Sepriori · Clases abiertas
Cuatro sesiones, un mismo ciclo. Antes de cada clase leemos y preparamos; en clase explicamos con un material interactivo y construimos algo pequeño con ayuda de inteligencia artificial generativa; al terminar entregamos lo construido. El objetivo es que cada estudiante llegue al final sabiendo qué modelo le sirve a su proyecto de tesis y qué pasos hay que dar antes de entrenarlo.
◉ Las cuatro sesiones
Cada sesión se abre en el navegador, se recorre con las flechas del teclado o deslizando en el teléfono, y no necesita registro. Las que aparecen con borde punteado todavía no están publicadas.
Ninguna lectura previa. Es la sesión de apertura y la dedicamos a situar la asignatura y conocernos.
La clase IA en Salud y un viejo conocido como hilo, con el marco regulatorio colombiano para software como dispositivo médico, la prevalencia como primer modelo y la actualización bayesiana con el caso del nódulo mamario.
Nada todavía. La pregunta que queda sembrada para el resto del semestre es quién fijó la regla que produce cada predicción, una persona o los datos.
Los cuatro videos del minicurso Python para médicos y profesionales de la salud y el cuaderno Programación en salud.
Lectura: Van Calster y colaboradores, Predictive analytics in health care: how can we know it works? (JAMIA, 2019, cuatro páginas, acceso libre).
Sensibilidad, especificidad, valores predictivos y razones de verosimilitud sobre mil pacientes dibujados; la prevalencia como perilla; qué cambia y qué se queda quieto al moverla. De ahí a la distinción entre regla escrita por humanos, parámetros estimados a partir de datos, texto generado y agente con herramientas.
Una calculadora de la tabla de dos por dos que funcione en el navegador, construida con inteligencia artificial generativa, con la prevalencia como control deslizante y aplicada a una prueba del proyecto de cada estudiante. Se envía el archivo, las instrucciones dadas al modelo y una ficha de cuatro preguntas.
Lectura: Steyerberg y Vergouwe, Towards better clinical prediction models: seven steps for development and an ABCD for validation (European Heart Journal, 2014, acceso libre). Importan sobre todo el paso uno y la sección de validación.
Recorrer Preparar los datos antes del modelo, al menos hasta la parte de faltantes.
Con los 40.336 pacientes de PhysioNet como ejemplo vivo: población, momento de la predicción, ventana, desenlace, tabla 1, distribuciones, faltantes que informan y atípicos que son pacientes. La ficha de problema en seis campos como producto de la hora de teoría.
La ficha de problema del proyecto de cada estudiante y, sobre sus propios datos o sobre PhysioNet si todavía no los tiene, una tabla 1 con los gráficos de distribuciones y de faltantes generados en Colab con ayuda de inteligencia artificial generativa. Se envía el cuaderno y la ficha.
Lectura: Christodoulou y colaboradores, A systematic review shows no performance benefit of machine learning over logistic regression for clinical prediction models (Journal of Clinical Epidemiology, 2019). Basta con el resumen, la tabla de resultados y la discusión.
El cuaderno Matemáticas para salud, hasta la curva ROC.
Hora y media de teoría: impureza de Gini y la primera división del árbol, pesos y umbral del perceptrón en una hoja de cálculo auditable, por qué una sola recta no alcanza, y cómo leer el área bajo la curva junto con la curva de calibración.
Un modelo entrenado en Colab sobre los datos de la sesión 3, con ayuda de inteligencia artificial generativa, acompañado de un reporte mínimo al estilo TRIPOD+AI: pregunta, población, desenlace, predictores, método, discriminación, calibración y limitaciones. Se envía el cuaderno y el reporte.
◧ Material de apoyo
Abierto, sin registro, para recorrer a su ritmo. Cada pieza alimenta una sesión distinta.
Material educativo de acceso libre. Ninguna de estas herramientas es un dispositivo diagnóstico ni sustituye el juicio clínico. Los contenidos oficiales de la asignatura, las grabaciones y las entregas siguen en Virtual Sabana; esta página reúne el material abierto que usamos en clase. Para recorrer los fundamentos paso a paso está el Curso 1 de la Ruta IA en Salud.