Un programme aussi innovant que E-Health, grâce auquel vous pourrez mettre en œuvre les stratégies de Big Data et d'intelligence artificielle les plus efficaces et innovantes dans votre cabinet de kinésithérapie, 100% en ligne”

La kinésithérapie, comme tous les autres domaines liés à la santé (Médecine, Soins Infirmiers, Nutrition, etc.) a largement bénéficié du développement de la santé en ligne et de ses outils pour des soins encore plus centrés sur le patient. L'évolution du Big Data, de l'intelligence artificielle et de l’Internet of Things (IoT) appliqués à ce secteur a permis la création de techniques telles que la Neuromodulation Non Invasive ou l'amélioration des stratégies liées au diagnostic par l'imagerie (échographie, scanner, IRM, etc.), ce qui, en plus de faciliter la pratique du professionnel, lui a permis d'élargir ses traitements, ainsi que leur efficacité et leur efficience.

Ces dernières années, l'intérêt pour ce domaine s'est accru et c'est pourquoi TECH Université Technologique a jugé nécessaire de développer un programme permettant aux spécialistes de connaître en détail les derniers développements dans ce domaine et de les appliquer à leur pratique quotidienne. Ce Mastère spécialisé comprend 1.500 h d'analyse exhaustive en E-Health et de ses applications dans le secteur actuel, depuis la gestion et la direction de centres basés sur la technologie la plus innovante jusqu'aux meilleures techniques de reconnaissance et d'intervention par l'image en Biomédecine. Vous pourrez également étudier en détail la création et la gestion de bases de données, ainsi que leur traitement de masse, et mettre l'accent sur les dispositifs Chirurgicaux et Biomécaniques les plus importants et les plus efficaces, en vous concentrant également sur l'application de l'Intelligence Artificielle au domaine Kinésithérapeutique.

Tout cela à travers un programme de 12 mois et 100% en ligne, conçu sur mesure par des experts en Bioingénierie et Biomédecine, qui comprend le meilleur programme théorique, des heures de matériel supplémentaire diversifié, et disponible sur le Campus Virtuel dès le début du programme et pourra être téléchargé sur n'importe quel appareil disposant d'une connexion Internet. Ainsi, TECH Université Technologique garantit une expérience académique parfaitement compatible avec toute autre activité professionnelle, ce qui permettra au spécialiste d'actualiser et de perfectionner ses compétences professionnelles de manière garantie et sur la base des dernières preuves scientifiques dans le domaine de la E-Health et du Big Data.

Grâce aux connaissances spécialisées que vous acquerrez dans ce programme, vous serez en mesure d'inclure dans votre offre les techniques d'imagerie diagnostique les plus innovantes et les plus efficaces”

Ce Mastère spécialisé en E-Health et Big Data contient le programme scientifique le plus complet et le plus actuel du marché. Les principales caractéristiques sont les suivantes:

• Le développement de cas pratiques présentés par des experts en Technologies de l'Information et de la Communication axées sur l'environnement sanitaire 
• Son contenu graphique, schématique et éminemment pratique est destiné à fournir des informations scientifiques et sanitaires sur les disciplines médicales indispensables à la pratique professionnelle 
• Des exercices pratiques d’auto-évaluation pour améliorer l’apprentissage 
• Il se concentre sur les méthodologies innovantes 
• Des cours théoriques, des questions à l'expert, des forums de discussion sur des sujets controversés et un travail de réflexion individuel 
• La possibilité d'accéder aux contenus depuis tout dispositif fixe ou portable doté d’une simple connexion à internet 

Vous souhaitez vous tenir au courant des dernières évolutions liées à la gestion et à la direction des centres de soins? Avec ce Mastère spécialisé, vous pourrez travailler dans votre entreprise en vous basant sur les tendances et les stratégies à succès”

Le corps enseignant comprend des professionnels du secteur qui apportent à cette formation l'expérience de leur travail, ainsi que des spécialistes reconnus de sociétés de référence et d'universités prestigieuses. 

Son contenu multimédia qui est développé avec les dernières technologies éducatives, permettra aux professionnels d'apprendre de manière située et contextuelle, c'est-à-dire dans un environnement simulé qui offrira une formation en immersion programmée pour s'entraîner aux situations de la vie réelle.

La conception de ce programme est axée sur l'Apprentissage Par les Problèmes, grâce auquel le professionnel devra essayer de résoudre les différentes situations de pratique professionnelle qui se présentent tout au long du programmes. Pour ce faire, il sera assisté d'un système vidéo interactif innovant créé par des experts dans ce domaine. 

C'est le meilleur programme du monde académique pour se mettre à jour sur les techniques de recherche en sciences de la santé, où que vous soyez et sans horaires fixes"

La qualification comprend 1 500 h de contenu diversifié, allant d'un programme d'enseignement de pointe et innovant à un matériel supplémentaire varié et de haute qualité. Tout sera disponible dès le début du programme"

TECH Université Technologique est pionnière dans l'utilisation de la méthodologie du Relearning. Cette stratégie pédagogique est particulièrement efficace dans les diplômes liés à la santé, car grâce à la répétition des concepts les plus importants tout au long du programme, le professionnel n'a pas besoin de passer des heures supplémentaires à mémoriser. Ainsi, le spécialiste en kinésithérapie pourra se plonger dans les complexités de la E-Health et du Big Data, en acquérant une connaissance large et actualisée des avancées dans ce domaine et en profitant d'une expérience académique à l'avant-garde du secteur. 

L'utilisation de la méthodologie Relearning dans le développement de ce Mastère spécialisé permet de réduire la charge d'enseignement sans renoncer à la qualité de son contenu”

Module 1. Médecine moléculaire et diagnostics pathologiques

1.1. Médecine Moléculaire

1.1.1. Biologie cellulaire et moléculaire Lésion et mort cellulaire Vieillissement
1.1.2. Pathologies causées par des micro-organismes et la défense de l’hôte
1.1.3. Maladies auto-immunes
1.1.4. Maladies toxicologiques
1.1.5. Maladies liées à l’hypoxie
1.1.6. Maladies liées à l'environnement
1.1.7. Maladies génétiques et épigénétique
1.1.8. Maladies oncologiques

1.2. Système circulatoire

1.2.1. Anatomie et fonction
1.2.2. Maladies du myocarde et insuffisance cardiaque
1.2.3. Maladies du rythme cardiaque
1.2.4. Maladies valvulaires et péricardiques
1.2.5. Athérosclérose, artériosclérose et hypertension
1.2.6. Maladies artérielles et veineuses périphériques
1.2.7. Maladie lymphatique (la grande oubliée)

1.3. Maladies du système respiratoire

1.3.1. Anatomie et fonction
1.3.2. Maladies pulmonaires obstructives aiguës et chroniques
1.3.3. Maladies pleurales et médiastinales
1.3.4. Maladies infectieuses du parenchyme pulmonaire et des bronches
1.3.5. Maladies de la circulation pulmonaire

1.4. Maladies du système Digestif

1.4.1. Anatomie et fonction
1.4.2. Système digestif, nutrition et échange eau-électrolyte
1.4.3. Maladies gastro-œsophagiennes
1.4.4. Maladies infectieuses gastro-intestinales
1.4.5. Maladies du foie et des voies biliaires
1.4.6. Maladies du pancréas
1.4.7. Maladies du côlon

1.5. Maladies du rein et des voies urinaires

1.5.1. Anatomie et fonction
1.5.2. Insuffisance rénale (prérénale, rénale et post-rénale): comment se déclenchent-elles?
1.5.3. Maladies obstructives des voies urinaires
1.5.4. Insuffisance sphinctérienne des voies urinaires
1.5.5. Syndrome néphrotique et syndrome néphritique

1.6. Maladies du système endocrinien

1.6.1. Anatomie et fonction
1.6.2. Le cycle menstruel et ses troubles
1.6.3. Maladie thyroïdienne
1.6.4. Maladie des glandes surrénales
1.6.5. Maladies des gonades et de la différenciation sexuelle
1.6.6. Axe hypothalamo-hypophysaire, métabolisme du calcium, vitamine D et ses effets sur la croissance et le système osseux

1.7. Métabolisme et nutrition

1.7.1. Nutriments essentiels et non essentiels (clarification des définitions)
1.7.2. Métabolisme des glucides et ses perturbations
1.7.3. Métabolisme de la protéine t ses altérations
1.7.4. Métabolisme des lipides et ses altérations
1.7.5. Métabolisme du fer et ses altérations
1.7.6. Troubles de l'équilibre acido-basique
1.7.7. Métabolisme du sodium, potassium et ses altérations
1.7.8. Maladies nutritionnelles (hypercaloriques et hypocaloriques)

1.8. Maladies hématologiques

1.8.1. Anatomie et fonction
1.8.2. Maladies de la série rouge
1.8.3. Maladies des séries blanches, des ganglions lymphatiques et de la rate
1.8.4. Hémostase et maladies de la coagulation

1.9. Maladies du système musculo-squelettique

1.9.1. Anatomie et fonction
1.9.2. Articulations, types et fonction
1.9.3. Régénération osseuse
1.9.4. Développement normal et pathologique du système squelettique
1.9.5. Déformations des membres supérieurs et inférieurs
1.9.6. Pathologie des articulations, cartilage et analyse du liquide synovial
1.9.7. Maladies articulaires d'origine immunologique

1.10. Maladies du système nerveux

1.10.1. Anatomie et fonction
1.10.2. Développement du système nerveux central et périphérique
1.10.3. Développement de la colonne vertébrale et de ses composants
1.10.4. Troubles cérébelleux et proprioceptifs
1.10.5. Maladies spécifiques au cerveau (système nerveux central)
1.10.6. Maladies de la moelle épinière et du liquide céphalorachidien
1.10.7. Maladies sténotiques du système nerveux périphérique
1.10.8. Maladies infectieuses du système nerveux central
1.10.9. Maladie cérébrovasculaire (sténotique et hémorragique)

Module 2. Système de santé Gestion et direction des centres sanitaires

2.1. Les systèmes de santé

2.1.1. Système de santé
2.1.2. Les systèmes de santé selon l'OMS
2.1.2. Contexte sanitaire

2.2. Modèles Sanitaires I. Bismark contre Beveridge

2.2.1. Modèle Bismark
2.2.2. Modèle Beveridge
2.2.3. Modèle Bismark vs. Modèle Beveridge

2.3. Modèles Sanitaire II. Modèle de Semashko, privé et mixte

2.3.1. Modèle Semashko
2.3.2. Modèle privé
2.3.3. Modèles mixtes

2.4. Le marché de la santé

2.4.1. Le marché de la santé
2.4.2. Réglementation et limites du marché de la santé
2.4.3. Méthodes de paiement des médecins et des hôpitaux
2.4.4. L'ingénieur clinicien

2.5. Hôpitaux Typologie

2.5.1. Architecture hospitalière
2.5.2. Types d'hôpitaux
2.5.3. Organisation de l'hôpital

2.6. Métriques dans le domaine de la santé

2.6.1. Mortalité
2.6.2. Morbidité
2.6.3. Années de Vie Saines

2.7. Méthodes d'allocation des ressources de santé

2.7.1. Programmation linéaire
2.7.2. Modèles de maximisation
2.7.3. Modèles de minimisation

2.8. Mesurer la productivité dans le domaine de la santé

2.8.1. Mesures de la productivité de la santé
2.8.2. Ratios de productivité
2.8.3. Ajustement de l'entrée
2.8.4. Ajustement de la sortie

2.9. Amélioration des processus de santé

2.9.1. Processus de Lean Management
2.9.2. Outils de simplification du travail
2.9.3. Outils d'investigation des problèmes

2.10. Gestion des projets de santé

2.10.1. Rôle du Project Manager
2.10.2. Outils de gestion d'équipe et de projet
2.10.3. Gestion du temps et des horaires

Module 3. Recherche en sciences de la santé

3.1. Recherche scientifique I. La méthode scientifique

3.1.1. Recherche scientifique
3.1.2. Recherche en sciences de la santé
3.1.3. La méthode scientifique

3.2. Recherche scientifique II Typologie

3.2.1. Recherche fondamentale
3.2.2. Recherche clinique
3.2.3. Recherche translationnelle

3.3. Médecine fondée sur des données probantes

3.3.1. Médecine fondée sur des données probantes
3.3.2. Principes de la médecine fondée sur les faits scientifiques
3.3.3. Méthodologie de la médecine fondée sur les faits scientifiques

3.4. Éthique et législation dans la recherche scientifique. La Déclaration d'Helsinki

3.4.1. Le Comité d'éthique
3.4.2. La Déclaration d'Helsinki
3.4.3. L'éthique dans les sciences de la santé

3.5. Le protocole de la recherche scientifique

3.5.1. Méthodes
3.5.2. Rigueur et puissance statistique
3.5.3. Validité des résultats scientifiques

3.6. Communication publique

3.6.1. Les sociétés scientifiques
3.6.2. Le congrès scientifique
3.6.3. Structure de communication

3.7. Financement de la recherche scientifique

3.7.1. Structure d'un projet scientifique
3.7.2. Financement public
3.7.3. Financement privé et industriel

3.8. Ressources scientifiques pour la recherche bibliographique. Bases de données en Sciences de la Santé I

3.8.1. PubMed-Medline
3.8.2. Embase
3.8.3. WOS et JCR
3.8.4. Scopus et Scimago
3.8.5. Micromedex
3.8.6. MEDES
3.8.7. IBECS
3.8.8. LILACS 
3.8.9. BDENF
3.8.10. Cuidatge
3.8.11. CINAHL
3.8.12. Cuiden Plus
3.8.13. Enfispo
3.8.14. Bases de données du NCBI (OMIM, TOXNET) y los NIH (National Cancer Institute)

3.9. Ressources scientifiques pour la recherche bibliographique. Bases de données en Sciences de la Santé II

3.9.1. NARIC-REHABDATA
3.9.2. PEDro
3.9.3. ASABE: Technical Library
3.9.4. CAB Abstracts
3.9.5. Bases de données du CDR (Centre for Reviews and Dissemination)
3.9.6. Biomed Central BMC
3.9.7. ClinicalTrials.gov
3.9.8. Clinical Trials Register
3.9.9. DOAJ-Directory of Open Acess Journals
3.9.10. PROSPERO (Registre International Prospectif Des Revues Systématiques)
3.9.11. TRIP
3.9.12. LILACS
3.9.13. NIH. Medical Library
3.9.14. Medline Plus
3.9.15. Ops

3.10. Ressources scientifiques pour la recherche bibliographique III. Moteurs de recherche et plateformes

3.10.1. Moteurs de recherche et moteurs de multi-recherche

3.10.1.1. Findr
3.10.1.2. Dimensions
3.10.1.3. Google Scholar
3.10.1.4. Microsoft Academic

3.10.2. Plate-forme internationale de registres d'essais cliniques de l'OMS (ICTRP)

3.10.2.1. PubMed Central PMC
3.10.2.2. Collecteur scientifique ouvert (RECOLECTA)
3.10.2.3. Zenodo

3.10.3. Moteurs de recherche des Thèses de Doctorat

3.10.3.1. DART-Europe
3.10.3.2. Dialnet-Thèses de doctorat
3.10.3.3. OATD (Open Access Theses and Dissertations)
3.10.3.4. TDR (Réseau de thèses de doctorat)
3.10.3.5. TESEO

3.10.4. Gestionnaires bibliographiques

3.10.4.1. Endnote online
3.10.4.2. Mendeley
3.10.4.3. Zotero
3.10.4.4. Citeulike
3.10.4.5. Refworks

3.10.5. Réseaux sociaux numériques pour les chercheurs

3.10.5.1. Scielo
3.10.5.2. Dialnet
3.10.5.3. Free Medical Journals
3.10.5.4. DOAJ
3.10.5.5. Open Science Directory
3.10.5.6. Redalyc
3.10.5.7. Academia.edu
3.10.5.8. Mendeley
3.10.5.9. ResearchGate

3.10.6. Ressources 2.0 du Web social

3.10.6.1. Delicious
3.10.6.2. Slideshare
3.10.6.3. YouTube
3.10.6.4. Twitter
3.10.6.5. Blogs des sciences de la santé
3.10.6.6. Facebook
3.10.6.7. Evernote
3.10.6.8. Dropbox
3.10.6.9. Google Drive

3.10.7. Portails d'éditeurs et d'agrégateurs de revues scientifiques

3.10.7.1. Science Direct
3.10.7.2. Ovid
3.10.7.3. Springer
3.10.7.4. Wiley
3.10.7.5. Proquest
3.10.7.6. Ebsco
3.10.7.7. BioMed Central

Module 4. Techniques, reconnaissance et intervention par l'imagerie biomédicale

4.1. Imagerie médicale

4.1.1. Modalités de l'imagerie médicale
4.1.2. Objectifs des systèmes d'imagerie médicale
4.1.3. Systèmes de stockage d'images médicales

4.2. Radiologie

4.2.1. Méthode d'imagerie
4.2.2. Interprétation radiologique
4.2.3. Applications cliniques

4.3. Tomographie numérique

4.3.1. Principe de fonctionnement
4.3.2. Génération et acquisition d'images
4.3.3. Tomographie assistée par ordinateur Typologie
4.3.4. Applications cliniques

4.4. Imagerie par Résonance Magnétique (IRM)

4.4.1. Principe de fonctionnement
4.4.2. Génération et acquisition d'images
4.4.3. Applications cliniques

4.5. Échographie: échographie et sonographie Doppler

4.5.1. Principe de fonctionnement
4.5.2. Génération et acquisition d'images
4.5.3. Typologie
4.5.4. Applications cliniques

4.6. Médecine Nucléaire

4.6.1. Base physiologique des études nucléaires (Radiopharmaceutiques et Médecine Nucléaire)
4.6.2. Génération et acquisition d'images
4.6.3. Types de tests

4.6.3.1. Gammagraphie
4.6.3.2. SPECT
4.6.3.3. PET
4.6.3.4. Applications cliniques

4.7. Interventions guidées par imagerie

4.7.1. Radiologie interventionnelle
4.7.2. Objectifs de radiologie interventionnelle
4.7.3. Procédures
4.7.4. Avantages et inconvénients

4.8. Qualité de l'image

4.8.1. Technique
4.8.2. Contraste
4.8.3. Résolution
4.8.4. Bruit
4.8.5. Distorsion et artefacts

4.9. Tests d'imagerie médicale Biomédecine

4.9.1. Création d'images 3D
4.9.2. Biomodèles

4.9.2.1. Norme DICOM
4.9.2.2. Applications cliniques

4.10. Protection contre les radiations

4.10.1. Législation Européenne applicable aux services de radiologie
4.10.2. Sécurité et protocoles d'action
4.10.3. Gestion des déchets radiologie
4.10.4. Protection contre les radiations
4.10.5. Soins et caractéristiques des salles

Module 5. Informatique en bio-informatique

5.1. Principe central de la bioinformatique et de l'informatique Situation actuelle

5.1.1. L'application idéale en bioinformatique
5.1.2. Développements parallèles en biologie moléculaire et en informatique
5.1.3. Dogmes en biologie et en théorie de l'information
5.1.4. Flux d'informations

5.2. Bases de données pour le calcul bio-informatique

5.2.1. Bases de données
5.2.2. Gestion des données
5.2.3. Cycle de vie des données en bio-informatique

5.2.3.1. Utilisation
5.2.3.2. Modifications
5.2.3.3. Archives
5.2.3.4. Réutilisation
5.2.3.5. Rejeté

5.2.4. Technologie de bases de données en bio-informatique

5.2.4.1. Architecture
5.2.4.2. Gestion sur les bases de données

5.2.5. Interface de base de données en bio-informatique

5.3. Réseaux pour le calcul bio-informatique

5.3.1. Modèles de communication Réseaux LAN, WAN, MAN et PAN
5.3.2. Protocoles et transmission de données
5.3.3. Topologie du réseau
5.3.4. Hardware en Datacenters en informatique
5.3.5. Sécurité, gestion et mise en œuvre

5.4. Moteurs de recherche en bio-informatique

5.4.1. Moteurs de recherche en bioinformatique
5.4.2. Procédés et technologies des moteurs de recherche bioinformatique
5.4.3. Modèles de calcul: algorithmes de recherche et d'approximation

5.5. Visualisation des données en bio-informatique

5.5.1. Visualisation de séquences biologiques
5.5.2. Visualisation des structures biologiques

5.5.2.1. Outils de visualisation
5.5.2.2. Outils de rendu

5.5.3. Interface utilisateur pour les applications bio-informatiques
5.5.4. Architectures d'information pour la visualisation en bio-informatique

5.6. Statistiques pour l'informatique

5.6.1. Concepts statistiques pour le calcul en bio-informatique
5.6.2. Cas d'utilisation: Microarrays de MARN
5.6.3. Données imparfaites Erreurs en statistiques: caractère aléatoire, approximation, bruit et hypothèses
5.6.4. Quantification des erreurs: précision, sensibilité et sensitivité
5.6.5. Clustering et classification

5.7. Extraction de données

5.7.1. Méthodes d'exploration de données et de calcul
5.7.2. Exploitation des données et infrastructure informatique
5.7.3. Découverte et reconnaissance des schémas
5.7.4. Apprentissage automatique et nouveaux outils

5.8. Correspondance de schémas génétiques

5.8.1. Correspondance de schémas génétiques
5.8.2. Méthodes de calcul pour les alignements de séquences
5.8.3. Outils de comparaison de schémas

5.9. Modélisation et simulation

5.9.1. Utilisation dans le domaine pharmaceutique: découverte de médicaments
5.9.2. Structure des protéines et biologie des systèmes
5.9.3. Outils disponibles et avenir

5.10. Projets de collaboration et d'informatique en ligne

5.10.1. Informatique en grille
5.10.2. Normes et règles. Uniformité, cohérence et interopérabilité
5.10.3. Projets informatiques collaboratifs

Module 6. Bases de données Bio-médicales

6.1. Bases de données Bio-médicales

6.1.1. Base des données Bio-médicale
6.1.2. Bases de données primaires et de secondaires
6.1.3. Principales bases de données

6.2. Bases de données ADN

6.2.1. Bases de données génomiques
6.2.2. Bases de données génétiques
6.2.3. Bases de données de mutations et de polymorphismes

6.3. Bases de données sur les protéines

6.3.1. Bases de données de séquences primaires
6.3.2. Bases de données des séquences secondaires et des domaines
6.3.3. Bases de données sur les structures macromoléculaires

6.4. Bases de données de projets omiques

6.4.1. Bases de données pour les études génomiques
6.4.2. Bases de données pour les études transcriptomiques
6.4.3. Bases de données pour les études protéomiques

6.5. Bases de données sur les maladies génétiques Médecine personnalisée et de précision

6.5.1. Bases de données sur les maladies génétiques
6.5.2. Médecine de précision La nécessité d'intégrer les données génétiques
6.5.3. Extraction des données OMIM

6.6. Référentiels déclarés par les patients

6.6.1. Utilisation secondaire des données
6.6.2. Le patient dans la gestion des données déposées
6.6.3. Référentiels de questionnaires auto-reportés Exemples

6.7. Bases de Données ouvertes Elixir

6.7.1. Bases de Données ouvertes Elixir
6.7.2. Bases de données collectées sur la plateforme Elixir
6.7.3. Critères de choix entre les deux bases de données

6.8. Bases de données sur les effets indésirables des médicaments (EIM)

6.8.1. Processus de développement pharmacologique
6.8.2. Déclaration des effets indésirables des médicaments
6.8.3. Référentiels d'effets indésirables aux niveaux européen et international

6.9. Plan de gestion des données de recherche Données à déposer dans des bases de données publiques

6.9.1. Plans de gestion des données
6.9.2. Conservation des données issues de la recherche
6.9.3. Dépôt de données dans une base de données publique

6.10. Bases de données cliniques Problèmes liés à l'utilisation secondaire des données sur la santé

6.10.1. Dépôts de dossiers cliniques
6.10.2. Cryptage des données

Module 7. Big Data en Médecine: traitement massif de données médicales

7.1. Big Data dans la recherche biomédicale

7.1.1. Génération de données en biomédecine
7.1.2. Technologie à haut débit (Technologie High-throughput)
7.1.3. Utilité des données à haut débit Hypothèses à l'ère du Big Data

7.2. Prétraitement des données du Big Data

7.2.1. Prétraitement des données
7.2.2. Méthodes et approches
7.2.3. Problèmes de prétraitement des données dans le Big Data

7.3. Génomique structurelle

7.3.1. Le séquençage du génome humain
7.3.2. Séquençage vs. Chips
7.3.3. Découverte d'une variante

7.4. Génomique fonctionnelle

7.4.1. Annotation fonctionnelle
7.4.2. Prédicteurs de risque dans les mutations
7.4.3. Études d'association à l'échelle du génome

7.5. Transcriptomique

7.5.1. Techniques d'obtention de données massives en transcriptomique: RNA-seq
7.5.2. Normalisation des données transcriptomiques
7.5.3. Études d'expression différentielle

7.6. Interactomique et épigénomique

7.6.1. Le rôle de la chromatine dans l'expression génétique
7.6.2. Études à haut débit en interactomique
7.6.3. Études à haut débit en épigénétique

7.7. Protéomique

7.7.1. Analyse des données de spectrométrie de masse
7.7.2. Étude des modifications post-traductionnelles
7.7.3. Protéomique quantitative

7.8. Techniques d'enrichissement et de Clustering

7.8.1. Contextualisation des résultats
7.8.2. Algorithmes de Clustering dans les techniques omiques
7.8.3. Référentiels pour l'enrichissement: Gene Ontology et KEGG

7.9. Application du Big Data dans les soins de de santé publique

7.9.1. Découverte de nouveaux biomarqueurs et de nouvelles cibles thérapeutiques
7.9.2. Prédicteurs du risque
7.9.3. Médecine personnalisée

7.10. Big Data appliqué à la Médecine

7.10.1. Le potentiel d'aide au diagnostic et à la prévention
7.10.2. Utilisation d'algorithmes de Machine Learning dans le domaine de la santé publique
7.10.3. Le problème de la confidentialité

Module 8. Applications de l'intelligence artificielle et de l'internet des objets (IoT) à la télémédecine

8.1. Plateforme E-Health Personnalisation du service de santé

8.1.1. Plateforme E-Health
8.1.2. Ressources pour une plateforme de e-Health
8.1.3. Digital Europe Programme Digital Europe-4-Health et Horizon Europe

8.2. L'intelligence artificielle dans le domaine de la santé I: Nouvelles solutions dans les applications logicielles

8.2.1. Analyse à distance des résultats
8.2.2. Chatbox
8.2.3. Prévention et suivi en temps réel
8.2.4. Médecine préventive et personnalisée dans le domaine de l'oncologie

8.3. L'intelligence artificielle dans le domaine des soins de santé II: Suivi et défis éthiques

8.3.1. Monitoring des patients à mobilité réduire
8.3.2. Surveillance cardiaque, diabète, asthme
8.3.3. Applications de santé et de bien-être

8.3.3.1. Moniteurs de fréquence cardiaque
8.3.3.2. Moniteurs de pression sanguine

8.3.4. L'éthique de l'IA dans le domaine médical Protection des données

8.4. Algorithmes d'intelligence artificielle pour le traitement des images

8.4.1. Algorithmes d'intelligence artificielle pour le traitement des images
8.4.2. Diagnostic par l'image et surveillance en télémédecine

8.4.2.1. Diagnostic du mélanome

8.4.3. Limites et défis du traitement des images en télémédecine

8.5. Applications de l'accélération des Unités de Traitement Graphique (GPU) en Médecine

8.5.1. Parallélisation des programmes
8.5.2. Fonctionnement du GPU
8.5.3. Applications de l'accélération du GPU en Médecine

8.6. Traitement du langage naturel (NLP) dans la télémédecine

8.6.1. Le traitement de texte dans le domaine médical. Méthodologie
8.6.2. Traitement du langage naturel dans les thérapies et les dossiers médicaux
8.6.3. Limites et défis du traitement du langage naturel en télémédecine

8.7. Internet des objets (IoT) dans la télémédecine Applications

8.7.1. Monitoring des signes vitaux Weareables

8.7.1.1. Pression sanguine, température, rythme cardiaque

8.7.2. IoT et technologie du Cloud

8.7.2.1. Transmission des données vers le cloud

8.7.3. Terminaux en libre-service

8.8. IoT dans la surveillance et les soins aux patients

8.8.1. Applications IoT pour la détection des situations
8.8.2. L'internet des objets dans la réadaptation des patients
8.8.3. Soutien de l'intelligence artificielle dans la reconnaissance et le sauvetage des blessés

8.9. Nanorobots Typologie

8.9.1. Nanotechnologie
8.9.2. Types de nanorobots

8.9.2.1. Assembleurs Applications
8.9.2.2. Auto-réplicateurs Applications

8.10. L' Intelligence artificielle dans le contrôle du COVID-19

8.10.1. COVID-19 et télémédecine
8.10.2. Gestion et communication des progrès et des épidémies
8.10.3. Prévision des épidémies par l'intelligence artificielle

Module 9. Télémédecine et dispositifs médicaux, chirurgicaux et biomécaniques

9.1. Télémédecine et télésanté

9.1.1. La télémédecine en tant que service de télésanté
9.1.2. La télémédecine

9.1.2.1. Objectifs de la télémédecine
9.1.2.2. Avantages et limites de la télémédecine

9.1.3. Santé Numérique Technologies

9.2. Systèmes de télémédecine

9.2.1. Composants d'un système de télémédecine

9.2.1.1. Personnelle
9.2.1.2. Technologie

9.2.2. Technologies de l'information et de la communication (TIC) dans le domaine des soins de santé

9.2.2.1. THealth
9.2.2.2. mHealth
9.2.2.3. UHealth
9.2.2.4. pHealth

9.2.3. Évaluation des systèmes de télémédecine

9.3. Infrastructure technologique de télémédecine

9.3.1. Réseaux téléphoniques publics (RTPC)
9.3.2. Réseaux satellitaires
9.3.3. Réseaux numériques à intégration de services (RNIS)
9.3.4. Technologies sans fil

9.3.4.1. Wap Protocole d'application sans fil
9.3.4.2. Bluetooth

9.3.5. Connexions micro-ondes
9.3.6. ATM Mode de transfert asynchrone

9.4. Types de télémédecine Utilisations dans le domaine de la santé

9.4.1. Surveillance à distance des patients
9.4.2. Technologies de stockage et de retransmission
9.4.3. Télémédecine interactive

9.5. Applications générales de télémédecine

9.5.1. Téléassistance
9.5.2. Télésurveillance
9.5.3. Télédiagnostic
9.5.4. Télé-enseignement
9.5.5. Télégestion

9.6. Applications cliniques de la télémédecine

9.6.1. Téléradiologie
9.6.2. Télédermatologie
9.6.3. Télé-oncologie
9.6.4. Télépsychiatrie
9.6.5. Soins à domicile (Telehomecare)

9.7. Technologies Smart et d'assistance

9.7.1. Intégration du Smart Home
9.7.2. La santé numérique dans l'amélioration des traitements
9.7.3. La technologie Opa dans la télésanté Vêtements intelligents

9.8. Aspects éthiques et juridiques de la télémédecine

9.8.1. Fondements éthiques
9.8.2. Cadres réglementaires communs
9.8.3. Normes ISO

9.9. Télémédecine et dispositifs diagnostiques, chirurgicaux et biomécaniques

9.9.1. Dispositifs de diagnostic
9.9.2. Dispositifs chirurgicaux
9.9.3. Dispositifs biomécaniques

9.10. Télémédecine et dispositifs médicaux

9.10.1. Dispositifs médicaux

9.10.1.1. Dispositifs médicaux mobiles
9.10.1.2. Chariots de télémédecine
9.10.1.3. Kiosques de télémédecine
9.10.1.4. Appareil photo numérique
9.10.1.5. Kit de télémédecine
9.10.1.6. Logiciel de télémédecine

Module 10. Innovation commerciale et esprit d'entreprise du E-Health

10.1. Entrepreneuriat et innovation

10.1.1. Innovation
10.1.2. Entrepreneuriat
10.1.3. Une Startup

10.2. L'esprit d'entreprise en E-Health

10.2.1. Marché innovant en E-Health
10.2.2. Secteurs verticaux en e-Health: mHealth
10.2.3. TeleHealth

10.3. Modèles d'entreprise I: Premiers stades de l'entrepreneuriat

10.3.1. Types de modèles d'entreprise

10.3.1.1. Marketplace
10.3.1.2. Plateformes numériques
10.3.1.3. SaaS

10.3.2. Éléments critiques de la phase de démarrage De l'idée à l'entreprise
10.3.3. Erreurs courantes dans les premiers pas de l'entrepreneuriat

10.4. Modèles d'entreprise II: Modèle Canvas

10.4.1. Business Model Canvas
10.4.2. Proposition de valeur
10.4.3. Activités et ressources clés
10.4.4. Segment de clientèle
10.4.5. Relations clients
10.4.6. Canaux de distribution
10.4.7. Partenariats

10.4.7.1. Structure des coûts et flux de revenus

10.5. Modèles d'affaires III: Méthodologie Lean Startup

10.5.1. Créer
10.5.2. Valider
10.5.3. Mesurer
10.5.4. Décider

10.6. Modèles d'entreprise IV: analyse externe, stratégique et réglementaire

10.6.1. L'océan rouge et l'océan bleu
10.6.2. Courbe de valeur
10.6.3. Réglementation applicable en E-Health

10.7. Modèles de réussite en E-Health I: Savoir avant d'innover

10.7.1. Analyse des entreprises de E-Health à succès
10.7.2. Analyse de la société X
10.7.3. Analyse de la société Y
10.7.4. Analyse de la société Z

10.8. Modèles de réussite en E-Health II: Écouter avant d'innover

10.8.1. Entretien pratique avec le CEO de Startup E-Health
10.8.2. Entretien pratique avec le CEO de Startup “sector x”
10.8.3. Entretien pratique avec la direction technique de Startup “x”

10.9. Environnement entrepreneurial et financement

10.9.1. L'écosystème entrepreneurial dans le secteur de la santé
10.9.2. Financement
10.9.3. Entretien de cas

10.10. Outils pratiques pour l'esprit d'entreprise et l'innovation

10.10.1. Outils OSINT (Open Source Intelligence)
10.10.2. Analyse
10.10.3. Outils No-code pour l'entrepreneuriat

Optez pour un diplôme avec lequel vous mettrez en œuvre les stratégies les plus innovantes du secteur dans votre pratique de la kinésithérapie en seulement 12 mois d'expérience académique”