Defensa de tesis doctoral de Sergio Rubio Martín y principales resultados científicos
El pasado martes 13 de enero de 2026, Sergio Rubio Martín defendió su tesis doctoral titulada “Desarrollo de Modelos Híbridos Integrando Modelos de Lenguaje y Grafos de Conocimiento para Estructurar Datos en Notas Clínicas Electrónicas de Psiquiatría”, dirigida por Maite García Ordás y José Alberto Benítez Andrades.
Proyecto y financiación
La tesis se ha desarrollado en el marco del proyecto PID2023-146168OA-I00, “Motor de conocimiento basado en NLP para la detección de intentos de suicidio (SUICIDETECT)”, financiado por el Ministerio de Ciencia, Innovación y Universidades.
El trabajo se centra en la aplicación de técnicas avanzadas de Procesamiento del Lenguaje Natural (NLP), modelos de lenguaje y grafos de conocimiento para estructurar información clínica no estructurada en psiquiatría, facilitando tareas de análisis automático, clasificación, normalización conceptual y apoyo a la investigación en salud mental.
Principales aportaciones científicas
- Integración de modelos de lenguaje con grafos de conocimiento para estructurar notas clínicas electrónicas.
- Comparación de enfoques de aprendizaje automático y deep learning para clasificación diagnóstica.
- Aplicaciones en texto clínico en español, detección de TEA (ASD) y modelado predictivo en contextos sanitarios.
- Resultados validados mediante publicaciones JCR y congresos internacionales de referencia.
Publicaciones en revistas JCR
- Rubio-Martín S, García-Ordás MT, Serrano-García A, Franch-Pato CM, Crespo-Álvaro A, Benítez-Andrades JA.
Classification of psychiatry clinical notes by diagnosis: a deep learning and machine learning approach.
PeerJ Computer Science, 2025, 11:e3045. https://doi.org/10.7717/peerj-cs.3045 - Rubio-Martín S, García-Ordás MT, Bayón-Gutiérrez M, Prieto-Fernández N, Benítez-Andrades JA.
Enhancing ASD detection accuracy: a combined approach of machine learning and deep learning models with natural language processing.
Health Information Science and Systems, 2024, 12(1). https://doi.org/10.1007/S13755-024-00281-Y
Congresos internacionales
- Fine-Tuning Transformer Models for Structuring Spanish Psychiatric Clinical Notes, IEEE CBMS 2025. https://doi.org/10.1109/CBMS65348.2025.00028
- AI-Driven Survival Prediction in Pancreatic Cancer, IEEE CBMS 2025. https://doi.org/10.1109/CBMS65348.2025.00064
- Early Detection of Autism Spectrum Disorder through AI-Powered Analysis of Social Media Texts, IEEE CBMS 2023. https://doi.org/10.1109/CBMS58004.2023.00223
- Text Classification of Users Claiming to Have ASD Using Traditional Machine Learning Techniques, Springer Proceedings. https://doi.org/10.1007/978-3-031-25840-4_24
Congresos nacionales
- Concept Normalization in Psychiatry: Comparing Embedding and Lexical Methods for Spanish Clinical Text, CIABiomed 2025 (LNCS). https://doi.org/10.1007/978-3-032-10661-2_22
Desde ALBA
Desde el grupo ALBA (Advanced Learning for Biomedical Analytics) queremos felicitar a Sergio por este importante logro académico y científico.
Esta tesis refuerza nuestra línea estratégica en IA aplicada a salud y análisis de texto clínico, y consolida nuevas metodologías híbridas que combinan modelos generativos con conocimiento estructurado para extraer valor real de los datos sanitarios.
Enhorabuena a Sergio, a la dirección de tesis y a todas las personas implicadas por el excelente trabajo realizado.
