SALUD DIGITAL E INTELIGENCIA ARTIFICIAL EN SALUD. APLICACIONES PRÁCTICAS EN EL EJERCICIO MÉDICO Y KINÉSICO

1. Conceptos fundamentales de salud digital e IA en salud: terminología, ecosistema y actores involucrados.
2. Beneficios y limitaciones de la IA en ejercicio médico y kinésico: eficiencia, seguridad, confiabilidad, sesgos y privacidad.
3. Aplicaciones prácticas en rehabilitación y prescripción de ejercicio: casos y ejemplos reales o simulados.

• Actividad 1: Mapa conceptual de conceptos - Construcción de un mapa que relacione salud digital, IA, datos, ética y clínica para evidenciar relaciones y alcances; se sintetizan definiciones y contextos clave; aprendizaje: identificar y relacionar conceptos fundamentales.
• Actividad 2: Análisis de caso corto - Se analiza un caso hipotético en el que una app de IA propone ejercicios; se identifican conceptos aplicados y posibles limitaciones; aprendizaje: aplicación de conceptos a un escenario práctico.
• Actividad 3: Discusión guiada - Debate estructurado sobre beneficios y riesgos de IA en ejercicio y kinésico; se registran conclusiones y preguntas para investigación adicional; aprendizaje: pensamiento crítico y argumentación fundamentada.
• Actividad 4: Evaluación formativa - Cuestionario corto de conceptos clave y relaciones entre salud digital e IA; aprendizaje: consolidación de definiciones y vínculos entre conceptos.

Evaluación de la unidad basada en: (a) cuestionario de conceptos y relaciones (40%), (b) análisis de caso práctico corto (40%), (c) participación y calidad de las actividades (20%). Criterio de éxito: al menos 80% de aciertos en la evaluación final de la unidad.

2 semanas

1. Marcos normativos y guías para IA en salud: HIPAA, GDPR, ISO/IEC 27701, NIST Privacy Framework y principios éticos.
2. Privacidad, consentimiento, minimización de datos, seguridad, gobernanza de datos y trazabilidad de decisiones en IA sanitaria.
3. Aplicación práctica: escenario clínico con IA y cumplimiento de marcos normativos.

• Actividad 1: Análisis de marcos normativos - Identificar qué marco aplica en un escenario dado, comparar enfoques y justificar selección; aprendizaje: relación entre normativa y diseño de soluciones IA.
• Actividad 2: Diseño de políticas de privacidad - Elaborar políticas de manejo de datos para un proyecto de IA en rehabilitación; aprendizaje: traducir marcos en políticas prácticas.
• Actividad 3: Debate ético - Debatir dilemas de privacidad, consentimiento y equidad en IA sanitaria, con roles de pacientes y profesionales; aprendizaje: habilidades de razonamiento ético y comunicación.
• Actividad 4: Evaluación de marco - Cuestionario orientado a identificar principios clave y escenarios de aplicación; aprendizaje: internalización de marcos y controles.

Evaluación centrada en: (a) análisis escrito de un escenario práctico con aplicación de marcos normativos (40%), (b) diseño de políticas de privacidad y seguridad (40%), (c) examen corto de principios éticos y gobernanza (20%). Criterio de éxito: 80% de aciertos en la evaluación de la unidad.

2 semanas

1. Requisitos de datos para IA en salud: fuentes, calidad, estructura y gobernanza de datos.
2. Séos y riesgos: sesgos de datos, sesgos algorítmicos, riesgos clínicos y operativos.
3. Mitigación, validación y monitorización: diseño de pruebas, validación clínica y gobernanza en producción.

• Actividad 1: Análisis de pipeline de datos - Revisar un flujo de datos para una solución de IA hipotética y evaluar calidad, provenance y gobernanza; aprendizaje: identificar cuellos de botella y puntos críticos de calidad de datos.
• Actividad 2: Análisis de sesgos - Identificar posibles sesgos en un conjunto de datos simulado y proponer pruebas de equidad; aprendizaje: reconocer sesgos y métodos de mitigación.
• Actividad 3: Plan de mitigación - Elaborar un plan de mitigación de riesgos y un protocolo de validación clínica; aprendizaje: traducir hallazgos de riesgo en acciones concretas.
• Actividad 4: Revisión por comité - Simulación de revisión por comité ético y técnico; aprendizaje: comprender procesos de aprobación y gobernanza.

Evaluación combinada: (a) informe de viabilidad clínica y técnica (40%), (b) presentación/resumen del plan de mitigación (30%), (c) cuestionario corto sobre sesgos y gobernanza (30%). Criterio de éxito: 80% de aciertos en la evaluación de la unidad.

2 semanas

1. Análisis descriptivo de indicadores de rehabilitación: selección de métricas y interpretación básica.
2. Visualización de datos para comunicación clínica: herramientas y buenas prácticas.
3. Redacción y comunicación de resultados: estructura de informes para pacientes y profesionales.

• Actividad 1: Análisis de conjunto de datos de rehabilitación - Cálculo de métricas (media, tendencia, variabilidad) y extracción de patrones relevantes; aprendizaje: interpretar indicadores clave para la toma de decisiones.
• Actividad 2: Visualización de resultados - Diseño de gráficos simples (líneas, barras) y un dashboard orientado a pacientes y clínicos; aprendizaje: comunicar información de forma clara.
• Actividad 3: Informe de hallazgos - Redacción de un informe corto que sintetice resultados, recomendaciones y próximos pasos; aprendizaje: traducir datos en recomendaciones prácticas.
• Actividad 4: Presentación - Presentación oral del informe ante un comité ficticio; aprendizaje: comunicación efectiva y justificación de decisiones.

Evaluación basada en: (a) informe de análisis y visualización (40%), (b) calidad de las visualizaciones (20%), (c) presentación y defensa del informe (40%). Criterio de éxito: 80% de aciertos en la evaluación de la unidad.

2 semanas

1. Wearables y sensores en rehabilitación: tipos de datos, calidad y consideraciones prácticas.
2. Arquitectura de flujo de datos y gobernanza: ingestion, procesamiento, almacenamiento y privacidad.
3. Roles de IA y supervisión profesional: criterios de intervención, seguridad y supervisión clínica.

• Actividad 1: Diseño de flujo de datos - Crear un diagrama de flujo que conecte wearables, IA y profesionales, con puntos de control de supervisión y seguridad; aprendizaje: entender la arquitectura de un sistema de IA en entrenamiento físico.
• Actividad 2: Caso de uso de entrenamiento - Proponer un plan de entrenamiento supervisado que utilice datos de sensores para ajuste de carga y progresión; aprendizaje: aplicar datos a decisiones de entrenamiento.
• Actividad 3: Evaluación de seguridad y privacidad - Identificar riesgos y proponer controles de seguridad y protección de datos; aprendizaje: incorporar salvaguardas en el diseño.
• Actividad 4: Revisión de roles - Definir claramente las responsabilidades de IA y de supervisión profesional en cada etapa; aprendizaje: claridad en gobernanza.

Evaluación basada en: (a) diagrama de flujo y protocolo de implementación (40%), (b) plan de entrenamiento supervisado con justificación técnica (30%), (c) checklist de seguridad y gobernanza (30%). Criterio de éxito: 80% de aciertos en la evaluación de la unidad.

2 semanas

1. Caso práctico simulado de evaluación funcional y prescripción de ejercicio kinésico.
2. Modelos de IA simples para apoyo a decisiones clínicas (entrada, procesamiento y salida).
3. Intervención kinésica, criterios de éxito y límites de la IA en decisiones clínicas.

• Actividad 1: Simulación de evaluación - Presentar un conjunto de datos funcionales simulados y permitir que el modelo de IA sugiera un plan de evaluación y prescripción; aprendizaje: interpretar salidas de IA y contextualizarlas clínicamente.
• Actividad 2: Diseño de intervención - Describir la intervención kinésica propuesta y justificar con base en datos de evaluación y en criterios de éxito; aprendizaje: traducir recomendaciones de IA en una intervención práctica.
• Actividad 3: Análisis de resultados - Comparar resultados esperados frente a resultados simulados y discutir variabilidad y confianza; aprendizaje: interpretar resultados y límites.
• Actividad 4: Presentación integradora - Presentación de informe y defensa ante un comité ficticio; aprendizaje: comunicación y defensa de una solución IA en un caso clínico.

Evaluación basada en: (a) informe de caso práctico con intervención y resultados (40%), (b) análisis crítico de límites y seguridad (30%), (c) presentación y defensa (30%). Criterio de éxito: 80% de aciertos en la evaluación de la unidad.

2 semanas

1. Limitaciones y riesgos de IA en atención clínica y kinésica.
2. Gobernanza, responsabilidad y supervisión de la IA en salud.
3. Guías éticas y evaluación del impacto social y clínico de las soluciones de IA.

• Actividad 1: Debate estructurado - Discusión de escenarios con dilemas éticos y posibles fallos de IA; aprendizaje: razonamiento ético y defensa de posiciones.
• Actividad 2: Elaboración de marco de gobernanza - Crear un borrador de políticas de responsabilidad, supervisión y gobernanza para un proyecto de IA en salud; aprendizaje: traducir principios éticos a políticas operativas.
• Actividad 3: Auditoría de IA - Simulación de una auditoría de un sistema de IA para verificar cumplimiento y seguridad; aprendizaje: identificar déficits y proponer mejoras.
• Actividad 4: Evaluación de impacto - Evaluar impactos potenciales en pacientes y profesionales y proponer medidas de mitigación de riesgos; aprendizaje: pensamiento crítico y accionable.

Evaluación combinada: (a) ensayo crítico sobre limitaciones y ética (40%), (b) propuesta de marco de gobernanza (30%), (c) informe de auditoría y plan de mejora (30%). Criterio de éxito: 80% de aciertos en la evaluación de la unidad.

2 semanas

1. Diseño de prototipo de IA en salud digital: arquitectura, entradas y salidas, y flujos de interacción.
2. Datos necesarios y calidad: fuentes, etiquetado, rafos y gobernanza de datos.
3. Métricas de éxito y consideraciones éticas y de gobernanza para la implementación.

• Actividad 1: Propuesta de prototipo - Elaborar una visión de alto nivel de un prototipo de IA para salud en ejercicio médico/kinésico, con casos de uso, usuarios y flujo de datos; aprendizaje: diseño orientado a valor clínico.
• Actividad 2: Especificación de datos y métricas - Definir qué datos se requieren, cómo se obtienen, criterios de calidad y métricas de éxito (rendimiento, seguridad, adherencia); aprendizaje: plan de datos y métricas de evaluación.
• Actividad 3: Informe de consideraciones éticas - Incluir principios éticos, privacidad, seguridad y gobernanza en un informe; aprendizaje: integrar ética y gobernanza en el prototipo.
• Actividad 4: Presentación final - Presentar el prototipo conceptual ante un comité y recibir retroalimentación; aprendizaje: comunicación clara y justificación técnica y ética.

Evaluación basada en: (a) documento de prototipo conceptual completo (40%), (b) informe de datos, métricas y gobernanza (30%), (c) presentación y defensa ante comité (30%). Criterio de éxito: 80% de aciertos en la evaluación de la unidad.

2 semanas