La propuesta integra teoría y práctica para comprender cómo funciona la Inteligencia Artificial, qué puede y qué no puede hacer, y cómo utilizarla de manera responsable en la búsqueda científica, la docencia y la práctica clínica cotidiana. 

Introducción a la Inteligencia Artificial en Salud

• Conceptos fundamentales de IA: definiciones y alcances en salud

• Diferencias entre:

  • Aprendizaje automático (Machine Learning)

  • Aprendizaje profundo (Deep Learning)

  • Modelos generativos y grandes modelos de lenguaje (LLMs)

• Cómo “piensan” los sistemas de IA y por qué se equivocan

• Limitaciones actuales de la IA:

  • Sesgos algorítmicos

  • Alucinaciones y errores de confianza

  • Problemas de generalización y validez externa

• Impacto presente y futuro de la IA en medicina:

  • Cambios en la práctica clínica

  • Nuevos roles profesionales

  • Oportunidades y riesgos para el sistema de salud

Búsqueda y análisis científico

• Búsquedas bibliográficas asistidas por IA:

  • Estrategias de búsqueda optimizadas

  • Uso de herramientas de síntesis y filtrado

• Evaluación crítica de la literatura con apoyo de IA:

  • Detección de sesgos metodológicos

  • Análisis de calidad de estudios

  • Identificación de fortalezas y debilidades de papers

• Asistentes virtuales para:

  • Resumen de artículos científicos

  • Organización de referencias

  • Análisis preliminar de datos y resultados

IA aplicada a docencia e investigación

• Generación de contenidos educativos personalizados:

  • Adaptación a distintos niveles de aprendizaje

  • Creación de preguntas, casos clínicos y evaluaciones

• Recursos visuales y audiovisuales creados con IA:

  • Infografías, imágenes y animaciones educativas

  • Presentaciones y materiales interactivos

• Simulación clínica y diseño instruccional con tecnología emergente:

  • Escenarios clínicos simulados

  • Aprendizaje basado en casos

  • Evaluación formativa con IA

• Redacción científica asistida por IA:

  • Estructuración de manuscritos

  • Mejora de claridad y coherencia

  • Soporte en análisis y discusión de resultados

IA en la práctica clínica

• Herramientas de apoyo a la toma de decisiones clínicas:

  • Sistemas de recomendación diagnóstica

  • Apoyo en interpretación de datos clínicos y de laboratorio

• Uso responsable de modelos de lenguaje (LLMs) en consulta:

  • Redacción de informes médicos

  • Comunicación con pacientes

  • Organización de historias clínicas

• Riesgos, límites y sesgos en la práctica clínica

• Aspectos ético-legales del uso de IA en salud:

  • Confidencialidad y protección de datos

  • Responsabilidad profesional

  • Transparencia y trazabilidad del uso de IA

Gobernanza y uso responsable de IA en salud

• Políticas de uso de IA en instituciones de salud

• Buenas prácticas y checklist de seguridad

• Gestión de riesgos y compliance

• Integración de IA en flujos de trabajo clínicos

IA y datos en salud

• Calidad de datos y sesgos en bases clínicas

• Interoperabilidad y sistemas de información en salud

• Privacidad, anonimización y regulación (Habeas data / GDPR equivalente)

Talleres prácticos

Sesiones hands-on con casos reales:

• Caso clínico 1: apoyo diagnóstico con IA

• Caso clínico 2: redacción de informe médico con IA

• Caso clínico 3: análisis de paper con IA

• Caso clínico 4: creación de material educativo con IA