes puedan transmitir información, ideas, problemas y soluciones a un público tanto especializado como no especializado.
  • CB05 - Que los estudiantes hayan desarrollado aquellas habilidades de aprendizaje necesarias para emprender estudios posteriores con un alto grado de autonomía.
  • CE07 - Aplicar las herramientas estadísticas a estudios en Ciencias de la Salud.
  • CE19 - Reconocer los principios de las ciencias biomédicas relacionadas con la salud y aprender a trabajar en cualquier ámbito de las ciencias biomédicas (empresa biomédica, laboratorios de bioinformática, laboratorios de investigación, empresa de análisis clínicos, etc.).
  • CG07 - Integrar los conceptos básicos relacionados con el campo de la biomedicina tanto a nivel teórico como experimental.
  • CG10 - Diseñar, redactar y ejecutar proyectos relacionados con el área de las ciencias biomédicas.
  • CG11 - Reconocer conceptos básicos de diferentes ámbitos vinculados a las ciencias biomédicas.
  • CT01 - Desarrollar la capacidad de organización y planificación adecuadas al momento.
  • CT02 - Desarrollar la capacidad para la resolución de problemas.
  • CT03 - Desarrollar la capacidad de análisis y síntesis.
  • CT04 - Interpretar resultados experimentales e identificar elementos consistentes e inconsistentes.
  • CT05 - Usar internet como medio de comunicación y como fuente de información.
  • CT06 - Saber comunicar, hacer presentaciones y redactar trabajos científicos.
  • CT07 - Ser capaz de trabajar en equipo.
  • CT08 - Razonar y evaluar las situaciones y resultados desde un punto de vista crítico y constructivo.
  • CT09 - Tener la capacidad de desarrollar habilidades en las relaciones interpersonales.
  • CT10 - Ser capaz de llevar a cabo un aprendizaje autónomo.
  • CT11 - Aplicar los conocimientos teóricos a la práctica.
  • CT12 - Aplicar el método científico.
  • CT13 - Reconocer los aspectos generales y específicos relacionados con el campo de la nutrición y envejecimiento.
  • CT14 - Respetar los derechos fundamentales de igualdad entre hombres y mujeres, y la promoción de los derechos humanos y los valores propios de una cultura de paz y de valores democráticos.

Resultados de aprendizaje de la asignatura

  • Comprensión Teórica y Aplicación Práctica de la IA en Biomedicina:
    • Adquirir una comprensión profunda del papel de la IA en la biomedicina.
    • Aplicar la IA en contextos biomédicos, como en el descubrimiento de fármacos y análisis genético.
  • Habilidades en Manipulación y Análisis de Datos Biomédicos:
    • Desarrollar habilidades prácticas en la limpieza, preparación y análisis de datos biomédicos.
    • Interpretar datos genéticos y moleculares en contextos clínicos y de investigación.
  • Desarrollo y Evaluación de Modelos de Clasificación y Regresión:
    • Construir y evaluar modelos de clasificación y regresión en biomedicina.
    • Comprender y aplicar técnicas avanzadas como las redes neuronales convolucionales en el análisis de imágenes biomédicas.
  • Evaluación Crítica y Estrategias de Investigación:
    • Analizar y evaluar críticamente los resultados de modelos de IA.
    • Proponer estrategias de investigación y aplicaciones clínicas basadas en la IA.
  • Desarrollo Profesional y Orientación de Carrera:
    • Obtener una perspectiva sobre las oportunidades y desafíos en las carreras relacionadas con la bioinformática y la biomedicina.
    • Desarrollar habilidades de comunicación y presentación para temas de IA en biomedicina.

Contenidos

  1. Introducción (2h): El creciente papel de la Inteligencia Artificial en la atención sanitaria. Una visión general de cómo la IA está transformando el campo de la salud y la biomedicina.
  2. Modelo de Clasificación en Biomedicina.(20h):
    • IA en el Descubrimiento de Fármacos. 
    • Implementación de un pipeline de clasificación desde cero: limpieza de datos, preprocesamiento y evaluación de resultados. Enfoque en la aplicación de IA en el descubrimiento de fármacos desde una perspectiva biomédica.
      • Teoría y práctica sobre la preparación de datos y la división de datos, utilizando datos de expresión génica y sensibilidad a medicamentos.
      • Entrenamiento y evaluación de un clasificador Random Forest, abordando temas como desequilibrio de clases y selección de características.
      • Enfoque en la predicción de sensibilidad de compuestos químicos a líneas celulares específicas, incluyendo representación de huellas químicas y adaptación del pipeline para predecir toxicidad fuera del objetivo.
      • Visión general de Deep Learning en el descubrimiento de fármacos y discusión sobre aplicaciones y trayectorias profesionales en bioinformática y biomedicina.
  3. Modelos de Regresión en Biomedicina (8h)
    • Enfoque en predecir el impacto molecular de variantes genéticas mediante modelos de regresión.
      • Teoría y ejercicios sobre impacto molecular de variantes y construcción de modelos de regresión.
      • Binarización de modelos de regresión, comparación con clasificadores y análisis de herramientas in silico.
  4. Redes Neuronales Convolucionales en Biomedicina (10h).
    • Aplicación de CNN en el análisis de imágenes biomédicas.
      • Introducción a las CNN y preparación de datos de imágenes biomédicas.
      • Arquitecturas de CNN y optimización de modelos en biomedicina.
      • Evaluación de modelos y análisis de resultados en proyectos de IA biomédica.

Metodología y actividades formativas

Modalidad totalmente presencial en el aula



  • Clases magistrales: exposición en bloques de entre 15 a 50 minutos, de un tema teórico a desarrollar por parte del profesor.
  • Casos clínicos o métodos del caso (MC): Planteamiento de una situación real o imaginaria. Los alumnos trabajan las preguntas formuladas en grupos reducidos o en interacción activa con el profesor y se discuten las respuestas. El profesor interviene activamente y si hace falta aporta nuevos conocimientos.
  • Educación virtual (EV): Material online que el alumno puede consultar desde cualquier ordenador, a cualquier hora y que contribuirá al autoaprendizaje de conceptos relacionados con la asignatura.

Sistemas y criterios de evaluación

Modalidad totalmente presencial en el aula



  • Alumnos en primera convocatoria:   
    • Evaluación Continua (35%): Incluye ejercicios prácticos y tests cortos.
    • Examen Teórico Final (65%): Evaluación del conocimiento teórico y comprensión de los conceptos de IA II aplicados a la biomedicina vistos durante el curso.
    • Componente subjetivo (hasta un 10%): se reservará hasta un 10% de la nota final a criterios subjetivos como la implicación, la participación y el respeto a las normas, para fomentar una actitud activa y comprometida en el aula.
  • Alumnos en segunda o posterior convocatoria: la nota de la Evaluación Continua se guarda y el examen final representará un 75% de la nota final. 

Puntos generales a tener en cuenta sobre el sistema de evaluación:  

  • Para poder hacer media, en el examen final se deberá obtener un 5 de nota mínima.
  • Además de lo mencionado anteriormente, para aprobar la asignatura, la media de todas las calificaciones ha de ser 5 o superior.
  • El carácter continuado de esta evaluación hace que no sea posible evaluar la asignatura si no se ha participado en un 75% de las horas.
  • El uso indebido de aparatos electrónicos (como el registro y difusión tanto del alumnado como del profesorado durante las diferentes sesiones, así como el uso de estos aparatos con fines lúdicos y no educativos) puede comportar la expulsión de clase.
Versión para imprimir