http://hdl.handle.net/123456789/2386 2026-05-07T15:19:10Z http://hdl.handle.net/123456789/16709 AURA: Sistema de IA para recomendación de diálisis mediante procesamiento de lenguaje natural y aprendizaje automático continuo La insuficiencia renal crónica representa una de las principales causas de carga sanitaria a nivel mundial, y su tratamiento mediante diálisis requiere un monitoreo continuo y ajustes individualizados para garantizar la seguridad y eficacia terapéutica. En este contexto, el presente trabajo tiene como objetivo desarrollar AURA, un sistema de inteligencia artificial orientado a asistir al equipo médico en la personalización del tratamiento dialítico mediante procesamiento de lenguaje natural (NLP) y aprendizaje automático continuo. AURA utiliza modelos fundacionales de inteligencia artificial (OpenAI API) capaces de interpretar reportes médicos multiformato en español para extraer variables clínicas clave, consolidarlas en una base de datos longitudinal y generar recomendaciones clínicas automáticas durante las distintas fases del tratamiento: inicio, intradiálisis y postdiálisis. 2025-01-01T00:00:00Z http://hdl.handle.net/123456789/16705 Franca: aplicación de inteligencia artificial para la foto-identificación de la ballena franca austral en el Golfo San Matías en 2025 Desde 2019, ESCiMar, CIMAS-CONICET y la Fundación Félix de Azara llevan adelante un relevamiento fotográfico en el Golfo San Matías para construir un catálogo de identificación individual de la ballena franca austral (Eubalaena australis), usando imágenes tomadas desde embarcaciones y drones con fines de seguimiento y conservación. Con la finalidad de identificar a cada individuo se aplica un proceso de foto-identificación a cada uno de las imágenes obtenidas: se localiza el patrón de callosidades, se recorta y orienta la vista y luego se compara con los registros del catálogo hasta alcanzar una coincidencia o concluir que no la hay. Es un procedimiento extenso y demandante, porque cada imagen debe ser procesada y contrastarse con un catálogo en expansión. Este proyecto presenta Franca, una aplicación web que automatiza partes del proceso de foto-identificación para el catálogo del Golfo San Matías. Integra tres modelos de aprendizaje automático con funciones complementarias. Un modelo de detección localiza el patrón de callosidades y genera recortes consistentes. Un clasificador de orientación de cuatro clases corrige la rotación para alinear las vistas. Una red siamesa evalúa la similitud entre recortes y disminuye la cantidad de registros del catálogo que deben revisarse. Con este flujo automatizado, Franca agiliza la foto-identificación y reduce los tiempos de comparación. 2025-01-01T00:00:00Z http://hdl.handle.net/123456789/16703 Sparkle: Gamificación en tiempo real para reuniones virtuales en entornos educativos La presente propuesta aborda una problemática central de la educación remota sincrónica: la baja participación activa de los estudiantes y la dificultad para sostener su atención durante las clases. Para ello, se desarrolló un servicio complementario a plataformas de videoconferencia que integra técnicas de gamificación con procesamiento de lenguaje natural en tiempo real. El sistema utiliza un modelo de lenguaje de gran escala para generar dinámicamente preguntas interactivas. La solución propuesta apunta a mejorar el compromiso estudiantil, reducir la carga operativa del docente y ofrecer una experiencia de enseñanza más interactiva y adaptativa. El proyecto se implementa como un producto mínimo viable que se integra directamente con Google Meet, y está orientado a materias de carácter teórico o discursivo. 2025-01-01T00:00:00Z http://hdl.handle.net/123456789/16701 APOS: Asistente conversacional con IA para el seguimiento postoperatorio de pacientes traumatológicos en hospitales del AMBA en 2025 Los problemas traumatológicos son una de las causas más comunes de visitas a un médico y a menudo requieren cirugía. Al mismo tiempo, después de la cirugía, comienza una etapa determinante, la recuperación. Los pacientes pueden tener una gran cantidad de preguntas e inquietudes sobre su condición en este momento, pero no tienen una vía de comunicación efectiva con el médico, lo que lleva a la incertidumbre y la ansiedad tanto en los pacientes como en los especialistas. Para responder a esta necesidad, se propone el desarrollo de APOS, una herramienta que brindará a los pacientes un acompañamiento automatizado después de una operación traumatológica. El sistema se activará al final de la operación y estará disponible dentro de un período determinado. Un paciente puede comenzar una conversación y obtener respuestas útiles sobre sus síntomas y tratamientos. Al mismo tiempo, un médico podrá ver estas conversaciones, monitorear la recuperación del paciente y corregir las respuestas mediante una interfaz. Como resultado, se reducirá la carga de consultas, se mejorará el seguimiento entre turnos y se ofrecerá un canal de comunicación efectivo para ambas partes 2025-01-01T00:00:00Z