Aplicación de la Inteligencia Artificial en el contexto de la salud mental

dc.creatorDi Felice, Martin
dc.creatorLamas, Chabela
dc.creatorMaleh, Federico
dc.creatorNorscini, J.
dc.creatorRamón, Hugo
dc.creatorDeroche, Ariel
dc.creatorLebedinsky, M.
dc.creatorLeguizamón, R.
dc.creatorMontenegro Aguilar, G.
dc.creatorTrupkin, I.
dc.creatorPytel, Pablo
dc.creatorVegega, Cinthia
dc.creatorChatterjee, Parag
dc.creatorPollo Cattaneo, Maria Florencia
dc.creator.orcidhttps://orcid.org/0000-0002-5382-7875
dc.creator.orcidhttps://orcid.org/0000-0003-4197-3880
dc.date.accessioned2025-04-03T12:55:03Z
dc.date.issued2024-04
dc.description.abstractLa salud mental abarca el bienestar emocional, psicológico y social de un individuo, influyendo significativamente en su calidad de vida. En un contexto global de creciente conciencia sobre la importancia de la salud mental, la aplicación de la inteligencia artificial (IA) emerge como una herramienta prometedora para mejorar la prevención, diagnóstico y tratamiento de trastornos mentales. La IA ofrece capacidades analíticas avanzadas que pueden procesar grandes volúmenes de datos clínicos, genéticos y de comportamiento, permitiendo una detección temprana precisa de problemas de salud mental, una personalización de tratamientos basada en datos y una intervención proactiva. Además, la IA está siendo utilizada para desarrollar sistemas de apoyo a la toma de decisiones clínicas, identificar patrones de riesgo y predecir resultados de tratamiento. Estas aplicaciones están transformando la forma en que los profesionales de la salud mental abordan y gestionan los trastornos psicológicos, mejorando la eficiencia de los servicios y optimizando los resultados para los pacientes. En este contexto, el Grupo de Estudio en Metodologías de Ingeniería en Software (GEMIS) de la Universidad Tecnológica Nacional - Facultad Regional Buenos Aires está trabajando para llevar adelante una nueva línea de investigación, aplicacion inteligencia artificial en el campo de la salud mental. El presente trabajo tiene como objetivo describir el estado de avance de la línea de investigación vinculada con la aplicación de Inteligencia Artificial (IA) en la salud mental. Además del desarrollo de los modelos predictivos en base de datos clçinicos utilizando técnicas de aprendizaje automático en el área de salud mental, se incorpora un nuevo aspecto en la línea de investigación, el análisis automático de señales e imágenes para buscar nuevos patrones y predictores relacionados a la salud mental, proporcionando una mirada complementaria a la línea principal. Se espera fortalecer esta línea de investigación enriqueciendo así el panorama de investigación en el campo de la salud mental.
dc.description.affiliationFil: Lamas, Chabela. Universidad Tecnológica Nacional. Facultad Regional Buenos Aires; Argentina Fil: Lamas, Chabela. Grupo de Estudio en Metodología de Ingeniería en Software (GEMIS); Argentina
dc.description.affiliationFil: Di Felice, Martin. Universidad Tecnológica Nacional. Facultad Regional Buenos Aires; Argentina Fil: Di Felice, Martin. Grupo de Estudio en Metodología de Ingeniería en Software (GEMIS); Argentina
dc.description.affiliationFil: Maleh, Federico. Universidad Tecnológica Nacional. Facultad Regional Buenos Aires; Argentina Fil: Maleh, Federico. Grupo de Estudio en Metodología de Ingeniería en Software (GEMIS); Argentina
dc.description.affiliationFil: Norscini, J.. Universidad Tecnológica Nacional. Facultad Regional Buenos Aires; Argentina Fil: Norscini, J.. Grupo de Estudio en Metodología de Ingeniería en Software (GEMIS); Argentina
dc.description.affiliationFil: Ramón, Hugo. Universidad Tecnológica Nacional. Facultad Regional Buenos Aires; Argentina Fil: Ramón, Hugo. Grupo de Estudio en Metodología de Ingeniería en Software (GEMIS); Argentina
dc.description.affiliationFil: Deroche, Ariel. Universidad Tecnológica Nacional. Facultad Regional Buenos Aires; Argentina Fil: Deroche, Ariel. Grupo de Estudio en Metodología de Ingeniería en Software (GEMIS); Argentina
dc.description.affiliationFil: Lebedinsky, M.. Universidad Tecnológica Nacional. Facultad Regional Buenos Aires; Argentina Fil: Lebedinsky, M.. Grupo de Estudio en Metodología de Ingeniería en Software (GEMIS); Argentina
dc.description.affiliationFil: Leguizamón, R.. Universidad Tecnológica Nacional. Facultad Regional Buenos Aires; Argentina Fil: Leguizamón, R.. Grupo de Estudio en Metodología de Ingeniería en Software (GEMIS); Argentina
dc.description.affiliationFil: Montenegro Aguilar, G.. Universidad Tecnológica Nacional. Facultad Regional Buenos Aires; Argentina Fil: Montenegro Aguilar, G.. Grupo de Estudio en Metodología de Ingeniería en Software (GEMIS); Argentina
dc.description.affiliationFil: Trupkin, I.. Universidad Tecnológica Nacional. Facultad Regional Buenos Aires; Argentina Fil: Trupkin, I.. Grupo de Estudio en Metodología de Ingeniería en Software (GEMIS); Argentina
dc.description.affiliationFil: Pytel, Pablo. Universidad Tecnológica Nacional. Facultad Regional Buenos Aires; Argentina Fil: Pytel, Pablo. Grupo de Estudio en Metodología de Ingeniería en Software (GEMIS); Argentina
dc.description.affiliationFil: Vegega, Cinthia. Universidad Tecnológica Nacional. Facultad Regional Buenos Aires; Argentina Fil: Vegega, Cinthia. Grupo de Estudio en Metodología de Ingeniería en Software (GEMIS); Argentina
dc.description.affiliationFil: Chatterjee, Parag. Universidad Tecnológica Nacional. Facultad Regional Buenos Aires; Argentina Fil: Chatterjee, Parag. Grupo de Estudio en Metodología de Ingeniería en Software (GEMIS); Argentina
dc.description.affiliationFil: Pollo Cattaneo, Maria Florencia. Universidad Tecnológica Nacional. Facultad Regional Buenos Aires; Argentina Fil: Pollo Cattaneo, Maria Florencia. Grupo de Estudio en Metodología de Ingeniería en Software (GEMIS); Argentina
dc.description.peerreviewedPeer Reviewed
dc.formatpdf
dc.identifier.citationMartin Di Felice; C. Lamas; Federico Maleh; J. Norscini; H. Ramón; A. Deroche; M. Lebedinsky; R. Leguizamón; G. Montenegro Aguilar; I. Trupkin; Pablo Pytel; Cinthia Vegega; P. Chatterjee; María Florencia Pollo Cattaneo. (2024). Aplicación de la Inteligencia Artificial en el contexto de la salud mental. Líneas de Investigación del grupo GEMIS. Proceedings XXVI Workshop de Investigadores de Ciencias de la Computación, WICC 2024. Puerto Madryn - Chubut. Pág.(65-69). - 18 y 19 de Abril de 2024 - ISBN: 978-987-8352-57-2
dc.identifier.isbn978-987-8352-57-2
dc.identifier.urihttps://hdl.handle.net/20.500.12272/12596
dc.language.isoes
dc.publisherUniversidad Nacional de la Patagonia San Juan Bosco
dc.rightsinfo:eu-repo/semantics/openAccess
dc.rightsAttribution-NonCommercial-ShareAlike 4.0 Internationalen
dc.rights.urihttp://creativecommons.org/licenses/by-nc-sa/4.0/
dc.rights.useLicencia Creative Commons: Atribución (Attribution) No comercial (Non Commercial) Sin obras derivadas (No Derivate Works) Compartir igual (Share Alike)
dc.subjectInteligencia Artificial
dc.subjectsistemas inteligentes
dc.subjectsalud mental
dc.subjectpredicción
dc.subjectaprendizaje automático
dc.titleAplicación de la Inteligencia Artificial en el contexto de la salud mental
dc.typeinfo:eu-repo/semantics/article
dc.type.versionpublisherVersion

Files

Original bundle

Now showing 1 - 1 of 1
Thumbnail Image
Name:
Aplicación de la Inteligencia Artificial en el contexto de la salud mental.pdf
Size:
634.4 KB
Format:
Adobe Portable Document Format

License bundle

Now showing 1 - 1 of 1
No Thumbnail Available
Name:
license.txt
Size:
3.63 KB
Format:
Item-specific license agreed upon to submission
Description: