Skip to content

Avances del grupo ALBA en IA y Salud: dos comunicaciones en IEEE CBMS 2025 (Madrid)

1750416402014

En nuestro último trabajo, aplicamos modelos de machine learning y deep learning para analizar notas clínicas reales de pacientes del Complejo Asistencial Universitario de León (CAULE).

Resultados destacados:

  • Modelos como XGBoost y SciBERT lograron hasta un 97 % de precisión en la clasificación de diagnósticos.

  • El estudio confirma la viabilidad de la IA para respaldar al personal clínico en la identificación de trastornos mentales.

  • Se trata de un enfoque de investigación que combina colaboración interdisciplinar entre psiquiatras e ingenieros.

Este trabajo forma parte del proyecto de investigación PID2023-146168OA-I00, financiado por el Ministerio de Ciencia, Innovación y Universidades.

 Lee el artículo completo aquí: Acceso al paper

Autores / Authors

  • Sergio Rubio Martín

  • Maite García Ordás

  • Antonio Serrano García

  • Arturo Crespo Álvaro

  • José Alberto Benítez Andrades

 

Puede que te interese...

IA y Salud Mental: modelos de machine learning alcanzan un 97 % de precisión en diagnósticos psiquiátricos

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.