Guía docente de Casos de Uso: Medicina Personalizada e Investigación en el Ámbito de la Salud (MD9/56/1/10)

Uso de la IA para el análisis de datos genómicos, proteómicos y clínicos con el fin de personalizar tratamientos.

Se explora el diseño de fármacos y herramientas de duagnósitco asistido por IA, así como el diseño de ensayos clínicos inteligentes, con capacidad parfa aplicar la medicina pesonalizada

Se exploran aplicaciones específicas para el diseño de herramientas que tengan aplicación en prevención y evaluación de riesgos 

Prerrequisitos y/o Recomendaciones

1. Aplicar modelos predictivos en medicina de precisión.
2. Identificar biomarcadores digitales mediante análisis de datos ómicos.
3. Diseñar protocolos de investigación clínica potenciados por IA.

Conocimientos, competencias y habilidades

C03: Conoce las implicaciones éticas y clínicas que se derivan del uso de datos y herramientas de Inteligencia Artificial en el ámbito de la Salud,

C05: Explica el papel de la representación y visualización del dato en la interpretabilidad y confianza en la Inteligencia Artificial.

C08: Analiza los riesgos, beneficios y limitaciones de seguridad en casos reales de Inteligencia Artificial en Salud.

COM02: Interpreta resultados de Inteligencia Artificial y otras fuentes para la toma de decisiones clínicas adaptadas a cada paciente.

COM08: Formula propuestas de investigación aplicada o innovación en salud con Inteligencia Artificial a partir del análisis de casos de uso

HD08: Aplica soluciones de Inteligencia Artificial a casos reales en salud con criterios justificados de eficacia y seguridad

• Tema 1: Herramientas inteligentes en Medicina
  • Introducción a las ómicas y la medicina personalizada.
  • IA para Diagnóstico de precisión 
  • Bioinformática y aprendizaje automático para análisis genómico.
  • Descubrimiento de fármacos y reposicionamiento con IA.
  • In-silico clinical trials y modelado de enfermedades
• Tema 2: Escenarios de aplicación. Aplicación en entronos sanitarios
  • IA en enfermedades respiratorias
  • Fuentes de datos para IA en neumología
  • Modelos predictivos en enfermedades de la vía aérea
  • IA generativa en neumología
• Tema 3: 
  • Caso de uso: Contexto clínico y problema de salud
  • Estudio ALTIUS-SN como plataforma para un caso de uso de IA
  • Aplicación clínica.preventiva
  • Limitaciones, aspectos éticos y gobernanza del dato

Elaboración y estudio de casos prácticos basados en Dataset y Repositorios

• Dataset: TCGA (The Cancer Genome Atlas) datasets.
• Dataset: Estudio ALTIUS-SN 
• Repositorio/Demo: Herramientas de visualización genómica en entornos No-code.
• Plataforma Virtual: Microvídeo sobre "Oncología de precisión y algoritmos".

• Software Libre y Licencias: Uso de Azure ML y herramientas No-code de análisis estadístico (Licencia Microsoft A5).
• Bibliografía Fundamental: Ginsburg, G. "Precision Medicine: A Primer".
• Enlaces Recomendados: National Human Genome Research Institute (NHGRI).

1. Mekov E, Miravitlles M, Petkov R. (2020). Artificial intelligence and machine learning in respiratory medicine. Expert Rev Respir Med, 14(6):559–564.

2.  Chen Z, Hao J, Sun H, Li M, Zhang Y, Qian Q. (2025). Applications of digital health technologies and artificial intelligence algorithms in COPD: systematic review. BMC Med Inform Decis Mak, 25(1):77.

3.  Wu Q, Guo H, Li R, Han J. (2025). Deep learning and machine learning in CT-based COPD diagnosis: Systematic review and meta-analysis. Int J Med Inform, 196:105812.

4.  Gao C, Wu L, Wu W, Huang Y, Wang X, Sun Z, et al. (2025). Deep learning in pulmonary nodule detection and segmentation: a systematic review. Eur Radiol, 35(1):255–266.

5.  Guo L, Zhou C, Xu J, Huang C, Yu Y, Lu G. (2024). Deep Learning for Chest X-ray Diagnosis: Competition Between Radiologists with or Without Artificial Intelligence Assistance. J Imaging Inform Med, 37(3):922–934.

6.  Niraula P, Upreti M, Kadariya S, Poudel B, Kadariya S, Kunwar S. (2025). AI/ML driven prediction of COPD exacerbations and readmissions: a systematic review and meta-analysis. Front Digit Health, 7:1641356.

7.  Liu X, Cruz Rivera S, Moher D, Calvert MJ, Denniston AK. (2020). Reporting guidelines for clinical trial reports for interventions involving artificial intelligence: the CONSORT-AI extension. Nat Med, 26(9):1364–1374.

8.  Khemasuwan D, Sorensen JS, Colt HG. (2020). Artificial intelligence in pulmonary medicine: computer vision, predictive model and COVID-19. Eur Respir Rev, 29(157).

9.  Antao J, de Mast J, Marques A, Franssen FME, Spruit MA, Deng Q. (2023). Demystification of artificial intelligence for respiratory clinicians managing patients with obstructive lung diseases. Expert Rev Respir Med, 17(12):1207–1219.

10. Romero Palacios PJ, Holgado Terriza JA, et al. Informe provisional del estudio ALTIUS-SN: estudio de las repercusiones en la salud de la actividad laboral en altura. Universidad de Granada; 2024.

11. Bassett DR Jr, Howley ET. Limiting factors for maximum oxygen uptake and determinants of endurance performance. Med Sci Sports Exerc. 2000;32(1):70-84.

12. American Thoracic Society, American College of Chest Physicians. ATS/ACCP statement on cardiopulmonary exercise testing. Am J Respir Crit Care Med. 2003;167(2):211-77.

13. Holland AE, Spruit MA, Troosters T, Puhan MA, Pepin V, Saey D, et al. An official European Respiratory Society/American Thoracic Society technical standard: field walking tests in chronic respiratory disease. Eur Respir J. 2014;44(6):1428-46.

14. Rajkomar A, Dean J, Kohane I. Machine learning in medicine. N Engl J Med. 2019;380(14):1347-58.

15. Dunn J, Runge R, Snyder M. Wearables and the medical revolution. NPJ Digit Med. 2018;1:5.

16. Kelly CJ, Karthikesalingam A, Suleyman M, Corrado G, King D. Key challenges for delivering clinical impact with artificial intelligence. BMC Med. 2019;17:195.

17. Cutillo CM, Sharma KR, Foschini L, Kundu S, Mackintosh M, Mandl KD, et al. Machine intelligence in healthcare - perspectives on trustworthiness, explainability, usability, and transparency. NPJ Digit Med. 2020;3:47.

18. Artificial Intelligence (AI) in Medicine, M.S..
https://www.slu.edu/medicine/health-and-clinical-outcomes-research/degrees/artificial-intelligence-in-medicine-ms.php

19. Programa IA en el Cuidado de la Salud: De las Estrategias ....https://execonline.hms.harvard.edu/inteligencia-artificial-cuidado-salud
20. propuesta de rúbrica para evaluación de estudios de caso en ....https://acofipapers.org/index.php/eiei/article/download/443/439/854

21. Validación de una rúbrica para la evaluación de trabajos ....https://portal.reunid.eu/documentos/5fd962c629995238c097bd59?lang=en

22. ¿Cómo la inteligencia artificial está transformando a las ....https://www.radiologyinfo.org/es/info/ai-transforming-medical-imaging

23. AI in Health Care: From Strategies to Implementation. https://learn.hms.harvard.edu/programs/ai-health-care-strategies-implementation

24. Inteligencia Artificial en radiología: ventajas y casos de uso. https://blog.uvirtual.org/inteligencia-artificial-en-radiologia-ventajas-y-casos-de-uso

25. AI in Healthcare Case Studies Transforming Patient Care.https://www.inferscience.com/7-ai-in-healthcare-case-studies-transforming-patient-care

A case study of the application of AI to early stage drug .... https://www.nature.com/articles/s41598-025-32805-1ces recomendados

Inteligencia artificial en el descubrimiento de fármacos. https://es.movementdisorders.org/MDS/Blog-del-Comit%C3%A9-de-Asuntos-Cient%C3%ADficos/Inteligencia-artificial-en-el-descubrimiento-de-f%C3%A1rmacos.htm

IDx-DR, el primer sistema de IA aprobado por la FDA, está .... https://translate.google.com/translate?u=https://www.docwirenews.com/post/idx-dr-the-first-fda-approved-ai-system-is-growing-rapidly&hl=es&sl=en&tl=es&client=srp

• MD01 Clases magistrales, seminarios y exposiciones multimedia.
• MD02 Clases de ejercicios y resolución de casos prácticos, estudio de casos y discusión de trabajos y artículos.
• MD03 Supervisión de trabajos.
• MD04 Tutorías individuales y/o colectivas programadas.
• MD05 Estudio personal del estudiante.

Instrumento y Porcentaje 

·      Asistencia y participación activa (debate-reflexión) en el desarrollo de las sesiones síncronas: 10%.

·      Realización de cuestionarios y actividades online, a través de la plataforma del Campus Virtual, en sesiones síncronas: 40 %.

·      Participación, elaboración y resolución de casos, cuestionarios, defensa y debate sobre lecturas recomendadas en sesiones asíncronas, sesiones de tutorización o realizadas online a través de las herramientas del Campus virtual: 50% 

Rúbrica de Evaluación: Nivel y Criterios 

·      Excelente (9-10) - Dominio completo de los contenidos. - Excelente capacidad crítica. - Argumentación rigurosa. - Uso correcto del marco jurídico. - Soluciones innovadoras. - Excelente redacción y referencias. 

·      Bueno (7-8) - Comprensión sólida. - Buena aplicación práctica. - Escasas incorrecciones. - Argumentación consistente. 

·      Aceptable (5-6) - Conocimientos suficientes. - Aplicación limitada. - Argumentación básica. - Algunas deficiencias conceptuales. 

·      Insuficiente (<5) - Desconocimiento de conceptos esenciales. - Incapacidad para aplicar los conceptos básicos a los casos planteados. - Errores relevantes.

Evaluación extraordinaria

Instrumento y Porcentaje 

· Prueba a través de las herramientas del Campus virtual: 50% 

·      Asistencia y participación activa (debate-reflexión) en el desarrollo de las sesiones síncronas: 10%.

·      Realización de cuestionarios y actividades online, a través de la plataforma del Campus Virtual, en sesiones síncronas: 40 %.

 Rúbrica de Evaluación: Nivel y Criterios 

·      Excelente (9-10) - Dominio completo de los contenidos. - Excelente capacidad crítica. - Argumentación rigurosa. - Uso correcto del marco jurídico. - Soluciones innovadoras. - Excelente redacción y referencias. 

·      Bueno (7-8) - Comprensión sólida. - Buena aplicación práctica. - Escasas incorrecciones. - Argumentación consistente. 

·      Aceptable (5-6) - Conocimientos suficientes. - Aplicación limitada. - Argumentación básica. - Algunas deficiencias conceptuales. 

·      Insuficiente (<5) - Desconocimiento de conceptos esenciales. - Incapacidad para aplicar los conceptos básicos a los casos planteados. - Errores relevantes.

Instrumento y Porcentaje 

·      Pruebas a través de las herramientas del Campus virtual: 100% 

 Rúbrica de Evaluación: Nivel y Criterios 

·      Excelente (9-10) - Dominio completo de los contenidos. - Excelente capacidad crítica. - Argumentación rigurosa. - Uso correcto del marco jurídico. - Soluciones innovadoras. - Excelente redacción y referencias. 

·      Bueno (7-8) - Comprensión sólida. - Buena aplicación práctica. - Escasas incorrecciones. - Argumentación consistente. 

·      Aceptable (5-6) - Conocimientos suficientes. - Aplicación limitada. - Argumentación básica. - Algunas deficiencias conceptuales. 

·      Insuficiente (<5) - Desconocimiento de conceptos esenciales. - Incapacidad para aplicar los conceptos básicos a los casos planteados. - Errores relevantes.

Información adicional