Campeón Peso Ligero IA para la Salud - Lightweight Champion AI for Health скачать в хорошем качестве

Campeón Peso Ligero IA para la Salud - Lightweight Champion AI for Health

Cuando los datos son escasos y la infraestructura es poco confiable, “más grande” no siempre es mejor. Ahí es donde la IA ligera puede convertirse en una campeona para la salud. Axell Albano Gutiérrez Ramírez es ingeniero biomédico y vio de cerca cómo un diagnóstico inicial equivocado puede afectar a toda una familia. En muchas clínicas rurales y de bajos recursos, los pacientes muestran señales tempranas (temblores, cambios en la marcha, deterioro cognitivo), pero los especialistas están a horas de distancia y las listas de espera se extienden por meses. En esta charla, Axell comparte un camino distinto al hype de “modelos más grandes + datasets masivos”: construir herramientas prácticas de apoyo al diagnóstico que puedan correr en hardware básico, funcionar sin conexión y aprender con decenas o cientos de registros de pacientes, no millones. Lo que veremos • *Cuándo los pocos datos pueden ganar* - Cómo los modelos simples y eficientes en datos pueden superar al deep learning en escenarios de datos limitados (y cuándo no) • *Diseño guiado por restricciones* - Construir para el sistema de salud que existe (ancho de banda limitado, energía inestable, dispositivos básicos), no para el de los papers • *Explicabilidad útil para el personal clínico* - Qué debería significar “explicable” en la práctica para apoyar decisiones, generar confianza y adoptar de forma segura • *Del modelo al flujo de trabajo* - Cómo convertir un prototipo en algo que un médico general realmente pueda usar bajo restricciones reales • *Equidad, límites y responsabilidad* - Cómo ampliar el acceso sin sobreprometer: IA como apoyo, no como reemplazo Basado en su investigación de maestría en el CIC IPN, Axell recorrerá un enfoque de prediagnóstico de Parkinson a partir del análisis con IA de patrones geométricos trazados a mano, algo que un médico general puede aplicar con papel y un teléfono, sin infraestructura en la nube ni equipo especializado. Sobre Axell   / axell-albano-guti%c3%a9rrez-ram%c3%adrez-2...   https://orcid.org/0009-0008-6197-5422 Axell Albano Gutiérrez Ramírez es ingeniero biomédico de México y actualmente cursa la maestría en Ciencias de la Computación (MCIC) en el CIC IPN, en la Ciudad de México. Su tesis se enfoca en aprendizaje de máquina para apoyo al diagnóstico, específicamente un sistema de prediagnóstico de la enfermedad de Parkinson mediante el análisis de patrones geométricos trazados a mano. Su trabajo enfatiza IA práctica para la accesibilidad en salud: modelos ligeros adecuados para entornos clínicos de bajos recursos sin acceso a especialistas. Este año, en París, participó en el ICMV 2025, uno de los congresos internacionales a los que asistió para compartir avances de su investigación sobre el uso de trazos como apoyo en el diagnóstico de Parkinson. Ha presentado en congresos internacionales, incluidos CIESEM 2021, EDULEARN24 (Mallorca) e ICMV 2025 (París, Francia), y ha sido coautor de trabajos sobre diagnósticos basados en IA, defendiendo enfoques simples y eficientes en datos cuando los conjuntos disponibles son limitados.