Aplicación de IA en salud mental: resultados y nuevas líneas de trabajo del grupo Gemis

Autores
Di Felice, Martín; Lamas, Chabela; Maleh, Federico; Norscini, J.; Ramón, Hugo Dionisio; Deroche, Ariel; Lebedinsky, Milena; Leguizamón, Rocío; Montenegro Aguilar, Gabriel; Trupkin, Ilan; Pytel, Pablo; Vegega, Cinthia; Chatterjee, Parag; Pollo Cattaneo, María Florencia
Año de publicación
2025
Idioma
español castellano
Tipo de recurso
documento de conferencia
Estado
versión publicada
Descripción
La salud mental es un pilar fundamental del bienestar humano, influyendo directamente en la calidad de vida y en el desempeño diario de las personas. En los últimos años, la creciente conciencia sobre la prevalencia y el impacto de los trastornos mentales ha impulsado el desarrollo de enfoques innovadores que complementen las estrategias tradicionales de diagnóstico y tratamiento. En este contexto, la inteligencia artificial (IA) ha emergido como una herramienta transformadora, capaz de procesar grandes volúmenes de datos clínicos, conductuales y genéticos para mejorar la detección temprana de patologías, personalizar intervenciones terapéuticas y optimizar la toma de decisiones en entornos clínicos. Desde 2022, el Grupo GEMISGEMIS.BA de la Universidad Tecnológica Nacional - Facultad Regional Buenos Aires se encuentra trabajando en una nueva línea de investigación sobre la aplicación de IA en salud mental. En esta línea de trabajo, además del desarrollo de modelos predictivos basados en datos clínicos y del análisis automatizado de señales e imágenes para la identificación de nuevos patrones y predictores, se ha incorporado el estudio de los sistemas de apoyo a la decisión clínica (Clinical Decision Support System - CDSS) basados en IA. Esta nueva dimensión de investigación busca evaluar la viabilidad, aceptación y potencial de estas herramientas en la práctica clínica, con el objetivo de mejorar la precisión diagnóstica y la personalización del tratamiento. Asimismo, en el marco de este proyecto, se ha ampliado el enfoque metodológico mediante la aplicación de modelos tanto supervisados como no supervisados, lo que permite abordar el desafío de trabajar con datos no etiquetados, una situación común en el ámbito de la salud mental. Esta estrategia busca no solo mejorar la capacidad predictiva de los modelos, sino también ampliar su aplicabilidad en escenarios clínicos reales. El presente trabajo expone los avances recientes en esta línea de investigación, destacando las contribuciones del uso de IA en salud mental y las oportunidades que ofrecen los enfoques híbridos para el desarrollo de herramientas más precisas y accesibles en el ámbito clínico.
Red de Universidades con Carreras en Informática
Materia
Ciencias Informáticas
Inteligencia artificial
sistemas inteligentes
Salud mental
predicción
aprendizaje automático
Nivel de accesibilidad
acceso abierto
Condiciones de uso
http://creativecommons.org/licenses/by-nc-sa/4.0/
Repositorio
SEDICI (UNLP)
Institución
Universidad Nacional de La Plata
OAI Identificador
oai:sedici.unlp.edu.ar:10915/183470

id SEDICI_1dcc2aefa540f1e11bae7c0376e60c95
oai_identifier_str oai:sedici.unlp.edu.ar:10915/183470
network_acronym_str SEDICI
repository_id_str 1329
network_name_str SEDICI (UNLP)
spelling Aplicación de IA en salud mental: resultados y nuevas líneas de trabajo del grupo GemisDi Felice, MartínLamas, ChabelaMaleh, FedericoNorscini, J.Ramón, Hugo DionisioDeroche, ArielLebedinsky, MilenaLeguizamón, RocíoMontenegro Aguilar, GabrielTrupkin, IlanPytel, PabloVegega, CinthiaChatterjee, ParagPollo Cattaneo, María FlorenciaCiencias InformáticasInteligencia artificialsistemas inteligentesSalud mentalpredicciónaprendizaje automáticoLa salud mental es un pilar fundamental del bienestar humano, influyendo directamente en la calidad de vida y en el desempeño diario de las personas. En los últimos años, la creciente conciencia sobre la prevalencia y el impacto de los trastornos mentales ha impulsado el desarrollo de enfoques innovadores que complementen las estrategias tradicionales de diagnóstico y tratamiento. En este contexto, la inteligencia artificial (IA) ha emergido como una herramienta transformadora, capaz de procesar grandes volúmenes de datos clínicos, conductuales y genéticos para mejorar la detección temprana de patologías, personalizar intervenciones terapéuticas y optimizar la toma de decisiones en entornos clínicos. Desde 2022, el Grupo GEMISGEMIS.BA de la Universidad Tecnológica Nacional - Facultad Regional Buenos Aires se encuentra trabajando en una nueva línea de investigación sobre la aplicación de IA en salud mental. En esta línea de trabajo, además del desarrollo de modelos predictivos basados en datos clínicos y del análisis automatizado de señales e imágenes para la identificación de nuevos patrones y predictores, se ha incorporado el estudio de los sistemas de apoyo a la decisión clínica (Clinical Decision Support System - CDSS) basados en IA. Esta nueva dimensión de investigación busca evaluar la viabilidad, aceptación y potencial de estas herramientas en la práctica clínica, con el objetivo de mejorar la precisión diagnóstica y la personalización del tratamiento. Asimismo, en el marco de este proyecto, se ha ampliado el enfoque metodológico mediante la aplicación de modelos tanto supervisados como no supervisados, lo que permite abordar el desafío de trabajar con datos no etiquetados, una situación común en el ámbito de la salud mental. Esta estrategia busca no solo mejorar la capacidad predictiva de los modelos, sino también ampliar su aplicabilidad en escenarios clínicos reales. El presente trabajo expone los avances recientes en esta línea de investigación, destacando las contribuciones del uso de IA en salud mental y las oportunidades que ofrecen los enfoques híbridos para el desarrollo de herramientas más precisas y accesibles en el ámbito clínico.Red de Universidades con Carreras en Informática2025-04info:eu-repo/semantics/conferenceObjectinfo:eu-repo/semantics/publishedVersionObjeto de conferenciahttp://purl.org/coar/resource_type/c_5794info:ar-repo/semantics/documentoDeConferenciaapplication/pdf7-11http://sedici.unlp.edu.ar/handle/10915/183470spainfo:eu-repo/semantics/altIdentifier/isbn/978-987-575-267-2info:eu-repo/semantics/reference/url/https://sedici.unlp.edu.ar/handle/10915/182261info: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:UNLP2025-09-29T11:50:12Zoai:sedici.unlp.edu.ar:10915/183470Institucionalhttp://sedici.unlp.edu.ar/Universidad públicaNo correspondehttp://sedici.unlp.edu.ar/oai/snrdalira@sedici.unlp.edu.arArgentinaNo correspondeNo correspondeNo correspondeopendoar:13292025-09-29 11:50:12.762SEDICI (UNLP) - Universidad Nacional de La Platafalse
dc.title.none.fl_str_mv Aplicación de IA en salud mental: resultados y nuevas líneas de trabajo del grupo Gemis
title Aplicación de IA en salud mental: resultados y nuevas líneas de trabajo del grupo Gemis
spellingShingle Aplicación de IA en salud mental: resultados y nuevas líneas de trabajo del grupo Gemis
Di Felice, Martín
Ciencias Informáticas
Inteligencia artificial
sistemas inteligentes
Salud mental
predicción
aprendizaje automático
title_short Aplicación de IA en salud mental: resultados y nuevas líneas de trabajo del grupo Gemis
title_full Aplicación de IA en salud mental: resultados y nuevas líneas de trabajo del grupo Gemis
title_fullStr Aplicación de IA en salud mental: resultados y nuevas líneas de trabajo del grupo Gemis
title_full_unstemmed Aplicación de IA en salud mental: resultados y nuevas líneas de trabajo del grupo Gemis
title_sort Aplicación de IA en salud mental: resultados y nuevas líneas de trabajo del grupo Gemis
dc.creator.none.fl_str_mv Di Felice, Martín
Lamas, Chabela
Maleh, Federico
Norscini, J.
Ramón, Hugo Dionisio
Deroche, Ariel
Lebedinsky, Milena
Leguizamón, Rocío
Montenegro Aguilar, Gabriel
Trupkin, Ilan
Pytel, Pablo
Vegega, Cinthia
Chatterjee, Parag
Pollo Cattaneo, María Florencia
author Di Felice, Martín
author_facet Di Felice, Martín
Lamas, Chabela
Maleh, Federico
Norscini, J.
Ramón, Hugo Dionisio
Deroche, Ariel
Lebedinsky, Milena
Leguizamón, Rocío
Montenegro Aguilar, Gabriel
Trupkin, Ilan
Pytel, Pablo
Vegega, Cinthia
Chatterjee, Parag
Pollo Cattaneo, María Florencia
author_role author
author2 Lamas, Chabela
Maleh, Federico
Norscini, J.
Ramón, Hugo Dionisio
Deroche, Ariel
Lebedinsky, Milena
Leguizamón, Rocío
Montenegro Aguilar, Gabriel
Trupkin, Ilan
Pytel, Pablo
Vegega, Cinthia
Chatterjee, Parag
Pollo Cattaneo, María Florencia
author2_role author
author
author
author
author
author
author
author
author
author
author
author
author
dc.subject.none.fl_str_mv Ciencias Informáticas
Inteligencia artificial
sistemas inteligentes
Salud mental
predicción
aprendizaje automático
topic Ciencias Informáticas
Inteligencia artificial
sistemas inteligentes
Salud mental
predicción
aprendizaje automático
dc.description.none.fl_txt_mv La salud mental es un pilar fundamental del bienestar humano, influyendo directamente en la calidad de vida y en el desempeño diario de las personas. En los últimos años, la creciente conciencia sobre la prevalencia y el impacto de los trastornos mentales ha impulsado el desarrollo de enfoques innovadores que complementen las estrategias tradicionales de diagnóstico y tratamiento. En este contexto, la inteligencia artificial (IA) ha emergido como una herramienta transformadora, capaz de procesar grandes volúmenes de datos clínicos, conductuales y genéticos para mejorar la detección temprana de patologías, personalizar intervenciones terapéuticas y optimizar la toma de decisiones en entornos clínicos. Desde 2022, el Grupo GEMISGEMIS.BA de la Universidad Tecnológica Nacional - Facultad Regional Buenos Aires se encuentra trabajando en una nueva línea de investigación sobre la aplicación de IA en salud mental. En esta línea de trabajo, además del desarrollo de modelos predictivos basados en datos clínicos y del análisis automatizado de señales e imágenes para la identificación de nuevos patrones y predictores, se ha incorporado el estudio de los sistemas de apoyo a la decisión clínica (Clinical Decision Support System - CDSS) basados en IA. Esta nueva dimensión de investigación busca evaluar la viabilidad, aceptación y potencial de estas herramientas en la práctica clínica, con el objetivo de mejorar la precisión diagnóstica y la personalización del tratamiento. Asimismo, en el marco de este proyecto, se ha ampliado el enfoque metodológico mediante la aplicación de modelos tanto supervisados como no supervisados, lo que permite abordar el desafío de trabajar con datos no etiquetados, una situación común en el ámbito de la salud mental. Esta estrategia busca no solo mejorar la capacidad predictiva de los modelos, sino también ampliar su aplicabilidad en escenarios clínicos reales. El presente trabajo expone los avances recientes en esta línea de investigación, destacando las contribuciones del uso de IA en salud mental y las oportunidades que ofrecen los enfoques híbridos para el desarrollo de herramientas más precisas y accesibles en el ámbito clínico.
Red de Universidades con Carreras en Informática
description La salud mental es un pilar fundamental del bienestar humano, influyendo directamente en la calidad de vida y en el desempeño diario de las personas. En los últimos años, la creciente conciencia sobre la prevalencia y el impacto de los trastornos mentales ha impulsado el desarrollo de enfoques innovadores que complementen las estrategias tradicionales de diagnóstico y tratamiento. En este contexto, la inteligencia artificial (IA) ha emergido como una herramienta transformadora, capaz de procesar grandes volúmenes de datos clínicos, conductuales y genéticos para mejorar la detección temprana de patologías, personalizar intervenciones terapéuticas y optimizar la toma de decisiones en entornos clínicos. Desde 2022, el Grupo GEMISGEMIS.BA de la Universidad Tecnológica Nacional - Facultad Regional Buenos Aires se encuentra trabajando en una nueva línea de investigación sobre la aplicación de IA en salud mental. En esta línea de trabajo, además del desarrollo de modelos predictivos basados en datos clínicos y del análisis automatizado de señales e imágenes para la identificación de nuevos patrones y predictores, se ha incorporado el estudio de los sistemas de apoyo a la decisión clínica (Clinical Decision Support System - CDSS) basados en IA. Esta nueva dimensión de investigación busca evaluar la viabilidad, aceptación y potencial de estas herramientas en la práctica clínica, con el objetivo de mejorar la precisión diagnóstica y la personalización del tratamiento. Asimismo, en el marco de este proyecto, se ha ampliado el enfoque metodológico mediante la aplicación de modelos tanto supervisados como no supervisados, lo que permite abordar el desafío de trabajar con datos no etiquetados, una situación común en el ámbito de la salud mental. Esta estrategia busca no solo mejorar la capacidad predictiva de los modelos, sino también ampliar su aplicabilidad en escenarios clínicos reales. El presente trabajo expone los avances recientes en esta línea de investigación, destacando las contribuciones del uso de IA en salud mental y las oportunidades que ofrecen los enfoques híbridos para el desarrollo de herramientas más precisas y accesibles en el ámbito clínico.
publishDate 2025
dc.date.none.fl_str_mv 2025-04
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/10915/183470
url http://sedici.unlp.edu.ar/handle/10915/183470
dc.language.none.fl_str_mv spa
language spa
dc.relation.none.fl_str_mv info:eu-repo/semantics/altIdentifier/isbn/978-987-575-267-2
info:eu-repo/semantics/reference/url/https://sedici.unlp.edu.ar/handle/10915/182261
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
7-11
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_ 1844616361370714112
score 13.070432