Diplomado en Ética y Gobernanza de Algoritmos en Dispositivos
Diplomado online de 800 h: 8 módulos y 80 submódulos, de «Algoritmos en dispositivos médicos» a «Proyecto de gobernanza algorítmica», pasando por «Evaluación de sesgo y rendimiento».
Mapa del programa · pulsa un módulo
Módulo 1 · Algoritmos en dispositivos médicos
800 hDuración total
8Módulos
80Submódulos
OnlineModalidad
Competencias y resultados
6 bloques de competencia, sacados de los módulos de este programa. Pulsa cualquiera y ves qué vas a saber hacer.
Algoritmos en dispositivos médicos
Saldrás manejando tipos de algoritmos: reglas, estadísticos y aprendizaje automático, algoritmos bloqueados frente a adaptativos y usos: diagnóstico, triaje, monitorización y dosificación. Es lo que se trabaja en «Algoritmos en dispositivos médicos», un módulo de 10 submódulos que puedes abrir completo en el plan de estudios.
Problemas éticos de los algoritmos
Saldrás manejando sesgo en datos de entrenamiento, equidad entre grupos demográficos y opacidad y explicabilidad. Es lo que se trabaja en «Problemas éticos de los algoritmos», un módulo de 10 submódulos que puedes abrir completo en el plan de estudios.
Marco regulatorio
Saldrás manejando reglamento europeo de IA y productos sanitarios, clasificación de alto riesgo por el MDR y guía MDCG sobre IA en productos sanitarios. Es lo que se trabaja en «Marco regulatorio», un módulo de 10 submódulos que puedes abrir completo en el plan de estudios.
Evaluación de sesgo y rendimiento
Saldrás manejando métricas de rendimiento clínico, métricas de equidad: paridad e igualdad de oportunidades y análisis por subgrupos. Es lo que se trabaja en «Evaluación de sesgo y rendimiento», un módulo de 10 submódulos que puedes abrir completo en el plan de estudios.
Supervisión humana y transparencia
Saldrás manejando diseño de la supervisión humana, información al usuario sobre limitaciones y interfaz de explicación al clínico. Es lo que se trabaja en «Supervisión humana y transparencia», un módulo de 10 submódulos que puedes abrir completo en el plan de estudios.
Monitorización tras el despliegue
Saldrás manejando vigilancia del rendimiento en uso real, detección de deriva de datos y concepto y actualizaciones controladas del modelo. Es lo que se trabaja en «Monitorización tras el despliegue», un módulo de 10 submódulos que puedes abrir completo en el plan de estudios.
Objetivos de aprendizaje
01Identificar los usos de algoritmos en dispositivos médicos y sus riesgos.
02Analizar los dilemas éticos de la toma de decisiones algorítmica.
03Interpretar las obligaciones del Reglamento de IA y del MDR.
04Establecer la gobernanza de datos y del ciclo de vida de modelos.
05Evaluar sesgos y rendimiento en subgrupos de pacientes.
06Diseñar mecanismos de supervisión humana y transparencia.
07Planificar la monitorización de algoritmos tras su despliegue.
Plan de estudios
8 módulos, 80 submódulos, 800 h. Elige un módulo y ves su contenido completo.
1 de 8 módulos abiertos
Módulo 1 de 8 · 10 submódulos
Algoritmos en dispositivos médicos
1.1Tipos de algoritmos: reglas, estadísticos y aprendizaje automático
1.2Algoritmos bloqueados frente a adaptativos
1.3Usos: diagnóstico, triaje, monitorización y dosificación
1.4Dispositivos con IA autorizados por FDA y CE
1.5Ciclo de vida de un algoritmo clínico
1.6Riesgos específicos de los algoritmos
1.7Automatización y responsabilidad clínica
1.8Expectativas de pacientes y profesionales
1.9Lecciones de algoritmos retirados
1.10Caso práctico: análisis de un algoritmo de detección de sepsis
Módulo 2 de 8 · 10 submódulos
Problemas éticos de los algoritmos
2.1Sesgo en datos de entrenamiento
2.2Equidad entre grupos demográficos
2.3Opacidad y explicabilidad
2.4Autonomía del paciente y decisión compartida
2.5Responsabilidad ante errores algorítmicos
2.6Sesgo de automatización en clínicos
2.7Privacidad y reidentificación
2.8Consentimiento para el uso de datos
2.9Acceso equitativo a la tecnología
2.10Taller: análisis ético de un algoritmo de dermatología
Módulo 3 de 8 · 10 submódulos
Marco regulatorio
3.1Reglamento europeo de IA y productos sanitarios
3.2Clasificación de alto riesgo por el MDR
3.3Guía MDCG sobre IA en productos sanitarios
3.4Principios GMLP de FDA, MHRA y Health Canada
3.5Plan de control de cambios predeterminado (PCCP)
3.6Norma ISO/IEC 42001
3.7BS/AAMI 34971 sobre riesgos de IA
3.8IEC 62304 aplicada a modelos
3.9RGPD y decisiones automatizadas
3.10Caso práctico: mapa regulatorio de un software de radiología
Módulo 4 de 8 · 10 submódulos
Gobernanza de datos y modelos
4.1Gobernanza de conjuntos de datos
4.2Calidad, representatividad y etiquetado
4.3Documentación: datasheets y model cards
4.4Separación de datos de entrenamiento y prueba
4.5Control de versiones de modelos
4.6Gestión de proveedores de datos
4.7Registro de decisiones de diseño
4.8Roles: propietario del modelo y comité
4.9Trazabilidad del ciclo de vida
4.10Práctica: redacción de una model card clínica
Módulo 5 de 8 · 10 submódulos
Evaluación de sesgo y rendimiento
5.1Métricas de rendimiento clínico
5.2Métricas de equidad: paridad e igualdad de oportunidades
5.3Análisis por subgrupos
5.4Validación externa y multicéntrica
5.5Calibración del modelo
5.6Robustez y cambio de distribución
5.7Explicabilidad: SHAP y mapas de saliencia
5.8Guías TRIPOD-AI y CONSORT-AI
5.9Estudios prospectivos e impacto clínico
5.10Laboratorio: auditoría de equidad con Fairlearn
Módulo 6 de 8 · 10 submódulos
Supervisión humana y transparencia
6.1Diseño de la supervisión humana
6.2Información al usuario sobre limitaciones
6.3Interfaz de explicación al clínico
6.4Comunicación al paciente
6.5Formación de usuarios clínicos
6.6Gestión del desacuerdo humano-algoritmo
6.7Registro de uso y trazabilidad de decisiones
6.8Transparencia pública y registros de algoritmos
6.9Participación de pacientes en la gobernanza
6.10Taller: diseño de la información de transparencia
Módulo 7 de 8 · 10 submódulos
Monitorización tras el despliegue
7.1Vigilancia del rendimiento en uso real
7.2Detección de deriva de datos y concepto
7.3Actualizaciones controladas del modelo
7.4Notificación de incidentes con IA
7.5Auditorías algorítmicas periódicas
7.6Gestión de reclamaciones y retroalimentación
7.7Indicadores de equidad en producción
7.8Retirada o desactivación del algoritmo
7.9Informes de seguimiento
7.10Caso práctico: deriva de un modelo tras cambio de escáner
Módulo 8 de 8 · 10 submódulos
Proyecto de gobernanza algorítmica
8.1Selección del dispositivo y algoritmo
8.2Evaluación ética y de impactos
8.3Análisis regulatorio
8.4Plan de gobernanza de datos
8.5Plan de evaluación de sesgo
8.6Diseño de la supervisión humana
8.7Plan de monitorización poscomercialización
8.8Estructura de gobernanza
8.9Memoria y presentación
8.10Revisión final con el tutor
¿Cuánto me va a llevar?
Mueve las horas que puedes dedicar cada semana y calculamos tu ritmo sobre las 800 h del programa.
—meses a ese ritmo
—semanas por módulo
—frente a los 800 horas · 6 a 8 meses previstos
¿Qué nivel tienes ya?
Cinco conceptos del propio temario. Marca lo que ya controlas y te decimos si te conviene el curso, el diplomado o el máster.
Automatización y responsabilidad clínica
Módulo 1 · Algoritmos en dispositivos médicos
Autonomía del paciente y decisión compartida
Módulo 2 · Problemas éticos de los algoritmos
Reglamento europeo de IA y productos sanitarios
Módulo 3 · Marco regulatorio
Roles: propietario del modelo y comité
Módulo 4 · Gobernanza de datos y modelos
Calibración del modelo
Módulo 5 · Evaluación de sesgo y rendimiento
Marca los cinco conceptos y te damos tu resultado.
Normas y estándares que vas a manejar
Reglamento (UE) 2024/1689 (Reglamento de Inteligencia Artificial)Reglamento (UE) 2017/745 (MDR)ISO/IEC 42001 (sistemas de gestión de IA)ISO/IEC 23894 (gestión del riesgo de IA)ISO/IEC TR 24027 (sesgo en sistemas de IA)Principios GMLP de FDA, Health Canada y MHRAReglamento (UE) 2016/679 (RGPD)
Cuerpo docente y expertos
Directores académicos de los institutos de SEIUM. El detalle de cada instituto está en la página de institutos.
Dr. Kevin O’ConnorDirector Académico del EET — Electronics & Embedded Technologies Institute.
Prof. Kenji TakahashiDirector Académico del SRA — Robotics & Autonomous Systems Institute.
Dra. Lucía Hernández VegaDirectora Académica del DAIS — Data, Artificial Intelligence & Simulation Institute.
1Rellenas la solicitud de admisiónTitulación o experiencia y firma, en una sola página.
2El sistema verifica la documentación al instanteEl sistema comprueba los datos y la firma al momento.
3Eliges modalidad de pago y reservas tu plazaPago único con descuento o entrada más cuotas mensuales. La matrícula de esta semana cierra el 27-11-2026.
¿Tienes titulación universitaria en ingeniería, ciencias o arquitectura, o experiencia profesional equivalente?
¿Trabajas o quieres trabajar en Salud, Biomecánica, Wearables & Seguridad Operacional?
¿Puedes mantener un ritmo de estudio constante durante 800 horas · 6 a 8 meses?
Responde las tres y te decimos por dónde seguir.
Requisitos de acceso
·Formación técnica previa o experiencia profesional en el sector. No se exige titulación universitaria.
·Conexión a internet y un ordenador capaz de ejecutar el software del programa.
·Nivel de español suficiente para seguir lectura de normativa técnica.
Cómo se estudia
Formación 100 % online en el campus de SEIUM, con material descargable, clases grabadas y tutor técnico asignado. Sin horarios fijos: el alumno avanza a su ritmo dentro de la convocatoria, lo que permite compatibilizarlo con el trabajo.
Cada módulo combina teoría, lectura guiada de la norma original y ejercicios aplicados. El software de trabajo es Python (scikit-learn), Fairlearn, AI Fairness 360, SHAP, MLflow, en versiones gratuitas, académicas o de evaluación. Los ensayos se estudian sobre procedimientos reales de auditorías de sesgo algorítmico, evaluación de rendimiento por subgrupos de población, revisión de la documentación técnica de IA. La evaluación es continua por módulo más el proyecto integrador final.
Son 8 módulos con 80 submódulos y 800 h de trabajo total. Abre por «Algoritmos en dispositivos médicos» y cierra con «Proyecto de gobernanza algorítmica».
Se trabajan Reglamento (UE) 2024/1689 (Reglamento de Inteligencia Artificial), Reglamento (UE) 2017/745 (MDR), ISO/IEC 42001 (sistemas de gestión de IA), ISO/IEC 23894 (gestión del riesgo de IA), ISO/IEC TR 24027 (sesgo en sistemas de IA) y Principios GMLP de FDA, Health Canada y MHRA.
Los perfiles más directos son Responsable de gobernanza de IA, Especialista en ética de algoritmos, Científico de datos clínicos, Auditor de sistemas de IA y Especialista regulatorio en software sanitario.
En un pago son 712 €, sobre una tarifa de 890 €. A plazos, una entrada de 356 € y 6 cuotas de 89 €, 890 € en total, sin intereses: lo mismo que la tarifa.
Formación técnica previa o experiencia profesional en el sector. No se exige titulación universitaria, Conexión a internet y un ordenador capaz de ejecutar el software del programa y Nivel de español suficiente para seguir lectura de normativa técnica.
El programa son 800 horas totales repartidas en 6 a 8 meses. Eso son entre 10 y 15 horas semanales de media, compatibles con jornada laboral completa.
Se trabaja con Python (scikit-learn), Fairlearn, AI Fairness 360, SHAP, MLflow. Se usan versiones gratuitas, académicas o de evaluación, y el tutor indica la alternativa libre cuando existe.
Diploma propio de SEIUM al superar la evaluación continua y el proyecto integrador. Es formación propia, no un título oficial del Ministerio.
Sí. Los módulos superados en un curso o diplomado del mismo área convalidan en el programa superior. Consulta la política de convalidaciones al matricularte.
Inicio de clases: 22 de diciembre de 2026712 €Matricularme
Antes de decidir
¿Qué sacarías tú de este diplomado?
No es lo mismo llegar aquí recién titulado que con diez años en el sector. Dinos de dónde vienes.
Qué te aportaPasar de la teoría de carrera al criterio de proyecto: qué norma aplica a cada parte del trabajo, qué criterios de aceptación se fijan antes de ejecutar y cómo se deja todo documentado.
Dónde vas a sudarEl módulo de normativa y evidencia documental, si todavía no has trabajado dentro de un proyecto real con auditoría de por medio.
Con qué salesCon una memoria técnica propia, sobre un caso real, que puedes poner encima de la mesa en una entrevista.
Qué te aportaFormalizar lo que ya haces por oficio: distinguir requisito obligatorio de buena práctica, justificar por escrito las decisiones técnicas y dejar el trabajo trazable.
Dónde vas a sudarPoco en contenido. El esfuerzo real está en el proyecto final y en su defensa.
Con qué salesCon el diplomado acreditado y un proyecto hecho sobre un caso de tu propio trabajo.
Qué te aportaLa base técnica de Salud, Biomecánica, Wearables & Seguridad Operacional y el marco normativo del ámbito desde cero, sin dar por sabido el vocabulario del sector.
Dónde vas a sudarLas primeras semanas, por terminología. A partir del segundo módulo se nivela.
Con qué salesCon un perfil de entrada acreditado en Salud, Biomecánica, Wearables & Seguridad Operacional y un proyecto que demuestra que sabes aplicarlo.
¿Te va a dar la vida?
Calcula tu ritmo real
Son 800 horas. Mueve el control y mira cuánto tardarías tú de verdad.
—para terminar
¿Y esto para qué me sirve?
Marca lo que más te interesa
Elige hasta 3 módulos y te digo cuánto pesan en el programa y a qué perfiles prepara.
Perfiles a los que prepara
Responsable de gobernanza de IA
Especialista en ética de algoritmos
Científico de datos clínicos
En tecnología sanitaria, salud digital y consultoría regulatoria.
Con sinceridad
¿Es para ti?
Sí, si quieres…
Trabajar en Salud, Biomecánica, Wearables & Seguridad Operacional con criterio de norma, no solo de intuición.
Saber justificar por escrito por qué tomaste una decisión técnica.
Terminar con una memoria técnica tuya, sobre un caso real.
Avanzar a tu ritmo, compatible con una jornada completa.
No, si buscas…
Un título rápido sin entregar trabajo propio.
Clases en directo con horario fijo: el programa es asíncrono.
Empezar mañana: las clases empiezan justo un mes después de matricularte.
Formación de taller o práctica presencial con maquinaria.
¿Te queda una duda?
Pregunta algo concreto
Escríbela aquí y la pasamos al formulario de contacto con la formación ya identificada.