Estructura académica completa

Este bloque constituye la base técnica del programa y tiene como objetivo nivelar los conocimientos en inteligencia artificial del alumnado, independientemente de su formación previa, y proporcionar los fundamentos necesarios para el resto del máster. Se centra en el uso práctico de herramientas de IA aplicadas a datos biomédicos, poniendo especial énfasis en el rigor metodológico, la correcta gestión de datos y la comprensión de las limitaciones de los modelos.

A lo largo de este bloque, el estudiante adquiere una visión sólida y aplicada del Machine Learning clásico en Life Sciences, que le permitirá abordar con criterio los bloques avanzados posteriores y trabajar con datasets biomédicos reales de forma autónoma y reproducible.

Este bloque profundiza en la aplicación de técnicas avanzadas de Deep Learning a datos biomédicos complejos, dando continuidad a los fundamentos adquiridos en el bloque anterior. Su objetivo es que el estudiante comprenda cómo los modelos profundos permiten extraer información relevante de datos de alta dimensionalidad y elevada complejidad.

Se abordan aplicaciones clave como la imagen médica y los datos ómicos, poniendo el foco tanto en la construcción de modelos como en la interpretación crítica de resultados, sesgos y riesgos.

Este bloque introduce al estudiante en el uso de modelos generativos y multimodales como herramientas clave en la investigación biomédica actual. Se analiza cómo los modelos fundacionales y LLMs permiten integrar información textual, visual y estructurada.

El enfoque es práctico y crítico, orientado a diseñar pipelines de GenAI aplicables a contextos científicos reales.

Este bloque aborda la aplicación de la IA al descubrimiento y desarrollo temprano de fármacos, integrando biología, química medicinal y modelos computacionales. Se adopta una visión realista e industrial del uso de IA en I+D farmacéutico.

Este bloque proporciona al estudiante una visión integral de cómo las soluciones basadas en inteligencia artificial aplicada a la biomedicina se desarrollan, regulan y escalan en contextos reales de mercado, incorporando una perspectiva estratégica e internacional.

El bloque pone un énfasis específico en China y Hong Kong como ecosistemas clave de innovación en Life Sciences, analizando sus particularidades frente a Europa y Estados Unidos, y preparando al alumnado para interactuar de forma informada y crítica durante el Study Trip.

Las Prácticas Externas constituyen un elemento clave del Máster en AI & Biomedical Innovation, concebidas como una experiencia formativa plenamente integrada en el plan de estudios y orientada a la aplicación práctica de los conocimientos adquiridos en entornos profesionales reales vinculados a la inteligencia artificial aplicada a la biomedicina.

Su objetivo principal es conectar los aprendizajes técnicos, científicos y estratégicos del máster con su implementación efectiva en contextos de investigación, innovación, empresa o transferencia tecnológica.

Este bloque constituye la fase final y de integración del máster, orientada al desarrollo, maduración y defensa de un proyecto aplicado que sintetiza todos los conocimientos adquiridos a lo largo del programa. El objetivo es que el estudiante sea capaz de articular una propuesta sólida, técnicamente rigurosa y estratégicamente alineada con la realidad del sector Life Sciences.

El proyecto final se concibe como un trabajo con orientación profesional, directamente vinculado a los aprendizajes técnicos, al contexto internacional del programa y, de manera específica, a las experiencias y validaciones obtenidas durante el Study Trip.