Guía docente de Fundamentos de Datos (MD9/56/1/2)

Gestión integral del ciclo de vida del dato sanitario. Se estudian técnicas de adquisición, limpieza, estructuración, almacenamiento y visualización de información clínica, asegurando la calidad necesaria para su procesamiento algorítmico con modelos de Inteligencia Artificial.

Esta es una asignatura introductoria dirigida a profesionales de las Ciencias de la Salud para su familiarización con el tratamiento y organización de datos biomédicos. Los conceptos de organización, estructura y tratamiento de los datos no requieren de conocimientos previos avanzados en programación u otras especialidades técnicas. La asignatura está orientada a la adquisición progresiva de estos conceptos técnicos más importantes para el tratamiento de los datos con el objetivo de su preparación para sistemas de predicción e inteligencia artificial. Las actividades y evaluaciones estarán planteadas para la utilización de herramientas de alto nivel que no requieran necesidad de programación o tratamiento de los datos a bajo nivel. Se recomienda la utilización de un ordenador personal sin características especiales para la computación ya que las actividades planteadas se realizarán en su mayoría en servidores web y computación en la nube con herramientas de No-Code.

El objetivo de esta asignatura es proporcionar al alumnado una comprensión de las distintas técnicas de obtención y estructuración (historias clínicas electrónicas, dispositivos de monitorización, etc.); almacenamiento e integración (conceptos básicos comparativa de estándares de interoperabilidad o de almacenamiento estructurado/no estructurado); tratamiento y limpieza de datos (analizando cómo su calidad afecta a la fiabilidad, seguridad, equidad y presencia de sesgos como los principios básicos de calidad de datos), así como de su visualización, análisis e interpretación desde el punto de vista del profesional de la Salud. De este modo, se plantean los siguientes resultados de aprendizaje que capacitarán al estudiante para participar en la delimitación de necesidades tecnológicas, evaluar dispositivos en comités multidisciplinares y ejecutar protocolos de uso responsable:

1. Comprender las necesidades digitales y tecnológicas que garanticen la integridad, seguridad y representación de los datos tratados.
2. Conocer los aspectos más relevantes tanto desde el origen y tipología del dato como desde su gestión, almacenamiento, visualización y procesamiento adecuados. 
3. Identificar la necesidad de estandarización y homogeneización de los datos biomédicos mediante procesos ETL (Extracción, Transformación y Carga)
4. Aplicar procesos de integración de datos heterogéneos necesarios para una interoperabilidad sostenible 
5. Analizar y transformar grandes volúmenes de datos en conocimiento clínico accionable e interpretable.
6. Interpretar los diferentes procesos de visualización de los datos como medida para la extracción de conocimiento y evaluación de su calidad.
7. Evaluar la calidad, veracidad e integridad del dato médico.
8. Conocer la legislación y regulación europea entorno al tratamiento y manejo de datos de salud.

La asignatura Fundamentos de Datos busca proporcionar información detallada para el conocimiento (tipologías, orígenes, semánticas, etc) y tratamiento de datos sanitarios (integración de fuentes, preprocesamiento, tratamiento posterior, etc), los cuales suponen el pilar fundamental sobre el que debe construirse cualquier sistema fiable de Inteligencia Artificial (IA) en el contexto médico. Para ello los contenidos teóricos se organizan en los siguientes temas:

Tema 1: El Ecosistema del Dato en Salud: Procedencia y Tipología.

Visión global y completa de la naturaleza del ecosistema del dato sanitario, desde su origen y adquisición en los sistemas de información hospitalarios hasta su estructura y formato para ser tratado conjuntamente como entrada en los diferentes sistemas clínicos de inteligencia artificial.

Tema 2: Arquitecturas de Almacenamiento, Modelos Comunes y Gestión de Activos.

Estudio de las infraestructuras de custodia de datos, su evolución tecnológica y el diseño de modelos comunes para permitir el análisis masivo e integrado de información clínica y biomédica. Arquitecturas de almacenamiento SQL y NoSQL, arquitecturas hospitalarias basadas en data warehouse y data lakes y modelos de datos más comunes.

Tema 3: Repositorios de Datos y Big Data en Salud Global.

Descripción de diferentes fuentes de datos masivos abiertas y disponibles para las diferentes tipologías de datos sanitarios (Genomics Data Commons, PhysioNet, Gene Expression Omnibus, etc). Estudio de la estructura de estas fuentes, la homogeneización y caracterización de los datos y su almacenamiento estructurado.

Tema 4: Calidad del Dato, Sesgos y Preprocesamiento.

Protocolos de preprocesamiento y análisis de calidad de dato. Procesos de preparación del dato limpio, legal, ético y seguro. Gestión de datos perdidos y los principios FAIR (findable, accessible, interoperabilidad y reusable).

Tema 5: Visualización y Análisis Interpretativo para el Profesional.

Representación e interpretación crítica del dato mediante técnicas de visualización y dashboards. Soluciones de control para visualizar los principales datos biomédicos. Protocolos de decisión en entornos visuales para determinar si los datos son aptos para su uso.

Tema 6: El Espacio Europeo de Datos Sanitarios.

Paradigma regulatorio y operativo en la Unión Europea y análisis exhaustivo del Espacio Europeo de Datos de Salud (EHDS).  Diferenciación entre uso primario y uso secundario de los datos. Mecanismos de gobernanza y privacidad para el desarrollo de soluciones de salud digital basadas en evidencia del mundo real.

Se propondrán diversos proyectos prácticos para la exploración, tratamiento y visualización de datos biomédicos en entornos y repositorios de libre acceso. Se propondrá la realización de una búsqueda integral y descubrimiento de datos genómicos aplicables al entorno clínico en las plataformas Genomics Data Commons y Physionet. Además, se planteará el tratamiento y procesamiento básico de datos en Galaxy, un entorno abierto y basado en web (no-code) centrado en la investigación de datos intensivos biomédicos.

• Benson, T., & Grieve, G. (2021). Principles of Health Interoperability: SNOMED CT, HL7 and FHIR (4th ed.). Springer. https://doi.org/10.1007/978-3-030-56883-2 
• Coiera, E. (2015). Guide to Health Informatics (3rd ed.). CRC Press.
• Shortliffe, E. H., & Cimino, J. J. (2021). Biomedical Informatics: Computer Applications in Health Care and Biomedicine (5th ed.). Springer Cham. https://doi.org/10.1007/978-3-030-58721-5
• World Human Organization, WHO (2021). Global Strategy on Digital Health 2020-2025. https://www.who.int/publications/i/item/9789240020924

• Zhang Z, Hernandez K, Savage J, Li S, Miller D, Agrawal S, Ortuno F, Staudt LM, Heath A, Grossman RL. (2021). Uniform genomic data analysis in the NCI Genomic Data Commons. Nat Commun. 12(1):1226. 
• Clough E, Barrett T, Wilhite SE, Ledoux P, Evangelista C, Kim IF, Tomashevsky M, Marshall KA, Phillippy KH, Sherman PM, Lee H, Zhang N, Serova N, Wagner L, Zalunin V, Kochergin A, Soboleva A. (2024). NCBI GEO: archive for gene expression and epigenomics data sets: 23-year update. Nucleic Acids Res. 52(D1):D138-D144. 
• The Galaxy Community. Galaxy for accessible, reproducible, and collaborative data analyses: 2026 update (2026). Nucleic Acids Res. 54(W1):W105–W116

• Espacio Europeo de Datos Sanitarios: https://www.sanidad.gob.es/areas/saludDigital/espacioEuropeoDS/home.htm
• Genomics Data Commons: https://gdc.cancer.gov/
• Physionet: https://physionet.org/
• Galaxy: https://galaxy-main.usegalaxy.org/

• 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.

• Evaluación del Progreso: 30%
• Actividades Prácticas: 40%
• Prueba de Síntesis: 30%

• Evaluación del Progreso: 30%
• Actividades Prácticas: 40%
• Prueba de Síntesis: 30%

• Evaluación del Progreso: 30%
• Actividades Prácticas: 40%
• Prueba de Síntesis: 30%

En el caso de utilizar herramientas de IA generativa (chatGPT, Gemini, NotebookLM, Claude, etc) para el desarrollo y la realización de trabajos de la asignatura, el estudiante debe adoptar un uso ético y responsable de las mismas. Se deben seguir las recomendaciones contenidas en el documento de "Recomendaciones para el uso de la inteligencia artificial en la UGR" publicado en https://ceprud.ugr.es/formacion-tic/inteligencia-artificial/recomendaciones-ia#contenido0