Resumen
Según la OMS, la depresión es un desafío global de salud pública que afecta a más de 280 millones de personas. La detección actual de la depresión se basa en el diagnóstico de un especialista en salud mental acerca de los síntomas que presenta una persona. Esta ponencia presenta un modelo de IAG que propone una transformación antropocéntrica de este paradigma. El modelo tiene por objetivo apoyar el proceso de detección temprana de la enfermedad de salud mental, apoyando el proceso de toma de decisiones del especialista con generación de conocimiento mediado por IAG. El Modelo Generativo Multimodal Automatizado integra flujos de datos humanos: el contenido de fichas clínicas (texto), los biomarcadores (voz) y la detección de emociones, el cual se apoya en IAG para generar el proceso de diagnóstico más rápido y eficaz. Al fusionar estas modalidades, se propone que a futuro este modelo no sólo genere el diagnóstico de apoyo, sino que genere una narrativa explicativa, atacando los procesos de control y toma de decisiones de la IA, que son transparentes a los usuarios, proponiendo un nuevo fundamento epistemológico para el conocimiento clínico aplicado a la salud mental. De esta manera, la vinculación entre la inteligencia biológica y la Inteligencia Artificial crea condiciones de una nueva singularidad, generando el conocimiento necesario para el tratamiento de casos clínicos, traduciendo datos objetivos desde resultados de la IAG clínicamente interpretables. Esta ponencia incluye la formulación teórica del modelo y antecedentes empíricos obtenidos de la base de datos Extended DAIC-WOZ.
Presentadores
Francisco OrtizStudent, Doctorate in Artificial Intelligence, Universidad Católica de la Santísima Concepción, Bío-Bío, Chile Pedro Salcedo Lagos
Profesor Titular, Informática Educacional, Universidad de Concepción, Bío-Bío, Chile
Details
Presentation Type
Ponencia temática de un trabajo
Theme
Tema destacado de 2026: Transformaciones antropocéntricas de la IA
KEYWORDS
Inteligencia Artificial Generativa, Modelo, Generación de Conocimiento, Detección, Depresión, Salud
