Descripción
Los modelos gráficos probabilistas (MGPs) se han desarrollado en el campo de la inteligencia artificial a partir de los años 1980, pero aún son muy poco conocidos en medicina y en enconomía de la salud. Investigadores del Departamento de Inteligencia Artificial de la UNED han creado nuevos tipos de MGPs y nuevos algoritmos, varios de ellos para análisis de coste-efectividad en medicina. También han construido una herramienta de software libre, OpenMarkov, que se ha utilizado en más de 30 países de 4 continentes, desde universidades del máximo nivel, empresas multinacionales y agencias del gobierno de Estados Unidos hasta estudiantes de países pobres que no pueden pagar licencias de programas comerciales.
Las principales ventajas de los MGPs frente a los modelos tradicionales son:
- Las redes bayesianas permiten construir modelos mucho más realistas que el método bayesiano ingenuo, el cual consiste en multiplicar las razones de verosimilitud de los hallazgos [Díez et al., 1997].
- Con los diagramas de influencia se han construido modelos que equivalen a árboles de decisión con decenas de miles de ramas [Helfand and Pauker, 1997; Arias y Díez, 2015, Luque et al., 2016].
- Las redes de análisis de decisiones pueden evaluar modelos con decisiones no ordenadas; por ejemplo, pueden determinar el orden óptimo de varios tests con criterios de coste-efectividad [Díez et al., 2018, Díez et al., 2021].
- Los diagramas de influencia markovianos permiten implementar modelos de transición de estados [Díez et al., 2017; Pérez-Martín et al., 2017].
- Las DESnets se utilizan para simulación de eventos discretos [Yago et al., 2023].
Construir y evaluar un MGP con OpenMarkov es más fácil, más rápido y menos propenso a errores que construir y depurar un modelo equivalente utilizando una hoja de cálculo, un árbol de decisiones o un lenguaje de programación, como R, MATLAB o C ++.
Destinatarios
Este curso está organizado por DeciSupport AI, una spin-off de la UNED, para enseñar a profesionales de la salud (médicos, farmacéuticos, economistas…) cómo construir y evaluar MGPs con OpenMarkov. Para asistir al curso no es necesario tener conocimientos de análisis de coste-efectividad, pero obtendrán mayor provecho quienes ya conocen el tema y más aún quienes hayan construido modelos con otras herramientas, como Excel, R o TreeAge.
Impartición del curso
El curso tendrá lugar del 27 al 29 de noviembre de 2023 en la Escuela de Informática de la UNED (calle Juan del Rosal 16, Madrid), con este horario y programa.
Se impartirá en español, con transparencias en inglés. Cada participante deberá traer su propio portátil para hacer las prácticas. Si alguien no tiene, puede ponerse en contacto con los organizadores del curso para ver si pueden prestarle uno.
Matrícula
Tras rellenar el formulario de inscripción, recibirá indicaciones para realizar el pago por transferencia bancaria.
Precio
Se aplicará el precio reducido a quienes envíen el formulario antes del 17 de noviembre, inclusive.
Matrícula ordinaria: 600 €
— precio reducido: 520 €.
Empleados públicos: 540 €
— precio reducido: 475 €.
Estudiantes y residentes (si quedan plazas disponibles): 300 €.
Anulación de la matrícula
Hasta el 17 de noviembre, inclusive: se devolverá el 90% de la cantidad abonada, menos comisiones bancarias.
Hasta el 23 de noviembre: se devolverá el 70%.
En caso de no poder asistir, se permite ceder la plaza a otro/a asistente del mismo centro sin coste adicional.
Equipo docente
- Francisco Javier Díez Vegas
- Manuel Arias Calleja
- Jorge Pérez-Martín
- Manuel Luque Gallego
- Carmen Mª Yago Sánchez
Referencias
Un curso similar de menor duración (4 horas), se impartió en ISPOR Europe 2019, con asistentes de 20 países. Recibió comentarios muy positivos, así como sugerencias que han servido para preparar el curso actual.
Otros cursos
Próximo curso: 13-15 diciembre 2023.
En el futuro ofreceremos otros cursos en español y en inglés.