Una nueva tesis doctoral defendida del grupo ALBA analiza la comunicación y las interacciones de las asociaciones españolas de enfermedades raras en Twitter/X

Tesis Marta 1

El pasado 30 de julio de 2026, nuestra compañera Marta Martínez Martínez defendió su tesis doctoral, titulada «Interacciones y dinámicas de las asociaciones españolas de enfermedades raras en Twitter/X», en la Biblioteca Universitaria San Isidoro de la Universidad de León.

La investigación analiza la actividad de las asociaciones españolas de enfermedades raras en Twitter/X, prestando especial atención a cómo interactúan entre sí y con otros actores, qué características presentan sus mensajes y qué factores influyen en la atención que reciben sus publicaciones, medida a través de retweets y likes.

El trabajo combina diferentes aproximaciones metodológicas, como el análisis de redes sociales, el análisis de contenido y modelos estadísticos. Además, incorpora el marco salutogénico y el sentido de coherencia de Antonovsky para estudiar la comunicación desarrollada por estas organizaciones.

Los resultados ponen de relieve el papel de las redes sociales como espacios de información, visibilidad, apoyo y conexión para las asociaciones y las personas que conviven con enfermedades raras, un colectivo especialmente condicionado por la baja prevalencia y la dispersión de estas patologías.

La defensa contó con la presencia de varios compañeros y compañeras del grupo de investigación ALBA, que acompañaron a Marta en este importante momento de su trayectoria académica e investigadora.

La tesis, desarrollada en el programa de doctorado Salud y Motricidad Humana, fue dirigida por la Dra. Pilar Márqués Sánchez y el Dr. Isaías García Rodríguez, y obtuvo la calificación de sobresaliente cum laude.

La Inteligencia Artificial explicable abra nuevas vías para la detección de la depresión a partir del lenguaje

Visual Abstract Depresión

La Inteligencia Artificial explicable abra nuevas vías para la detección de la depresión a partir del lenguaje

🧠🤖 En salud mental, obtener una predicción no es suficiente: también necesitamos comprender cómo se ha generado.

Desde el grupo ALBA de la Universidad de León, en colaboración con el Departamento de Inteligencia Artificial de Xeridia, hemos desarrollado un método para estimar la gravedad de la depresión a partir de transcripciones de entrevistas clínicas.

En nuestro trabajo utilizamos grandes modelos de lenguaje para transformar el contenido de las entrevistas en diez variables interpretables, vinculadas con dimensiones clínicas del PHQ-8. A partir de ellas, un modelo de regresión calcula la puntuación estimada, mientras que SHAP permite conocer la influencia de cada variable en el resultado. 🔍

📊 La combinación de GPT-4o-mini y Ridge redujo hasta un 30 % el error frente a representaciones tradicionales como TF-IDF y Word2Vec. Además, identificamos los sentimientos de culpa y la ideación suicida entre los factores con mayor relevancia predictiva.

Nuestro estudio combina modelos de lenguaje, capacidad predictiva y explicaciones clínicamente comprensibles para avanzar hacia herramientas de inteligencia artificial más transparentes en el ámbito de la salud mental.

📄 Publicado en Applied Soft Computing
🔗 https://lnkd.in/euZ4B6hU

🤝 ALBA Research Group (Universidad de León) · Xeridia

portada_paper_depresión