Novedades

Un nuevo estudio liderado por la Universidad de León demuestra que modelos de inteligencia artificial pueden predecir la evolución del dolor y la discapacidad en pacientes con dolor lumbar subagudo, combinando datos clínicos y factores psicológicos. Este avance abre la puerta a tratamientos más personalizados y decisiones clínicas más precisas en atención primaria.

La Dra. Ana González Castro defendió su tesis doctoral sobre la predicción del riesgo de caídas en personas mayores mediante técnicas de inteligencia artificial. El trabajo integra datos clínicos y acelerométricos y ha dado lugar a publicaciones en revistas JCR y a contribuciones en congresos internacionales, reforzando la investigación en IA aplicada a envejecimiento saludable.

Un nuevo estudio publicado en la revista Scientific Reports analiza la viabilidad de utilizar sensores portátiles y modelos de inteligencia artificial para predecir el equilibrio postural en población infantil. A partir de datos de acelerometría recogidos durante tareas sencillas, el trabajo demuestra el potencial de estas tecnologías para apoyar la evaluación objetiva del desarrollo motor en contextos escolares.

Sergio Rubio Martín defendió su tesis doctoral sobre modelos híbridos que integran lenguaje natural y grafos de conocimiento para estructurar notas clínicas electrónicas en psiquiatría, en el marco del proyecto SUICIDETECT financiado por el Ministerio de Ciencia, Innovación y Universidades. El trabajo ha dado lugar a publicaciones en revistas JCR y congresos internacionales de referencia, consolidando las líneas de investigación del grupo ALBA en IA aplicada a salud mental.

Investigadores de la Universidad de León han desarrollado modelos de machine learning y deep learning para clasificar notas clínicas reales de pacientes con trastorno de ansiedad y trastorno de adaptación. El estudio demuestra que técnicas como XGBoost y SciBERT alcanzan hasta un 97 % de precisión, mostrando el potencial de la inteligencia artificial para apoyar el diagnóstico en salud mental.

Investigadores de la Universidad de León han desarrollado modelos de machine learning y deep learning para clasificar notas clínicas reales de pacientes con trastorno de ansiedad y trastorno de adaptación. El estudio demuestra que técnicas como XGBoost y SciBERT alcanzan hasta un 97 % de precisión, mostrando el potencial de la inteligencia artificial para apoyar el diagnóstico en salud mental.

El grupo ALBA – Advanced Learning for Biomedical Analytics (Universidad de León) ha presentado dos contribuciones científicas en el congreso internacional IEEE CBMS 2025 (Computer-Based Medical Systems), celebrado en Madrid. Los trabajos abordan, respectivamente, el procesamiento del lenguaje clínico en español y la predicción de supervivencia en cáncer de páncreas mediante técnicas de aprendizaje automático interpretables.