12 meses
15-11-2025
Online
60
1500
3 meses
$ 17.103.486
La Maestría en Oncología Médica, Genómica y Big Data de ISEIE Costa Rica es un programa académico de vanguardia que integra las últimas tecnologías en el tratamiento del cáncer, con un enfoque en el análisis genómico y el uso de Big Data para la personalización de los tratamientos.
En nuestra maestría los estudiantes adquieren una comprensión profunda de los procesos moleculares y genéticos que subyacen al cáncer, al mismo tiempo que desarrollan habilidades avanzadas para aplicar herramientas de análisis de datos masivos (Big Data) en la práctica clínica oncológica.
La Institución Superior Estudios Innovadores Europeos estar enfocado en la mejora profesional de su participante, ofreciéndole el mejor conocimiento posible en Oncología Médica, Genómica y Big Data. Gracias a una distinción única y con demanda en el campo de esta especialidad, el egresado acabará teniendo amplias posibilidades de mejorar su actual puesto de trabajo, al igual que su propio prestigio Médico.
Nuestro máster ofrece la posibilidad de profundizar y actualizar los conocimientos en esta materia, con el uso de una tecnología educativa vanguardista. Ofreciendo una visión global y al mismo tiempo poniendo el foco en los aspectos más importantes e innovadores de la medicina.
El máster en oncología médica, genómica y big data es un programa de formación avanzado que tiene como objetivo preparar a los estudiantes para trabajar en el campo de la oncología, con un enfoque especial en la aplicación de la genómica y el análisis de big data en el diagnóstico y tratamiento del cáncer.
ISEIE tiene como objetivo promover la educación de calidad, la investigación de alto nivel y los estudios de excelencia en todo el mundo.
La titulación que reciben nuestros estudiantes son reconocidas en las empresas más prestigiosas.
ISEIE cuenta con una trayectoria formativa basada en años de experiencia y preparación de profesionales cualificados.
Alto porcentaje de aquellos que han estudiado un MBA han incrementado su salario
Según estudios, los perfiles más buscados son los que cuentan con formación académica superior.
Nuestro sistema educativo le permite compatibilizar de un modo práctico y sencillo los estudios con su vida personal y profesional.
Nuestro plan interno de calidad del instituto persigue diversos objetivos, como el aumento de la satisfacción de los estudiantes, el cumplimiento de los objetivos de calidad establecidos, el desarrollo de una cultura de calidad, el reforzamiento de la relación entre el personal y la universidad, y el mejoramiento continuo de los procesos.
De esta forma, el profesional que acceda al programa encontrarás el contenido más vanguardista y exhaustivo relacionado con el uso de materiales innovadores y altamente eficaces, conforme a las necesidades y problemáticas actuales, buscando la integración de conocimientos académicos y de formación profesional, en un ambiente competitivo globalizado.
Todo ello a través de de material de estudio presentado en un cómodo y accesible formato 100% online.
El empleo de la metodología Relearning en el desarrollo de este programa te permitirá fortalecer y enriquecer tus conocimientos y hacer que perduren en el tiempo a base de una reiteración de contenidos.
Utilidad del perfil de expresión génica en cáncer
Subtipos moleculares del cáncer de mama
Plataformas genómicas de carácter pronóstico-predictivo en el cáncer de mama
Dianas terapéuticas en cáncer de pulmón célula no pequeña
Introducción
Técnicas de detección molecular
Mutación EGFR
Translocación ALK
Translocación ROS
Mutación BRAF
Reordenamientos NRTK
Mutación HER2
Mutación/amplificación de MET
Reordenamientos de RET
Otras dianas moleculares
Clasificación molecular del cáncer de colon
Estudios moleculares en el cáncer gástrico
Tratamiento del cáncer gástrico avanzado
Sobreexpresión de HER2 en cáncer gástrico avanzado
Determinación e interpretación de sobreexpresión de HER2
Fármacos con actividad frente a HER2
Trastuzumab en primera línea
Otros fármacos anti-HER2
El GIST como modelo de investigación traslacional
Introducción
Mutaciones de KIT y PDGFRA
Genotipo en GIST: valor pronóstico y predictivo
Genotipo en GIST y resistencias al imatinib
Conclusiones
Biomarcadores moleculares y genómicos en melanoma
Clasificación molecular de los tumores cerebrales
Inmunoterapia y biomarcadores
Escenario terapias inmunológicas
Biomarcadores del inhibidor del punto de control: PD-L1 y más
Desarrollo de fármacos de punto de control inmune
Fármacos disponibles
Mecanismos moleculares del cáncer
Ciclo celular
Desprendimiento de células tumorales
Reprogramación del microambiente tumoral (TME)
Visión general del TME
TME como factor pronóstico del cáncer de pulmón
TME en progresión y metástasis
TME y resistencia terapéutica
TME como blanco terapéutico
Inmunología tumoral
Introducción al sistema inmune
Bases de inmunoterapia en cáncer
Moduladores inmunes no específicos
Otros enfoques inmunoterapéuticos
Mecanismos moleculares de invasión y metástasis
Introducción a Machine Learning
Presentación del problema, carga de datos y librerías
Limpieza de datos: NAs, categorías, variables dummy
Análisis exploratorio (ggPlot) y validación cruzada
Algoritmos de predicción:
Regresión lineal múltiple
SVM
Árboles de regresión
Random Forest
Algoritmos de clasificación
Ajuste de hiperparámetros
Predicción con modelos
Evaluación con curvas ROC y matrices de confusión
Introducción
Inicialización de variables
Limpieza y acondicionado del texto
Generación de matriz de términos (TDM)
Visualizaciones de TDM
Descripción de la matriz
Representación gráfica de frecuencias
Nube de palabras
Creación de data frame para KNN
Construcción y validación del modelo de clasificación
Ejercicio práctico guiado en genómica y cáncer
Introducción al scraping
Importación de hojas de cálculo online
Scraping de texto y tablas HTML
Uso de APIs para scraping
Extracción de información relevante con rvest
Manejo de múltiples páginas
Extracción de datos de:
My Cancer Genome
HGNC (HUGO Gene Nomenclature Committee)
OncoKB (Precision Oncology Knowledge Base)
Ciclo de vida del dato
Aplicación de Big Data en salud
Inteligencia artificial en salud
Usos principales
Blockchain en salud
Realidad virtual, aumentada, IoT y domótica
Usos específicos en salud
Inteligencia artificial centrada en el paciente
Redes neuronales, chatbots, aprendizaje automático
Aplicaciones emergentes en el cuidado de la salud
Bioinformática
Semántica web en salud
Lenguajes y terminología
Estrategia de implantación de IA
Next Generation Sequencing (NGS) en práctica clínica
Ventajas, limitaciones y etapas
Anotación y clasificación de variantes
Secuenciación de DNA y RNA
Software y procedimiento
Tecnología ChIP-seq
Software y procedimiento
Big Data aplicado a oncología genómica
Proceso de análisis
Servidores genómicos y bases de datos
Arquitectura y personalización
Anotación de variantes genéticas
Llamada de variantes
Formato VCF
Predicción del efecto sobre la proteína
Desarrollo de un trabajo integrador clínico y/o de investigación
Dirigido a ginecólogos, obstetras, estudiantes y profesionales del ámbito sanitario que quieran profundizar conocimientos en esta área del saber.
Al concluir el máster, los participantes serán galardonados con una titulación oficial otorgada por ISEIE Innovation School. Esta titulación se encuentra respaldada por una certificación que equivale a 60 créditos ECTS (European Credit Transfer and Accumulation System) y representa un total de 1500 horas de dedicación al estudio.
Esta titulación de ISEIE no solo enriquecerá su imagen y credibilidad ante potenciales clientes, sino que reforzará significativamente su perfil profesional en el ámbito laboral. Al presentar esta certificación, podrá demostrar de manera concreta y verificable su nivel de conocimiento y competencia en el área temática del programa.
Esto resultará en un aumento de su empleabilidad, al hacerle destacar entre otros candidatos y resaltar su compromiso con la mejora continua y el desarrollo profesional.
Una vez que haya completado satisfactoriamente todos los módulos de la Maestría oncología médica genómica , deberá llevar a cabo un trabajo final en el cual deberá aplicar y demostrar los conocimientos que ha adquirido a lo largo del curso.
Este trabajo final suele ser una oportunidad para poner en práctica lo que ha aprendido y mostrar su comprensión y habilidades en el tema.
Puede tomar la forma de un proyecto, un informe, una presentación u otra tarea específica, dependiendo del contenido de la especialización y sus objetivos, recuerde seguir las instrucciones proporcionadas y consultar con su instructor o profesor si tiene alguna pregunta sobre cómo abordar el trabajo final.
Descubre las preguntas más frecuentes y sus respuestas, de no e no encontrar una solución a tus dudas te invitamos a contactarnos, estaremos felices de brindarte más información
El máster en oncología médica, genómica y big data es un programa de formación avanzado que proporciona a los estudiantes una comprensión profunda de la biología molecular del cáncer, la genética y la epigenética de los tumores, así como una formación en las técnicas más avanzadas de diagnóstico y tratamiento de la enfermedad.
La mayoría de los programas de máster en oncología médica, genómica y big data requieren que los estudiantes tengan una licenciatura en ciencias de la salud o una disciplina relacionada. Además, es posible que se requieran cartas de recomendación, una declaración de propósito y calificaciones académicas.
Los estudiantes pueden esperar adquirir habilidades y conocimientos avanzados en biología molecular del cáncer, genómica del cáncer, análisis de big data en oncología y terapias innovadoras en oncología. Además, aprenderán a aplicar estas habilidades y conocimientos en la investigación del cáncer y la toma de decisiones clínicas.
Los graduados del máster en oncología médica, genómica y big data estarán bien preparados para trabajar en centros de investigación de vanguardia, hospitales y clínicas privadas, así como en la industria farmacéutica. También pueden optar por seguir una carrera en la educación o la investigación académica.
El programa de máster en oncología médica, genómica y big data puede durar entre uno y dos años, dependiendo del programa y el formato de enseñanza.
Sed ut perspiciatis unde omnis iste natus error sit voluptatem accusantium doloque laudantium totam rem aperiam, eaque ipsa quae.
