TECH - Universidad Tecnológica
TECH

Diplomado en Big Data en Anatomía Patológica

TECH
En línea

$23,000
Si gustas, puedes llamar al centro en este momento

Información importante

Tipología Diplomados
Metodología En línea
Horas lectivas 200h
Duración 2 Meses
Inicio Fechas a escoger
Campus virtual
Clases virtuales
  • Diplomados
  • En línea
  • 200h
  • Duración:
    2 Meses
  • Inicio:
    Fechas a escoger
  • Campus virtual
  • Clases virtuales
Descripción

Los avances tecnológicos en el área médica han permitido desarrollar la plataforma de Big Data donde se vuelcan los datos clínicos y analíticos relacionados con las enfermedades oncológicas, que permiten al facultativo tener una visión más amplia de la enfermedad.

Información importante Instalaciones (1) y fechas
Dónde se imparte y en qué fechas
Inicio Ubicación
Fechas a escoger
En línea
Inicio Fechas a escoger
Ubicación
En línea

A tener en cuenta

· ¿Cuáles son los objetivos de este curso?

Objetivo general El objetivo principal de esta formación de Big Data en Anatomía Patológica es adentrar al profesional en el uso y manejo de la tecnología médica, Big Data que permiten obtener datos médicos más efectivos para el diagnóstico de la enfermedad oncológica. Objetivos específicos Reconocer las características de las neoplasias malignas, su clasificación de acuerdo a su histogénesis, así como los aspectos relacionados con su comportamiento biológico. Actualizar el conocimiento sobre los datos epidemiológicos del cáncer a nivel mundial. Conocer los métodos de cribado en poblaciones de riesgo para el diagnóstico precoz de la lesión cancerosa. Reconocer los factores (agentes mutagénicos) ambientales y laborales que participan de manera directa e indirecta en el cáncer, y la capacidad carcinogénica de algunas sustancias tóxicas que se encuentran en los alimentos. Relacionar los virus ADN Y ARN con probada capacidad oncogénica en humanos. Exponer los mecanismos a través de los cuales los virus son capaces de subyugar la actividad normal de las proteínas citoplasmáticas del huésped, afectando puntos claves en el control del ciclo, crecimiento y diferenciación celulares, provocando alteración grave en el crecimiento celular y desarrollo del cáncer. Reconocer el papel de la bacteria H. pylori en la patogenia del cáncer gástrico.

· ¿A quién va dirigido?

El curso universitario online en Big Data en Anatomía Patológica está orientado a facilitar la actuación del profesional dedicado a la medicina estética con los últimos avances y tratamientos más novedosos en el sector.

· Requisitos

Solo para médicos especialistas.

· Titulación

Este Diplomado en Big Data en Anatomía Patológica contiene el programa científico más completo y actualizado del mercado. Tras la superación de las evaluaciones por parte del alumno, éste recibirá por correo postal con acuse de recibo la Constancia emitido por TECH - Universidad Tecnológica. Diploma: Diplomado en Big Data en Anatomía Patológica Nº Horas: 200

· ¿Qué diferencia a este curso de los demás?

Nuestra escuela es la primera en el mundo que combina el estudio de casos clínicos con un sistema de aprendizaje 100% online basado en la reiteración, que combina 8 elementos diferentes que suponen una evolución con respecto al simple estudio y análisis de casos. Esta metodología, a la vanguardia pedagógica mundial, se denomina Relearning. Nuestra escuela es la primera en habla hispana licenciada para emplear este exitoso método, habiendo conseguido en 2015 mejorar los niveles de satisfacción global (calidad docente, calidad de los materiales, estructura del curso, objetivos…) de los médicos que finalizan los cursos con respecto a los indicadores de la mejor universidad online en habla hispana.

· ¿Qué pasa después de pedir información?

Recibida su solicitud, un responsable académico del curso le llamará para explicarle todos los detalles del programa, así como el método de inscripción, facilidades de pago y plazos de matrícula.

· ¿Qué necesito para realizar un curso on-line?

En primer lugar, necesitas un ordenador (PC o Macintosh), conexión a internet y una cuenta de correo electrónico. Para poder realizar los cursos integramente ON-LINE dispone de las siguientes opciones: Flash - Instalando Flash Player 10 o posterior (http://www.adobe.com/go/getflash), en alguno de los siguientes navegadores web: - Windows: Internet Explorer 6 y posteriores, Firefox 1.x y posteriores, Google Chrome, Opera 9.5 y posteriores - Mac: Safari 3 y posteriores, Firefox 1.x y posteriores, Google Chrome - Linux: Firefox 1.x y posteriores HTML5 - Instalando alguno de los navegadores web: - Google Chrome 14 o posterior sobre Windows o Mac - Safari 5.1 o posterior sobre Mac - Mobile Safari sobre Apple iOS 5.0 o posterior en iPad/iPhone Apple iOS - Articulate Mobile Player; Apple iOS 5.0 o posterior en iPad

Preguntas & Respuestas

Plantea tus dudas y otros usuarios podrán responderte

¿Qué aprendes en este curso?

Anatomía Patológica
Patología
Big Data
Cáncer
Anatomía
BBDD
Generalidades
FACTORES DE RIESGO
Neoplasias malignas
Epidemiología
Agentes mutagénicos
Agentes Biológicos
Predisposición genética
Genes de susceptibilidad
Análisis de datos

Profesores

Severino Rey Nodar
Severino Rey Nodar
Director del Servicio de Anatomía Patológica

Director del Servicio de Anatomía Patológica de los Hospitales Universitarios Torrevieja y Vinalopó (Ribera Salud). Presidente de FORESC and FEBIP (Foundation for Sciences and Research USA/ Fundación Española para la Formación en Ciencias Biomédicas y Patología Oncológica).  Doctor Honoris Causa 2012 at Bircham International University, USA. Chief Editor of Journal of Cancer and Tumor international Miembro del Editorial Board de 6 revistas internacionales (temas relacionados con oncopatología). Autor de: Patología de la Glándula Tiroides. Ed. Bubok 2012 y Endocrine Pathology.

Programa académico

Módulo 1. Cáncer. Generalidades. Factores de Riesgo

1.1. Introducción.

1.1.1. Generalidades de las neoplasias malignas.

1.1.1.1. Nomenclatura.
1.1.1.2. Características.
1.1.1.3. Vías de diseminación de las metástasis.
1.1.1.4. Factores pronósticos.

1.1.2. Epidemiología del cáncer.

1.1.2.1. Incidencia.
1.1.2.2. Prevalencia.
1.1.2.3. Distribución geográfica.
1.1.2.4. Factores de riesgo.
1.1.2.5. Prevención.
1.1.2.6. Diagnóstico precoz.

1.1.3. Agentes mutagénicos.

1.1.3.1. Ambientales.
1.1.3.2. Laborales.
1.1.3.3. Sustancias tóxicas en los alimentos.

1.1.4. Agentes biológicos y cáncer.

1.1.4.1. Virus ARN.
1.1.4.2. Virus ADN.
1.1.4.3. H. pylori.

1.1.5. La predisposición genética.

1.1.5.1. Genes asociados al cáncer.
1.1.5.2. Genes de susceptibilidad.

1.1.5.2.1. Tumores de mama.
1.1.5.2.2. Tumores de pulmón.
1.1.5.2.3. Tumores de tiroides.
1.1.5.2.4. Tumores de colon.
1.1.5.2.5. Tumores de piel.
1.1.5.2.6. Tumores de hueso.
1.1.5.2.7. Tumores de páncreas.
1.1.5.2.8. Neuroblastoma.

1.1.6. Aspectos clínicos de las neoplasias malignas.
1.1.7. Estadificación de la enfermedad neoplásica.

Módulo 2. B ig data en anatomía patológica

2.1. Introducción Big Data en patología.

2.1.1. Introducción.

2.1.1.1. Patología y BBDD.
2.1.1.2. Minería de datos en patología.
2.1.1.3. Big Data.

2.1.1.3.1. Fundamentos del Big Data.
2.1.1.3.2. Tipos de BBDD.

2.1.1.3.2.1. Relacionales.
2.1.1.3.2.2. No relacionales (SQL y NoSQL).

2.1.1.3.3. Tipos de datos.

2.1.1.3.3.1. Estructurados.
2.1.1.3.3.2. No estructurados.
2.1.1.3.2.3. Semi-estructurados.

2.1.1.3.4. Límites del Big Data.

2.2. Grandes oportunidades y utilidades que nos ofrece el Big Data.

2.2.1. Estandarización de los datos y patología digital.
2.2.2. Medicina personalizada: diagnósticos y terapias personalizadas.
2.2.3. Marcadores predictivos.
2.2.4. Avances en campos de investigación como: genómica, diagnósticos en patología molecular, proteómica y comparación de diagnósticos.

2.3. Algoritmos, modelos y metodologías utilizadas en Big Data.

2.3.1. Arquitecturas para el procesamiento paralelo masivo.
2.3.2. Modelización y árboles de decisión.
2.3.3. Maching Learning y Deep Learning.
2.3.4. Redes Neuronales.

2.4. Tecnologías del Big Data y cloud computing.

2.4.1. Apache Hadoop.
2.4.2. Trabajar con BBDD NoSQL.

2.4.2.1. DynamoDB o Cassandra.

2.4.3. Análisis de datos.

2.4.3.1. BigQuery.
2.4.3.2. Infosphere Sreams.
2.4.3.3. Oracle Big Data Appliance.

2.5. Conclusiones y beneficios del Big Data desde el punto de vista de la patología.