ZACATECAS. Un estudiante y una docente de la Unidad Académica de Ingeniería Eléctrica (UAIE) de la Universidad Autónoma de Zacatecas (UAZ), participaron en el 17th International Conference on Ubiquitous Computing and Ambient Intelligence (UCAml 2025), un congreso internacional que reúne a especialistas de distintas partes del mundo para compartir avances en inteligencia artificial, ciencia de datos y tecnologías emergentes.
Durante el encuentro, la comunidad académica de la UAZ presentó investigaciones orientadas al uso de inteligencia artificial aplicada a la salud mental, una línea que cobra creciente relevancia por su impacto en el diagnóstico temprano y en el desarrollo de herramientas de apoyo clínico.
El estudiante del Doctorado en Ingeniería para la Innovación Tecnológica, Luis Rafael Salas Rodríguez, expuso el trabajo titulado “Implementation of Boruta for Feature Selection in the Detection of Schizophrenia Using Spectral and Connectivity EEG Features: A Machine Learning Approach”.
Este proyecto analiza registros de actividad cerebral (EEG) para identificar patrones característicos de la esquizofrenia. Mediante algoritmos de aprendizaje automático y una técnica que selecciona únicamente las características más relevantes, el estudio logró reducir de manera significativa la cantidad de información necesaria para el análisis, manteniendo resultados sólidos en la detección.
La investigación demuestra que la inteligencia artificial puede contribuir a reconocer señales tempranas de trastornos psiquiátricos graves y al diseño de herramientas accesibles y no invasivas para el apoyo clínico.
Por su parte, la docente investigadora Vanessa del Rosario Alcalá Ramírez presentó el trabajo “Towards Personalized Diagnosis of Social Anxiety Disorder: Interpretable Machine Learning with SHAP”. La investigación analiza información sociodemográfica y clínica para clasificar el nivel de ansiedad social en personas que presentan esta condición.
A través de técnicas interpretables de aprendizaje automático, el estudio identifica los factores que influyen en el desarrollo y manifestación de la ansiedad social, resaltando la importancia de enfoques personalizados para su diagnóstico y atención.
El uso de herramientas de interpretación como SHAP permite comprender por qué un modelo toma determinadas decisiones, favoreciendo el desarrollo de sistemas más transparentes, confiables y útiles para profesionales de la salud.
Las investigaciones contaron con la colaboración académica de las y los docentes-investigadores de la UAIE: Karen E. Villagrana-Bañuelos, Carlos E. Galván-Tejada, Juvenal Villanueva-Maldonado y Manuel A. Soto-Murillo, quienes participaron en el diseño metodológico, el análisis de datos y la revisión técnica de los proyectos.
Esta participación en el UCAml permite establecer una red de colaboración a nivel internacional posicionando a la institución en espacios de diálogo global en torno a la inteligencia artificial y sus aplicaciones en salud mental.
