Diploma avanzado en IA aplicada a la Oncología
¿Por qué especializarte en Inteligencia Artificial?
La industria necesitará durante los próximos tres años más de 90.000 profesionales expertos en datos e inteligencia artificial.
La IA es una herramienta necesaria en el ámbito oncológico para el diagnóstico molecular, análisis de imágenes y detección temprana, predicción del riesgo estratificando pacientes, planificación de tratamientos personalizados, desarrollo de fármacos frente a dianas específicas, seguimiento y monitoreo de pacientes y para el soporte clínico y administrativo.
- Formato: online.
- Duración: 20 semanas.
- Inicio: 24/03/2025.
- Precio: 1840 € (descuentos para antiguos alumnos del CEB).
¿Necesitas ayuda?
Contacta sin compromiso.
Paso a paso
¿Por qué ¿studiar IA aplicada a Oncología?
Estudiar un diploma avanzado en torno a la Inteligencia Artificial (IA) y ver su aplicación en oncología te permitirá:
La inteligencia artificial está transformando la oncología al mejorar la precisión en la detección temprana de tumores, tanto mediante el análisis avanzado de imágenes médicas: como mamografías, ecografías, tomografías y resonancias magnéticas; como mediante la identificación e interpretación precisa de biomarcadores. Gracias a la IA, es posible identificar patrones sutiles que podrían pasar desapercibidos para el ojo humano, aumentando significativamente las tasas de detección precoz.
Misión
Qué aprenderás
- Explorar el impacto de la IA en la detección y diagnóstico oncológico, comprendiendo cómo las técnicas avanzadas de análisis de imágenes y datos clínicos pueden mejorar la precisión y la detección temprana del cáncer.
- Comprender la personalización de tratamientos mediante IA, analizando cómo los modelos predictivos pueden optimizar las decisiones terapéuticas y mejorar la calidad de vida del paciente.
- Aprender a aplicar técnicas de análisis de datos clínicos y moleculares, utilizando herramientas de IA para identificar patrones, biomarcadores y tendencias que faciliten la toma de decisiones médicas basadas en datos.
- Implementar soluciones de IA en entornos clínicos y de investigación oncológica, optimizando la gestión de datos, automatización de procesos y análisis de ensayos clínicos para mejorar su eficiencia.
- Desarrollar habilidades en preprocesamiento y modelado de datos biomédicos, aplicando algoritmos de machine learning y deep learning para abordar retos específicos en oncología, como la predicción de recaídas o la subclasificación molecular de tumores.
- Módulo 1: Fundamentos de Inteligencia Artificial
- Módulo 2: Campos de la Inteligencia Artificial
- Módulo 3: IA en diagnóstico, pronóstico y análisis de datos en Oncología – Casos de uso
- Módulo 4: IA en medicina personalizada e investigación en Oncología – Casos de uso
- Módulo 5: Implementación de Modelos de IA en Oncología
Nuestros Expertos

EDUARDO CASTAÑÓN
Especialista en Oncología Médica, Clínica Universidad de Navarra.
El especialista en Oncología Médica se licenció en Medicina por la Universidad de Navarra en 2009 y completó su residencia en Oncología Médica en la Clínica Universidad de Navarra (2010-2015), obteniendo en 2013 el certificado ESMO MORA. En 2015, obtuvo el Doctorado en Medicina por la misma universidad, enfocando su investigación en oncología traslacional.
Entre 2015 y 2017, fue Clinical Fellow en el Departamento de Innovación Terapéutica y Ensayos Precoces (DITEP) en el Instituto Gustave Roussy, bajo la dirección del Profesor JC Soria, adquiriendo experiencia en tratamientos innovadores y ensayos clínicos. Además, ha complementado su formación con un Máster en Bioestadística (UAB, 2016-2020), un Máster en Oncología Molecular (URJC, 2018-2019) y un Máster en Big Data Science (UNAV, 2021-2022), especializándose en el análisis de datos aplicados a la oncología y la medicina personalizada.

FERNANDO MARTÍN SÁNCHEZ
Subgerente de Informática Médica, Estrategia Digital e Innovación en el Hospital Universitario La Paz de Madrid
El Dr. Fernando Martín-Sánchez es Subgerente de Informática Médica, Estrategia Digital e Innovación en el Hospital Universitario La Paz de Madrid desde junio de 2023. Ha desarrollado gran parte de su trayectoria en el Instituto de Salud Carlos III, donde ocupó cargos clave en informática médica, bioinformática y salud digital.
Ha sido Catedrático de Informática de la Salud en Weill Cornell Medicine (Cornell University, EE.UU.) y en la Universidad de Melbourne (Australia). Es Doctor en Informática y Medicina, con formación en bioquímica, biología molecular e ingeniería del conocimiento. Fue el primer Subdirector General de Inteligencia Artificial en la SEDIA (2020) y es miembro de prestigiosas instituciones internacionales como ACMI y ACHI. Con más de 200 publicaciones científicas y 40 proyectos de investigación dirigidos, su trabajo ha sido clave en la intersección entre inteligencia artificial, informática médica e innovación en salud.

JESÚS GARCÍA FONCILLAS
Director del Instituto Oncológico «OncoHealth»
Reconocido oncólogo, director del Instituto Oncológico OncoHealth y del Departamento de Oncología de la Fundación Jiménez Díaz. Licenciado en Medicina por la Universidad de Zaragoza, se especializó en Oncología Médica y obtuvo su doctorado en la Universidad de Navarra, completando su formación en el MD Anderson Cancer Center de Houston. Ha dirigido áreas clave en la Clínica Universidad de Navarra y ha sido profesor del Máster de Biotecnología del CSIC. Su investigación se centra en la aplicación clínica de biomarcadores pronósticos y predictivos en oncología.
Ha ocupado cargos relevantes en organismos como ASEICA, SEFF y SEOM, y preside la Sociedad Mediterránea de Oncología desde 2012. Ha recibido premios como el de «La Razón» al mejor investigador en 2014 y es miembro de la Real Academia de Medicina de Zaragoza. Con más de 176 publicaciones científicas, su contribución a la oncología traslacional es ampliamente reconocida.

CRISTINA HERNANDO MELIÁ
Oncóloga médica
Trabaja en la unidad de cáncer de mama del Instituto Valenciano de Oncología Médica. Previamente, ha trabajado en el Hospital Clínico de Valencia, en el Grupo de Biología del Cáncer de Mama, integrando la práctica clínica con la investigación traslacional en ensayos clínicos de fases I a III enfocados en terapias dirigidas como subinvestigadora e investigadora principal. Además, ha trabajado como investigadora principal en los proyectos europeos REBECCA y MELIORA, que incorporan herramientas digitales e inteligencia artificial para mejorar la calidad de vida de los pacientes.

MANUEL RODRÍGUEZ JUSTO
Especialista en patología gastrointestinal y hematopatología en UCLH y profesor de patología en UCL-Cancer Institute.
Ha liderado el Proyecto 100K Genomes Project (NHS). Su línea de investigación se centra en los estudios de heterogeneidad tumoral y la cuantificación de dianas genómicas y proteómicas mediante análisis digital de imágenes. Colabora con la industria en el desarrollo de aplicaciones de IA orientadas a la Patología digital.

NURIA MALATS
Jefa del Grupo de Epidemiología Genética y Molecular, Centro Nacional de Investigaciones Oncológicas.
Doctora por la Universidad Autónoma de Barcelona. Durante su doctorado, realizó trabajos experimentales y epidemiológicos sobre la asociación de las mutaciones de K-ras tanto con la exposición ambiental como con los resultados clínicos del cáncer de páncreas.
Desde 1997, es co-PI del Estudio Español de Cáncer de Vejiga /EPICURO, un gran estudio de casos y controles sobre cáncer de vejiga que integra intereses científicos de diferentes disciplinas tanto en el desarrollo como en la progresión del cáncer.
Ha trabajado como científica en el Centro de Investigación en Epidemiología Ambiental (CREAL-IMIM), liderando y participando en proyectos nacionales e internacionales.
Ha coordinado y participado en actividades docentes en cursos de grado y postgrado en varias universidades españolas. Tiene más de 100 publicaciones y es revisora externa de agencias de financiación nacionales e internacionales y de revistas científicas de primer nivel. También es miembro del Consejo Científico de la Sociedad Europea de Investigación Urológica (ESUR), y de la European Association of Urology Foundation Research.

ÓSCAR PELLICER
Profesor e investigador de la Universidad de Valencia (UV)
Profesor e investigador de la Universidad de Valencia (UV)
Ingeniero industrial e informático, durante su doctorado trabajó en el ámbito del diagnóstico del cáncer de próstata mediante análisis de imagen médica con Deep Learning e Inteligencia Artificial (IA), recibiendo por su trabajo el premio extraordinario de la UV, y el premio a mejor tesis en IA de la Comunidad Valenciana. A lo largo de su carrera investigadora ha publicado más de 70 artículos en revistas científicas, aplicando estadística e IA a todo tipo de problemas médicos.
¿Te interesa este programa?
Escríbenos a info@ceb.edu.es y nos pondremos en contacto contigo.