Vous souhaitez vous spécialiser dans le domaine de l'informatique appliquée à la E-Health et au Big Data? Inscrivez-vous à ce Mastère spécialisé et engagez-vous sur la voie d'un avenir professionnel réussi"

L'accès à des soins de santé plus personnalisés et adaptés aux besoins de la société et des professionnels de la santé devient une réalité de plus en plus proche grâce au développement de la E-Health et à l'application du Big Data dans le stockage et l'analyse des informations obtenues dans les hôpitaux, les cabinets médicaux et les cliniques. Cela est dû, dans une plus large mesure, au grand bond effectué par Internet et les technologies numériques, favorisant la connectivité et la globalisation à travers des systèmes de plus en plus complexes, spécifiques et spécialisés. 

Il est désormais possible de contrôler à distance les signes vitaux des patients, ainsi que de traiter certaines pathologies par le biais de la réalité virtuelle, tout cela grâce au travail de milliers d'informaticiens et d'ingénieurs qui ont utilisé leur temps et leur talent pour créer des stratégies et des techniques qui ont sans aucun doute considérablement amélioré la gestion de la santé. Pour cette raison, et compte tenu des grandes attentes pour l'avenir dans ce domaine, TECH a jugé nécessaire de développer un programme permettant aux professionnels de connaître ce domaine en détail. 

Ainsi naît le Mastère spécialisé en E-Health et Big Data axé sur le secteur informatique, un diplôme complet et exhaustif qui permettra aux professionnels de se spécialiser dans ce domaine en seulement douze mois à travers 1.500 heures de la meilleure formation théorique et pratique Il s'agit d'une expérience académique grâce à laquelle vous pourrez approfondir des aspects tels que l'informatique bioinformatique, les exigences liées au développement d'outils pour la médecine moléculaire et le diagnostic des pathologies, la création de bases de données biomédicales ou le traitement massif de l'information. 

Tout cela 100% en ligne, de n'importe où et sans horaires prédéfinis. En outre, ce programme comprend une variété de matériel supplémentaire avec lequel les étudiants pourront approfondir les aspects du programme qu'ils considèrent les plus importants pour leur performance professionnelle de manière personnalisée. La connaissance exhaustive des besoins et des demandes du secteur de la santé leur permettra de développer des outils et des logiciels adaptés à la demande. C'est pourquoi le programme de ce Mastère spécialisé deviendra le véhicule qui les mènera au succès professionnel. 

Une connaissance approfondie des besoins de la médecine moléculaire et du diagnostic pathologique vous permettra de travailler au développement de stratégies et de logiciels spécialisés pour E-Health"

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

• Le développement d'études de cas présentées par des experts en technologies de l'information et de la communication axées sur l'environnement des soins de santé 
• Les contenus graphiques, schématiques et éminemment pratiques avec lesquels ils sont conçus fournissent des informations scientifiques et sanitaires essentielles à la pratique professionnelle 
• Des exercices pratiques permettant de réaliser le processus d'auto-évaluation afin d'améliorer apprentissage 
• Il met l'accent sur les méthodologies innovantes 
• Cours théoriques, questions à l'expert, forums de discussion sur des sujets controversés et travail de réflexion individuel 
• La possibilité d'accéder au contenu à partir de n'importe quel appareil fixe ou portable doté d'une connexion Internet 

Le secteur de la santé est de plus en plus exigeant et demande un saut qualitatif et quantitatif dans les stratégies E-Health. C'est pourquoi ce programme vous ouvrira de nombreuses portes sur le marché du travail"

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

Son contenu multimédia, élaboré avec la dernière technologie éducative, permettra aux professionnels un apprentissage situé et contextuel, c'est-à-dire un environnement simulé qui fournira une formation immersive programmée pour s'entraîner face à des situations réelles. 

La conception de ce programme est axée sur l'Apprentissage par les Problèmes, grâce auquel le site professionnelles doit essayer de résoudre les différentes situations de la pratique professionnelle qui se présentent tout au long du Mastère spécialisé. Pour ce faire, vous bénéficierez de l'aide d'un nouveau système vidéo interactif réalisé par des experts reconnus. 

Vous pourrez vous familiariser avec les derniers aspects de l'informatique en bio-informatique à travers de la connaissance approfondie des meilleurs moteurs de recherche et des réseaux"

Voulez-vous devenir une référence dans le domaine de la création et de la gestion de bases de données biomédicales? Pariez sur ce Mastère spécialisé et commencez à travailler dessus"

Tant la structure que le contenu de ce Mastère spécialisé ont été conçus en tenant compte de deux facteurs: les critères de l'équipe enseignante et l'utilisation de la méthodologie d'enseignement la plus avant-gardiste et efficace. Grâce à cela, il a été possible de créer une qualification très habilitante dans le domaine de l'informatique appliquée à E-Health et Big Data, avec laquelle les diplômés acquerront des connaissances spécialisées et actualisées. De plus, son format pratique 100% en ligne leur permettra de vivre cette expérience académique d'où ils veulent, sans horaires ni cours en présentiel, et à travers un programme exclusivement adapté à leurs besoins et à ceux du secteur. 

L'utilisation de la méthodologie Relearning dans ce programme vous permettra d'économiser des heures d'étude et mémorisation sans renoncer à l'acquisition d'une connaissance large et spécialisée"

Module 1. Médecine moléculaire et diagnostics pathologiques

1.1. Médecine moléculaire

1.1.1. Biologie cellulaire et moléculaire. Lésion cellulaire et mort cellulaire. Vieillissement
1.1.2. Maladies causées par des micro-organismes et 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. Maladie 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 artérielle
1.2.6. Maladies artérielles et veineuses périphériques
1.2.7. Les maladies lymphatiques (les grandes oubliées)

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 tube 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 de l'appareil urinaire
1.5.4. Insuffisance sphinctérienne de l'appareil urinaire
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 conditions
1.6.3. Les maladies thyroïdiennes
1.6.4. Les maladies 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 des protéines et ses altérations
1.7.4. Métabolisme des lipides et ses altérations
1.7.5. Métabolisme du fer et ses altérations
1.7.6. Perturbations de l'équilibre acido-basique
1.7.7. Métabolisme du sodium, du potassium et ses altérations
1.7.8. Les maladies nutritionnelles (hypercaloriques et hypocaloriques)

1.8. Les maladies hématologiques

1.8.1. Anatomie et fonction
1.8.2. Maladies de la série rouge
1.8.3. Maladies de la série blanche, ganglions lymphatiques et rate
1.8.4. Maladies de l'hémostase et de la coagulation

1.9. Maladies de l'appareil locomoteur

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 nerveu

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 du cerveau (système nerveux central)
1.10.6. Maladies de la moelle épinière et du liquide céphalorachidien
1.10.7. Maladies sténosantes du système nerveux périphérique
1.10.8. Maladies infectieuses du système nerveux central
1.10.9. Maladies cérébrovasculaires (sténotiques et hémorragiques)

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

2.1. Systèmes de santé

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

2.2. Modèles de soins de santé I. Bismark vs. Beveridge

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

2.3. Modèles de Soins de Santé II. Modèle de Semashko, privé et mixte

2.3.1. Modèle de Semashko
2.3.2. Modèle privé
2.3.3. Modèle mixte

2.4. Le marché de la santé

2.4.1. Le marché de la santé
2.4.2. Régulation et limites du marché de la santé
2.4.3. Les modes de rémunération 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 des hôpitaux

2.6. Les métriques de la santé

2.6.1. Mortalité
2.6.2. Morbidité
2.6.3. Années de vie en bonne santé

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. Mesure de la productivité dans le domaine de la santé

2.8.1. Mesures de la productivité en santé
2.8.2. Ratios de productivité
2.8.3. Ajustement des intrants
2.8.4. Ajustement de la production

2.9. Amélioration des processus dans le domaine de la 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 de projet dans la 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 du calendrier

Module 3. Recherche en sciences de la santé

3.1. La 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. La recherche en basique
3.2.2. Recherche clinique
3.2.3. La 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 factuelle
3.3.3. Méthodologie de la médecine factuelle

3.4. Éthique et législation de 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. Les résultats de la recherche scientifique

3.5.1. Méthodes
3.5.2. Puissance et rigueur statistiques
3.5.3. Validité des résultats scientifiques

3.6. Communication publique

3.6.1. Sociétés scientifiques
3.6.2. Le congrès scientifique
3.6.3. Les structures de communication

3.7. Le 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) et du 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 PCEM (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 recherche multiple

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. Plateforme Internationale de Registres d'Essais Cliniques de l'OMS (ICTRP)

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

3.10.3. Moteurs de recherche de 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 (Doctoral Dissertations on the Net)
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 du Web social 2.0.

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 de l'imagerie médicale

4.2. Radiologie

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

4.3. La tomographie assistée par ordinateur (TAO)

4.3.1. Principe de fonctionnement
4.3.2. Génération et acquisition d'images
4.3.3. La 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. Ultrasons: échographie et échographie 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 ncléaire

4.6.1. Base physiologique des études nucléaires. Produits 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. Interventionnisme guidé par l'image

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

4.8. La 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. Imagerie 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. La gestion des déchets radiologiques
4.10.4. Protection contre les radiations
4.10.5. Entretien et caractéristiques des locaux

Module 5. Informatique bioinformatique

5.1. Dogme central en bioinformatique et en 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. Les flux d'information

5.2. Bases de données pour le calcul bioinformatique

5.2.1. Bases de données
5.2.2. Gestion des données
5.2.3. Cycle de vie des données en bioinformatique

5.2.3.1. Utilisation
5.2.3.2. Modification
5.2.3.3. Archive
5.2.3.4. Réutilisation
5.2.3.5. Rejeté

5.2.4. Technologie des bases de données en bioinformatique

5.2.4.1. Architecture
5.2.4.2. Gestion des bases de données

5.2.5. Interfaces avec les bases de données en bioinformatique

5.3. Réseaux pour le calcul bioinformatique

5.3.1. Modèles de communication. Réseaux LAN, WAN, MAN et PAN
5.3.2. Protocoles et transmission de données
5.3.3. Topologie des réseaux
5.3.4. Hardware dans les centers pour l'informatique
5.3.5. Sécurité, gestion et mise en œuvre

5.4. Moteurs de recherche en bioinformatique

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

5.5. Visualisation des données en bioinformatique

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

5.5.2.1. Outils de visualisation
5.5.2.2. Outils de rendering

5.5.3. Interface futures des applications bioinformatiques
5.5.4. Architectures d'information pour la visualisation en bioinformatique

5.6. Statistiques pour l'informatique

5.6.1. Concepts statistiques pour le calcul en bioinformatique
5.6.2. Cas d'utilisation: Microarrays MARN
5.6.3. Données imparfaites. Erreurs en statistiques: hasard, approximation, bruit et hypothèses 
5.6.4. Quantification des erreurs: précision, sensibilité et sensibilités
5.6.5. Regroupement et classification

5.7. Extraction de données

5.7.1. Méthodes d'exploration de données et de calcul
5.7.2. Exploration de données et infrastructure de calcul
5.7.3. Découverte et reconnaissance de formes
5.7.4. Apprentissage automatique et nouveaux outils

5.8. Le filtrage génétique

5.8.1. Le filtrage génétique
5.8.2. Méthodes de calcul pour les alignements de séquences
5.8.3. Outils de comparaison de motifs

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 de calcul électronique

5.10.1. Grille de calcul
5.10.2. Normes et règles. Uniformité, cohérence et interopérabilité
5.10.3. Projets informatiques collaboratifs

Module 6. Bases de données biomédicales

6.1. Bases de données biomédicales

6.1.1. Bases de données biomédicales
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 du génome
6.2.2. Bases de données sur les gènes
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 de séquences secondaires et de domaines
6.3.3. Bases de données de 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 de protéomique

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

6.5.1. Bases de données sur les maladies génétiques
6.5.2. Médecine de précision. Nécessité d'une intégration des données génétiques
6.5.3. Extraction des données OMIM

6.6. Dépôts de données déclarées par les patients

6.6.1. Utilisation secondaire des données
6.6.2. Le patient dans la gestion des données déposées
6.6.3. Dépôts 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. Plan de gestion des données
6.9.2. Conservation des données issues de la recherche
6.9.3. Dépôt des données dans une base de données publique

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

6.10.1. Dépôts de dossiers médicaux
6.10.2. Le 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 (High-throughput)
7.1.3. Utilité des données à haut débit. Hypothèses à l'ère du Big Data

7.2. Prétraitement des données dans les Big Data

7.2.1. Prétraitement des données
7.2.2. Méthodes et approches
7.2.3. Problèmes du 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 de variantes

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 des gènes
7.6.2. Études de haute performance 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 Clustering

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

7.9. Applications du Big Data en santé publique

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

7.10. Big Data appliqué en médecine

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

Module 8. Applications de l'intelligence artificielle et 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 E-Health
8.1.3. Programme Digital Europe. Digital Europe-4-Health et Horizon Europe

8.2. L'intelligence artificielle dans les soins de 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 en oncologie

8.3. L'intelligence artificielle dans le domaine de la santé II: suivi et défis éthiques

8.3.1. Suivi des patients à mobilité réduite
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. Mesure de pression sanguine

8.3.4. 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 d'images
8.4.2. Diagnostic et surveillance par l'image en télémédecine

8.4.2.1. Diagnostic du mélanome

8.4.3. Limites et défis du traitement d'images en télémédecine

8.5. Applications de l'accélération des processeurs graphiques (GPU) en médecine

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

8.6. Traitement du langage naturel (NLP) en télémédecine

8.6.1. Traitement des textes médicaux. Méthodologie
8.6.2. Traitement du langage naturel dans la thérapie et les dossiers médicaux
8.6.3. Limites et défis du traitement du langage naturel en télémédecine

8.7. Internet des Objets (IoT) en Télémédecine Applications

8.7.1. Surveillance des signes vitaux. Weareables

8.7.1.1. Pression artérielle, température, fréquence cardiaque

8.7.2. IoT et Technologie Cloud

8.7.2.1. Transmission de 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 de IoT pour la détection des urgences
8.8.2. 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. Montage. Applications
8.9.2.2. Auto-réplicateurs. Applications

8.10. L'intelligence artificielle dans le contrôle de COVID-19

8.10.1. COVID-19 et télémédecine
8.10.2. Gestion et communication de l'évolution et des foyers
8.10.3. Prédiction des épidémies par 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. Télémédecine

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

9.1.3. La santé en ligne. Technologies

9.2. Systèmes de télémédecine

9.2.1. Composants d'un système de télémédecine

9.2.1.1. Personnel
9.2.1.2. Technologie

9.2.2. Technologies de l'Information et de la Communication (TIC) dans le secteur de la 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. Mode de Transfert Asynchrone ATM

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 transmission
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. Téléenseignement
9.5.5. Gestion à distance

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 des Smart Home
9.7.2. 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 dans le domaine de E-Health

10.1. Entrepreneuriat et innovation

10.1.1. Innovation
10.1.2. Entrepreneuriat
10.1.3. Une Startup

10.2. Entrepreneuriat dans E-Health

10.2.1. Marché Innovant de la E-Health
10.2.2. Produits Verticaux de la E-Health: mHealth
10.2.3. TeleHealth

10.3. Modèles commerciaux 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 essentiels de la phase de démarrage. De l'idée à l'entreprise
10.3.3. Les 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. Segmentation de la clientèle
10.4.5. Relation avec les clients
10.4.6. Canaux de distribution
10.4.7. Alliances

10.4.7.1. Structure des coûts et flux de revenus

10.5. Modèles d'entreprise III: méthodologie Lean Startup

10.5.1. Créa
10.5.2. Valider
10.5.3. Mide
10.5.4. Decide

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

10.6.1. Océan rouge et océan bleu
10.6.2. Courbe de valeur
10.6.3. Réglementation applicable à E-Health

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

10.7.1. Analyse des entreprises qui ont réussi dans le domaine de E-Health 
10.7.2. Analyse de l'entreprise X
10.7.3. Analyse de l'entreprise Y
10.7.4. Analyse de l'entreprise Z

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

10.8.1. Entretien pratique PDG de Startup E-Health
10.8.2. Entretien pratique PDG de Startup “secteur x”
10.8.3. Entretien pratique 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

N'hésitez plus et optez pour un diplôme qui, en plus de vous donner les clés du succès dans le domaine de la bioinformatique, vous donnera les clés pour entreprendre vos propres projets en E-Health avec un succès garanti"