La ciència de dades aplicada a la biomedicina és una disciplina que combina la gestió de dades amb l'anàlisi biomèdica per millorar la qualitat i l'eficiència dels processos mèdics. Aquesta assignatura cobreix el cicle de vida de les dades, l'avaluació de la qualitat, la governança de les dades, la normalització del llenguatge mèdic, la compartició de dades i l'anàlisi transversal de cohorts.
Professors Titulars
No es requereixen.
Els alumnes adquireixen els coneixements i desenvolupen les habilitats que s'indiquen a continuació:
1. Comprendre les etapes del cicle de vida de les dades, des de la creació fins a l'eliminació o emmagatzematge.
2. Utilitzar ontologies i gràfics de coneixement per a la normalització del llenguatge mèdic.
3. Implementar tècniques d'anonimització de dades per compartir-les de manera segura.
1. Cicle de vida de les dades i avaluació de la qualitat: etapes, dimensions de qualitat, principis FAIR.
2. Governança de les dades i polítiques: condicions ètiques, legals i institucionals, propietat de les dades, permisos, comitès d'accés a les dades.
3. Normalització del llenguatge mèdic: ontologies, SNOMED CT, LOINC, HPO, interoperabilitat.
4. Compartició de dades: tècniques d'anonimització, models agregats i federats, entorns basats en el núvol, generació de dades sintètiques, descobriment federat, aprenentatge federat.
Les classes de l'assignatura de Ciència de Dades Aplicada a la Biomedicina volen potenciar l'aprenentatge actiu de l'alumne eminentment pràctic. L'alumne és un membre actiu de les classes i aprèn a mesura que desenvolupa les tasques que es plantegen amb el seu ordinador portàtil. Les classes estan enfocades a que l'alumne codifiqui scripts, combinant el material teòric amb classes eminentment pràctiques. A més, es farà una iniciació al llenguatge de programació R, donant les eines necessàries per dur a terme l'assignatura amb èxit.
L'avaluació de l'alumne es fa segons diferents variables:
- Assistència i participació de l'alumne a classe.
- Exercicis de desenvolupament individual fora de classe.
- Exercicis de desenvolupament en grup fora de classe.
- Examens del temari de l'assignatura.
La nota final de l'assignatura en la convocatòria ordinària (Nota_Final) es calcularà ponderant dues notes: la nota d'exàmens (ExF) i la nota d'avaluació continuada (AC). Ambdues notes han d'estar aprovades individualment per poder superar l'assignatura.
Es valorarà:
1. L'adequada selecció i aplicació de mètodes computacionals, mostrant un raonament sòlid que evidenciï coherència tècnica i pertinència biomèdica.
2. La capacitat per analitzar críticament els resultats obtinguts, identificant limitacions, possibles biaixos i millores fonamentades.
3. La correcta integració i processament de dades complexes, evidenciant un ús rigorosament justificat d'algorismes d'aprenentatge automàtic.
4. La interpretació clínica i ètica dels resultats, demostrant sensibilitat cap a la privadesa, l'equitat i la validesa del model.
5. La claredat i adaptació del discurs a diferents audiències, reflectint una comunicació precisa, comprensible i ajustada al nivell tècnic requerit.
6. La qualitat de les visualitzacions i l'estructura de la presentació, evidenciant coherència narrativa i capacitat per transmetre conclusions clau.
7. L'ús d'eines de programació avançades
8. L'ús eficaç i autònom d'eines de programació avançades i demostrar un maneig rigorós, eficient i tècnicament fonamentat.
9. La qualitat del codi desenvolupat, incloent-hi la reproductibilitat, la documentació adequada i l'alineació amb bones pràctiques en recerca biomèdica.
Benson, T; Grahame G, Principles of Health interoperability: SNOMED CT, HL7 and FHIR, 4rd, Springer, 2021 Venkataramanan N, Shriram A, Data Privacy: Principles and Practice, 1st, CRC Press, 2016
Alberts B, Heald R, Johnson A, Morgan D, Raff M, Roberts K, Peter Walter,Molecular Biology of the Cell, 7th, W. W. Norton & Co, 2022