Importancia de la IA y las TIC en el diagnóstico clínico para la práctica docente

Sánchez Mora, Ruth Mélida; Castillo León, Luisa Fernanda; Lozano Jiménez, Yenny Yolanda

Publicación:
Importancia de la IA y las TIC en el diagnóstico clínico para la práctica docente

dc.contributor.author	Sánchez Mora, Ruth Mélida
dc.contributor.author	Castillo León, Luisa Fernanda
dc.contributor.author	Lozano Jiménez, Yenny Yolanda
dc.date.accessioned	2026-06-01T23:35:12Z
dc.date.issued	2025
dc.description.abstract	El avance de la Inteligencia Artificial (IA) y las Tecnologías de la Información y Comunicación (TIC) ha revolucionado diversos sectores, incluyendo la salud y la educación. En el ámbito del diagnóstico clínico, la integración de herramientas basadas en IA y TIC ha mejorado la precisión y eficiencia de los diagnósticos médicos de manera significativa. En educación, las TIC han beneficiado a la práctica docente al permitir la personalización del aprendizaje, acceso a recursos educativos en línea, y la implementación de metodologías innovadoras basadas en datos. La combinación de IA y TIC en el diagnóstico clínico no solo facilita el trabajo de los profesionales de la salud, sino que también brinda oportunidades para integrar casos clínicos reales y datos médicos en la formación de futuros profesionales de la salud. Durante la conferencia, se presentarán estudios que ilustran cómo la IA y las TIC están transformando el diagnóstico clínico desde la práctica. Además, se explorarán las perspectivas futuras y los avances tecnológicos en este campo, resaltando su potencial impacto en el sistema de salud y la educación de los profesionales de la salud, abriendo así nuevas posibilidades para una enseñanza más efectiva y una atención médica más precisa y personalizada.	spa
dc.description.tableofcontents	Presentación 6 Pedagogía intercultural: aportes a los procesos de inclusión en la universidad 10 Innovación educativa y currículo: el camino hacia la transformación pedagógica en educación superior 24 La mentoría en educación superior: fundamentos, alcances y retos para su institucionalización 35 Importancia de la IA y las TIC en el diagnóstico clínico para la práctica docente 48 Aplicaciones de las TIC en el diagnóstico clínico 52 Condiciones e impactos de la educación superior regional en la Sabana Occidente de Bogotá: la Universidad Colegio Mayor de Cundinamarca y el territorio 58 Desarrollo y validación de un instrumento para valorar el desempeño docente en el ámbito universitario 81 Co-formación en docencia universitaria 98 Análisis exploratorio de las transformaciones territoriales a partir de la presencia de la educación superior 108 Tecnociencias en el aula: estrategias digitales para enseñar ómicas en la educación superior 117 Flexibilidad curricular e innovación: hacia un modelo curricular de trayectorias para los programas académicos de pregrado en la Universidad Colegio Mayor de Cundinamarca 128 Innovación educativa: reflexiones sobre pedagogía y didáctica en la educación superior 139 Educación para médicos: factor VIII y fibrinógeno, marcadores de riesgo en trombosis en pacientes con anticoagulante lúpico positivo 149 Cátedra virtual de paz UCMC: del discurso a la experiencia 160	spa
dc.format.extent	17p.
dc.format.mimetype	application/pdf
dc.identifier.eissn	2711-273X
dc.identifier.issn	2711-273X
dc.identifier.uri	https://repositorio.universidadmayor.edu.co/handle/unicolmayor/7765
dc.language.iso	spa
dc.publisher	Universidad Colegio Mayor de Cundinamarca
dc.publisher.place	Bogotá, D.C
dc.relation.citationendpage	57
dc.relation.citationstartpage	48
dc.relation.ispartofjournal	Memorias VII encuentro de pedagogía
dc.relation.references	Calleja-Reina, M., Rodríguez-Santos, J. M., & Luque-Liñán, M. L. (2019). LATS (Language Assessment System Training) una herramienta TIC para la enseñanza activa de la competencia en diagnóstico clínico en el ámbito de los problemas del lenguaje.
dc.relation.references	Dilsizian, S. E., & Siegel, E. L. (2014). Artificial intelligence in medicine and cardiac imaging: harnessing big data and advanced computing to provide personalized medical diagnosis and treatment. Current Cardiology Reports, 16(1), 441. https://doi.org/10.1007/s11886-013-0441-8
dc.relation.references	Esteva, A., Kuprel, B., Novoa, R. A., Ko, J., Swetter, S. M., Blau, H. M., & Thrun, S. (2017). Dermatologist-level classification of skin cancer with deep neural networks. nature, 542(7639), 115-118.
dc.relation.references	Esteva, A., Robicquet, A., Ramsundar, B., Kuleshov, V., DePristo, M., Chou, K., ... & Dean, J. (2019). A guide to deep learning in healthcare. Nature Medicine, 25(1), 24-29. https://doi.org/10.1038/s41591-018-0316-
dc.relation.references	Hinton, G. E., Krizhevsky, A., & Wang, S. D. (2011). Transforming auto-encoders. In Artificial Neural Networks and Machine Learning–ICANN 2011: 21st International Conference on Artificial Neural Networks, Espoo, Finland, June 14-17, 2011, Proceedings, Part I 21 (pp. 44-51). Springer Berlin Heidelberg.
dc.relation.references	Jiang, F., Jiang, Y., Zhi, H., Dong, Y., Li, H., Ma, S., ... & Wang, Y. (2017). Artificial intelligence in healthcare: past, present and future. Stroke and Vascular Neurology, 2(4), 230-243. https://doi.org/10.1136/svn2017-000101
dc.relation.references	Papachristou, I., & Bosanquet, N. (2020). Improving the prevention and diagnosis of melanoma on a national scale: A comparative study of performance in the United Kingdom and Australia. Journal of Public Health Policy, 41(1), 28-38.
dc.relation.references	Patel, B. N., Rosenberg, L., Willcox, G., Baltaxe, D., Lyons, M., Irvin, J., ... & Lungren, M. P. (2019). Human-machine partnership with artificial intelligence for chest radiograph diagnosis. NPJ Digital Medicine, 2(1), 1-10. https://doi.org/10.1038/s41746-019-0174-9
dc.relation.references	Razzak, M. I., Naz, S., & Zaib, A. (2018). Deep learning for medical image processing: Overview, challenges and the future. Classification in BioApps: Automation of decision making, 323-350
dc.relation.references	Topol, E. J. (2019). High-performance medicine: the convergence of human and artificial intelligence. Nature medicine, 25(1), 44-56.
dc.relation.references	Wang, F., & Preininger, A. (2019). AI in health: state of the art, challenges, and future directions. Yearbook of Medical Informatics, 28(1), 16-26. https://doi.org/10.1055/s-0039-1677908
dc.rights	Al consultar y hacer uso de este recurso, está aceptando las condiciones de uso establecidas por los autores.	spa
dc.rights.license	Atribución-NoComercial-CompartirIgual 4.0 Internacional (CC BY-NC-SA 4.0)
dc.rights.uri	https://creativecommons.org/licenses/by-nc-sa/4.0/
dc.subject.proposal	Inteligencia artificial	spa
dc.subject.proposal	Tecnologías de la Información y Comunicación	spa
dc.subject.proposal	Docencia	spa
dc.subject.proposal	Diagnóstico clínico	spa
dc.title	Importancia de la IA y las TIC en el diagnóstico clínico para la práctica docente	spa
dc.type	Artículo de revista
dc.type.coar	http://purl.org/coar/resource_type/c_0640
dc.type.coarversion	http://purl.org/coar/version/c_970fb48d4fbd8a85
dc.type.content	Text
dc.type.driver	info:eu-repo/semantics/article
dc.type.redcol	http://purl.org/redcol/resource_type/ARTOTR
dc.type.version	info:eu-repo/semantics/publishedVersion
dspace.entity.type	Publication