Aplicación de técnicas de inteligencia artificial en la prevención de problemas de salud mental
- Autores
- Di Felice, Martín; Lamas, C.; Maleh, F.; Sabelli, Agustín; Norscini, J.; Ramón, Hugo Dionisio; Deroche, Ariel; Montenegro Aguilar, G.; Pytel, Pablo; Vegega, Cinthia; Chatterjee, Parag; Pollo Cattaneo, María Florencia
- Año de publicación
- 2023
- Idioma
- español castellano
- Tipo de recurso
- documento de conferencia
- Estado
- versión publicada
- Descripción
- La Organización Mundial de la Salud define a la salud mental como un “estado de bienestar en el que las personas son conscientes de sus propias capacidades, pueden hacer frente a las tensiones normales de la vida, pueden trabajar de manera productiva y fructífera, y son capaces de contribuir a su comunidad”. Los trastornos mentales y los trastornos relacionados con sustancias psicoactivas son muy prevalentes en todo el mundo y contribuyen de manera importante a la morbilidad, la discapacidad y la mortalidad prematura. Por otro lado, en los avances recientes de la medicina moderna, la Inteligencia Artificial (IA) se destaca como uno de los principales actores, principalmente para la atención médica predictiva y preventiva. En adición, con el advenimiento de los enfoques digitales para la salud mental, la IA moderna, en particular el aprendizaje automático, se utiliza en el desarrollo de soluciones de predicción, detección y tratamiento para la atención de la salud mental. Aunque ha habido un progreso considerable en la salud digital y la aplicación de la IA a la salud física en general, la adopción de la IA en la salud mental es relativamente incipiente. Durante la pandemia de COVID-19, los casos reportados sobre trastornos de ansiedad y depresión han aumentado un 74% según una encuesta de la Asociación Estadounidense de Psicología. Específicamente en América Latina, la brecha de tratamiento para la depresión es del 73,9%. Una parte importante de los trastornos de salud mental es prevenible si se detecta a tiempo y se trata adecuadamente. Este trabajo apunta precisamente a la incorporación de la IA en la salud mental, hacia una atención médica predictiva, preventiva, personalizada y de precisión. El objetivo principal es desarrollar algoritmos predictivos para el diagnóstico temprano de trastornos de salud mental, incluida la depresión, seguido del uso de aprendizaje automático para realizar análisis predictivos de los datos clínicos.
Red de Universidades con Carreras en Informática - Materia
-
Ciencias Informáticas
Inteligencia artificial
Sistemas inteligentes
Aprendizaje automático
Salud mental
análisis predictivo - Nivel de accesibilidad
- acceso abierto
- Condiciones de uso
- http://creativecommons.org/licenses/by-nc-sa/4.0/
- Repositorio
- Institución
- Universidad Nacional de La Plata
- OAI Identificador
- oai:sedici.unlp.edu.ar:10915/163848
Ver los metadatos del registro completo
id |
SEDICI_1bbb9950d83cce179ec82142ea35f5ac |
---|---|
oai_identifier_str |
oai:sedici.unlp.edu.ar:10915/163848 |
network_acronym_str |
SEDICI |
repository_id_str |
1329 |
network_name_str |
SEDICI (UNLP) |
spelling |
Aplicación de técnicas de inteligencia artificial en la prevención de problemas de salud mentalDi Felice, MartínLamas, C.Maleh, F.Sabelli, AgustínNorscini, J.Ramón, Hugo DionisioDeroche, ArielMontenegro Aguilar, G.Pytel, PabloVegega, CinthiaChatterjee, ParagPollo Cattaneo, María FlorenciaCiencias InformáticasInteligencia artificialSistemas inteligentesAprendizaje automáticoSalud mentalanálisis predictivoLa Organización Mundial de la Salud define a la salud mental como un “estado de bienestar en el que las personas son conscientes de sus propias capacidades, pueden hacer frente a las tensiones normales de la vida, pueden trabajar de manera productiva y fructífera, y son capaces de contribuir a su comunidad”. Los trastornos mentales y los trastornos relacionados con sustancias psicoactivas son muy prevalentes en todo el mundo y contribuyen de manera importante a la morbilidad, la discapacidad y la mortalidad prematura. Por otro lado, en los avances recientes de la medicina moderna, la Inteligencia Artificial (IA) se destaca como uno de los principales actores, principalmente para la atención médica predictiva y preventiva. En adición, con el advenimiento de los enfoques digitales para la salud mental, la IA moderna, en particular el aprendizaje automático, se utiliza en el desarrollo de soluciones de predicción, detección y tratamiento para la atención de la salud mental. Aunque ha habido un progreso considerable en la salud digital y la aplicación de la IA a la salud física en general, la adopción de la IA en la salud mental es relativamente incipiente. Durante la pandemia de COVID-19, los casos reportados sobre trastornos de ansiedad y depresión han aumentado un 74% según una encuesta de la Asociación Estadounidense de Psicología. Específicamente en América Latina, la brecha de tratamiento para la depresión es del 73,9%. Una parte importante de los trastornos de salud mental es prevenible si se detecta a tiempo y se trata adecuadamente. Este trabajo apunta precisamente a la incorporación de la IA en la salud mental, hacia una atención médica predictiva, preventiva, personalizada y de precisión. El objetivo principal es desarrollar algoritmos predictivos para el diagnóstico temprano de trastornos de salud mental, incluida la depresión, seguido del uso de aprendizaje automático para realizar análisis predictivos de los datos clínicos.Red de Universidades con Carreras en Informática2023-04info:eu-repo/semantics/conferenceObjectinfo:eu-repo/semantics/publishedVersionObjeto de conferenciahttp://purl.org/coar/resource_type/c_5794info:ar-repo/semantics/documentoDeConferenciaapplication/pdfhttp://sedici.unlp.edu.ar/handle/10915/163848spainfo:eu-repo/semantics/altIdentifier/isbn/978-987-3724-66-4info:eu-repo/semantics/altIdentifier/isbn/978-987-3724-67-1info:eu-repo/semantics/reference/url/https://sedici.unlp.edu.ar/handle/10915/162004info:eu-repo/semantics/reference/url/https://sedici.unlp.edu.ar/handle/10915/161620info:eu-repo/semantics/openAccesshttp://creativecommons.org/licenses/by-nc-sa/4.0/Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International (CC BY-NC-SA 4.0)reponame:SEDICI (UNLP)instname:Universidad Nacional de La Platainstacron:UNLP2025-09-29T11:43:06Zoai:sedici.unlp.edu.ar:10915/163848Institucionalhttp://sedici.unlp.edu.ar/Universidad públicaNo correspondehttp://sedici.unlp.edu.ar/oai/snrdalira@sedici.unlp.edu.arArgentinaNo correspondeNo correspondeNo correspondeopendoar:13292025-09-29 11:43:07.204SEDICI (UNLP) - Universidad Nacional de La Platafalse |
dc.title.none.fl_str_mv |
Aplicación de técnicas de inteligencia artificial en la prevención de problemas de salud mental |
title |
Aplicación de técnicas de inteligencia artificial en la prevención de problemas de salud mental |
spellingShingle |
Aplicación de técnicas de inteligencia artificial en la prevención de problemas de salud mental Di Felice, Martín Ciencias Informáticas Inteligencia artificial Sistemas inteligentes Aprendizaje automático Salud mental análisis predictivo |
title_short |
Aplicación de técnicas de inteligencia artificial en la prevención de problemas de salud mental |
title_full |
Aplicación de técnicas de inteligencia artificial en la prevención de problemas de salud mental |
title_fullStr |
Aplicación de técnicas de inteligencia artificial en la prevención de problemas de salud mental |
title_full_unstemmed |
Aplicación de técnicas de inteligencia artificial en la prevención de problemas de salud mental |
title_sort |
Aplicación de técnicas de inteligencia artificial en la prevención de problemas de salud mental |
dc.creator.none.fl_str_mv |
Di Felice, Martín Lamas, C. Maleh, F. Sabelli, Agustín Norscini, J. Ramón, Hugo Dionisio Deroche, Ariel Montenegro Aguilar, G. Pytel, Pablo Vegega, Cinthia Chatterjee, Parag Pollo Cattaneo, María Florencia |
author |
Di Felice, Martín |
author_facet |
Di Felice, Martín Lamas, C. Maleh, F. Sabelli, Agustín Norscini, J. Ramón, Hugo Dionisio Deroche, Ariel Montenegro Aguilar, G. Pytel, Pablo Vegega, Cinthia Chatterjee, Parag Pollo Cattaneo, María Florencia |
author_role |
author |
author2 |
Lamas, C. Maleh, F. Sabelli, Agustín Norscini, J. Ramón, Hugo Dionisio Deroche, Ariel Montenegro Aguilar, G. Pytel, Pablo Vegega, Cinthia Chatterjee, Parag Pollo Cattaneo, María Florencia |
author2_role |
author author author author author author author author author author author |
dc.subject.none.fl_str_mv |
Ciencias Informáticas Inteligencia artificial Sistemas inteligentes Aprendizaje automático Salud mental análisis predictivo |
topic |
Ciencias Informáticas Inteligencia artificial Sistemas inteligentes Aprendizaje automático Salud mental análisis predictivo |
dc.description.none.fl_txt_mv |
La Organización Mundial de la Salud define a la salud mental como un “estado de bienestar en el que las personas son conscientes de sus propias capacidades, pueden hacer frente a las tensiones normales de la vida, pueden trabajar de manera productiva y fructífera, y son capaces de contribuir a su comunidad”. Los trastornos mentales y los trastornos relacionados con sustancias psicoactivas son muy prevalentes en todo el mundo y contribuyen de manera importante a la morbilidad, la discapacidad y la mortalidad prematura. Por otro lado, en los avances recientes de la medicina moderna, la Inteligencia Artificial (IA) se destaca como uno de los principales actores, principalmente para la atención médica predictiva y preventiva. En adición, con el advenimiento de los enfoques digitales para la salud mental, la IA moderna, en particular el aprendizaje automático, se utiliza en el desarrollo de soluciones de predicción, detección y tratamiento para la atención de la salud mental. Aunque ha habido un progreso considerable en la salud digital y la aplicación de la IA a la salud física en general, la adopción de la IA en la salud mental es relativamente incipiente. Durante la pandemia de COVID-19, los casos reportados sobre trastornos de ansiedad y depresión han aumentado un 74% según una encuesta de la Asociación Estadounidense de Psicología. Específicamente en América Latina, la brecha de tratamiento para la depresión es del 73,9%. Una parte importante de los trastornos de salud mental es prevenible si se detecta a tiempo y se trata adecuadamente. Este trabajo apunta precisamente a la incorporación de la IA en la salud mental, hacia una atención médica predictiva, preventiva, personalizada y de precisión. El objetivo principal es desarrollar algoritmos predictivos para el diagnóstico temprano de trastornos de salud mental, incluida la depresión, seguido del uso de aprendizaje automático para realizar análisis predictivos de los datos clínicos. Red de Universidades con Carreras en Informática |
description |
La Organización Mundial de la Salud define a la salud mental como un “estado de bienestar en el que las personas son conscientes de sus propias capacidades, pueden hacer frente a las tensiones normales de la vida, pueden trabajar de manera productiva y fructífera, y son capaces de contribuir a su comunidad”. Los trastornos mentales y los trastornos relacionados con sustancias psicoactivas son muy prevalentes en todo el mundo y contribuyen de manera importante a la morbilidad, la discapacidad y la mortalidad prematura. Por otro lado, en los avances recientes de la medicina moderna, la Inteligencia Artificial (IA) se destaca como uno de los principales actores, principalmente para la atención médica predictiva y preventiva. En adición, con el advenimiento de los enfoques digitales para la salud mental, la IA moderna, en particular el aprendizaje automático, se utiliza en el desarrollo de soluciones de predicción, detección y tratamiento para la atención de la salud mental. Aunque ha habido un progreso considerable en la salud digital y la aplicación de la IA a la salud física en general, la adopción de la IA en la salud mental es relativamente incipiente. Durante la pandemia de COVID-19, los casos reportados sobre trastornos de ansiedad y depresión han aumentado un 74% según una encuesta de la Asociación Estadounidense de Psicología. Específicamente en América Latina, la brecha de tratamiento para la depresión es del 73,9%. Una parte importante de los trastornos de salud mental es prevenible si se detecta a tiempo y se trata adecuadamente. Este trabajo apunta precisamente a la incorporación de la IA en la salud mental, hacia una atención médica predictiva, preventiva, personalizada y de precisión. El objetivo principal es desarrollar algoritmos predictivos para el diagnóstico temprano de trastornos de salud mental, incluida la depresión, seguido del uso de aprendizaje automático para realizar análisis predictivos de los datos clínicos. |
publishDate |
2023 |
dc.date.none.fl_str_mv |
2023-04 |
dc.type.none.fl_str_mv |
info:eu-repo/semantics/conferenceObject info:eu-repo/semantics/publishedVersion Objeto de conferencia http://purl.org/coar/resource_type/c_5794 info:ar-repo/semantics/documentoDeConferencia |
format |
conferenceObject |
status_str |
publishedVersion |
dc.identifier.none.fl_str_mv |
http://sedici.unlp.edu.ar/handle/10915/163848 |
url |
http://sedici.unlp.edu.ar/handle/10915/163848 |
dc.language.none.fl_str_mv |
spa |
language |
spa |
dc.relation.none.fl_str_mv |
info:eu-repo/semantics/altIdentifier/isbn/978-987-3724-66-4 info:eu-repo/semantics/altIdentifier/isbn/978-987-3724-67-1 info:eu-repo/semantics/reference/url/https://sedici.unlp.edu.ar/handle/10915/162004 info:eu-repo/semantics/reference/url/https://sedici.unlp.edu.ar/handle/10915/161620 |
dc.rights.none.fl_str_mv |
info:eu-repo/semantics/openAccess http://creativecommons.org/licenses/by-nc-sa/4.0/ Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International (CC BY-NC-SA 4.0) |
eu_rights_str_mv |
openAccess |
rights_invalid_str_mv |
http://creativecommons.org/licenses/by-nc-sa/4.0/ Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International (CC BY-NC-SA 4.0) |
dc.format.none.fl_str_mv |
application/pdf |
dc.source.none.fl_str_mv |
reponame:SEDICI (UNLP) instname:Universidad Nacional de La Plata instacron:UNLP |
reponame_str |
SEDICI (UNLP) |
collection |
SEDICI (UNLP) |
instname_str |
Universidad Nacional de La Plata |
instacron_str |
UNLP |
institution |
UNLP |
repository.name.fl_str_mv |
SEDICI (UNLP) - Universidad Nacional de La Plata |
repository.mail.fl_str_mv |
alira@sedici.unlp.edu.ar |
_version_ |
1844616300282773504 |
score |
13.070432 |