Especialización en Gestión y Análisis de Datos Sanitarios en Ingeniería Biomédica

Módulo 1. Señales Biomédicas

1.1. Señales Biomédicas

1.1.1. Origen de la Señal Biomédica
1.1.2. Las señales biomédicas

1.1.2.1. Amplitud
1.1.2.2. Periodo
1.1.2.3. Frecuencia
1.1.2.4. Longitud de onda
1.1.2.5. Fase

1.2. Clasificación y ejemplos de señales biomédicas

1.2.1. Tipos de señales biomédicas. Electrocardiografía, electroencefalografía y magnetoencefalografía

1.2.1.1. Electrocardiografía (ECG)
1.2.1.2. Electroencefalografía (EEG)
1.2.1.3. Magnetoencefalografía (MEG)

1.3. Tipos de señales biomédicas. Electroneurografía y electromiografía

1.3.1. Electroneurografía (ENG)
1.3.2. Electromiografía (EMG)
1.3.3. Potenciales relacionados con eventos (ERPs)
1.3.4. Otros tipos

1.4. Señales y sistemas

1.4.1. Señales y sistemas
1.4.2. Señales continuas y discretas: Analógicas vs. Digitales
1.4.3. Sistemas en el dominio del tiempo
1.4.4. Sistemas en el dominio de la frecuencia. Método espectral

1.5. Fundamentos de señales y sistemas

1.5.1. Muestreo: Nyquist
1.5.2. La transformada de Fourier. DFT
1.5.3. Procesos estocásticos

1.5.3.1. Señales deterministas vs. Aleatorias
1.5.3.2. Tipos de procesos estocásticos
1.5.3.3. Estacionariedad
1.5.3.4. Ergodicidad
1.5.3.5. Relaciones entre señales

1.5.4. Densidad espectral de potencia

1.6. Procesamiento de la señal biomédica

1.6.1. Procesamiento de la señal
1.6.2. Objetivos y etapas del procesado
1.6.3. Elementos clave de un sistema de procesado digital
1.6.4. Aplicaciones. Tendencias

1.7. Filtrado: eliminación de artefactos

1.7.1. Motivación. Tipos de filtrado
1.7.2. Filtrado en el dominio del tiempo
1.7.3. Filtrado en el dominio de la frecuencia
1.7.4. Aplicaciones y ejemplos

1.8. Análisis tiempo-frecuencia

1.8.1. Motivación
1.8.2. Plano tiempo-frecuencia
1.8.3. Transformada de Fourier de Tiempo Corto (STFT)
1.8.4. Transformada Wavelet
1.8.5. Aplicaciones y ejemplos

1.9. Detección de eventos

1.9.1. Caso de estudio I: ECG
1.9.2. Caso de estudio II: EEG
1.9.3. Evaluación de la detección

1.10. Software para el procesamiento de señales biomédicas

1.10.1. Aplicaciones, entornos y lenguajes de programación
1.10.2. Librerías y herramientas
1.10.3. Aplicación práctica: sistema básico de procesamiento de Señal Biomédica

Módulo 2. Bioinformática Médica

2.1. La Bioinformática Médica

2.1.1. Computación en la Biología Médica
2.1.2. Bioinformática Médica

2.1.2.1. Aplicaciones de la Bioinformática
2.1.2.2. Sistema informático, redes y bases de datos médicos
2.1.2.3. Aplicaciones de la Bioinformática médica en la salud humana

2.2. Equipos y software de cómputo requeridos en Bioinformática

2.2.1. Cómputo científico en Ciencias Biológicas
2.2.3. El ordenador
2.2.4. Hardware, software y sistemas operativos
2.2.5. Estaciones de trabajo y ordenadores personales
2.2.6. Plataformas de cómputo de alto rendimiento y entornos virtuales
2.2.7. Sistema operativo Linux

2.2.7.1. Instalación de Linux
2.2.7.2. Uso de la interfaz de líneas de comando de Linux

2.3. Análisis de datos usando lenguaje de programación R

2.3.1. Lenguaje estadístico de programación R
2.3.2. Instalación y usos de R
2.3.3. Métodos de análisis de datos con R
2.3.4. Aplicaciones de R en Bioinformática Médica

2.4. Análisis de datos usando lenguaje de programación Python

2.4.1. Lenguaje de programación multipropósito Python
2.4.2. Instalación y usos de Python
2.4.3. Métodos de análisis de datos con Python
2.4.4. Aplicaciones Python en Bioinformática médica

2.5. Métodos de análisis de secuencia genética humana

2.5.1. Genética humana
2.5.2. Técnicas y métodos de análisis de secuenciación de datos genómicos
2.5.3. Alineamientos de secuencia
2.5.4. Herramientas para la detección, comparación y modelado de genomas

2.6. Minería de datos en Bioinformática

2.6.1. Fases del descubrimiento de conocimiento en bases de datos, KDD
2.6.2. Técnicas de preprocesado
2.6.3. Descubrimiento de conocimiento en bases de datos biomédicas
2.6.4. Análisis de datos de genómica humana

2.7. Técnicas de Inteligencia artificial y Big Data en Bioinformática Médica

2.7.1. Aprendizaje automático o Machine Learning para Bioinformática Médica

2.7.1.1. Aprendizaje supervisado: Regresión y clasificación
2.7.1.2. Aprendizaje no supervisado: Clustering y reglas de asociación

2.7.2. Big Data
2.7.3. Plataformas computacionales y entornos de desarrollo

2.8. Aplicaciones de la Bioinformática para prevención, diagnóstico y terapias clínicas

2.8.1. Procedimientos de identificación de genes causantes de enfermedades
2.8.2. Procedimiento para analizar e interpretar el genoma para terapias médicas
2.8.3. Procedimientos para evaluar predisposiciones genéticas de pacientes para prevención y diagnóstico temprano

2.9. Metodología y flujo de trabajo bioinformático médico

2.9.1. Creación de flujos de trabajo para analizar los datos
2.9.2. Interfaces de programación de aplicaciones, API

2.9.2.1. Librerías de R y Python para análisis bioinformático
2.9.2.2. Bioconductor: instalación y usos

2.9.3. Usos de flujos de trabajo bioinformático en servicios de cloud (Nube)

2.10. Factores asociados a las aplicaciones de Bioinformática sostenible y tendencias de futuro

2.10.1. Marco legal y regulatorio
2.10.2. Buenas prácticas en el desarrollo de proyectos de Bioinformática médica
2.10.3. Tendencias de futuro en aplicaciones en Bioinformática

Módulo 3. Bases de datos biomédicos y sanitarios

3.1. Bases de datos hospitalarias

3.1.1. Las bases de datos
3.1.2. La importancia de los datos
3.1.3. Los datos en los contextos clínicos

3.2. Modelado conceptual

3.2.1. Estructura de los datos
3.2.2. Modelo de datos sistemáticos
3.2.3. Estandarización de datos

3.3. Modelo de datos relacional

3.3.1. Ventajas y desventajas
3.3.2. Lenguajes formales

3.4. Diseño de bases de datos relacionales

3.4.1. Dependencia funcional
3.4.2. Formas relacionales
3.4.3. Normalización

3.5. Lenguaje SQL

3.5.1. Modelo relacional
3.5.2. Modelo objeto-relación
3.5.3. Modelo XML-objeto-relación

3.6. NoSQL

3.6.1. JSON
3.6.2. NoSQL
3.6.3. Amplificadores diferenciales
3.6.4. Integradores y diferenciadores

3.7. MongoDB

3.7.1. Arquitectura ODMS
3.7.2. NodeJS
3.7.3. Mongoose
3.7.4. Agregación

3.8. Análisis de datos

3.8.1. Análisis de datos
3.8.2. Análisis cualitativo
3.8.3. Análisis cuantitativo

3.9. Bases legales y normativa de regulación

3.9.1. Reglamento General de Protección de Datos
3.9.2. Consideraciones de ciberseguridad
3.9.3. Normativa aplicada a datos sanitarios

3.10. Integración de bases de datos en historias clínicas

3.10.1. Las historias clínicas
3.10.2. Sistema HIS
3.10.3. Los datos en el HIS