ALBA Lab · Universidad de León
Investigamos cómo la inteligencia artificial puede transformar las notas clínicas en conocimiento para estudiar el riesgo suicida.
SUICIDETECT · PID2023-146168OA-I00
Procesamiento del lenguaje natural y grafos de conocimiento aplicados a la psiquiatría.
Ciencia que compartimos
Publicaciones, comunicaciones y recursos para seguir el desarrollo de SUICIDETECT.
Applied Soft Computing · 203(B):116129
Modelos de lenguaje y SHAP para extraer variables de entrevistas y explicar la predicción de la gravedad de la depresión.
Ver resultado : Explainable depression prediction using SHAP and large language models to extract features from text transcriptionsIEEE CBMS 2026 · Limassol, Chipre
Predicción de ingreso hospitalario a partir de notas clínicas psiquiátricas en español. Presentación en IEEE CBMS 2026.
Ver resultado : Deep Learning–Based Hospital Admission Prediction from Spanish Psychiatric Electronic Health RecordsArtificial Intelligence in Biomedicine · Springer · pp. 282–296
Comparación de métodos léxicos y representaciones semánticas para normalizar conceptos de texto psiquiátrico en español.
Ver resultado : Concept Normalization in Psychiatry: Comparing Embedding and Lexical Methods for Spanish Clinical TextEl propósito del proyecto
Las historias clínicas contienen información valiosa en texto libre. SUICIDETECT estudia cómo estructurar ese lenguaje y conectar sus conceptos para avanzar en la investigación en salud mental.
Identificar conceptos relevantes en narrativas de psiquiatría mediante técnicas de NLP.
Normalizar entidades e integrar modelos de lenguaje con grafos de conocimiento.
Difundir métodos, resultados y contribuciones científicas con referencias verificables.
Dentro del proyecto
Conoce al equipo o escríbenos para saber más sobre la investigación.
