Buscar


Mostrar el registro sencillo del ítem

dc.rights.license https://creativecommons.org/licenses/by-nc-nd/4.0 es_ES
dc.contributor Saúl Tovar Arriaga es_ES
dc.creator Brandon Alejandro Llaca Sánchez es_ES
dc.date.accessioned 2025-10-20T15:15:45Z
dc.date.available 2025-10-20T15:15:45Z
dc.date.issued 2025-10-15
dc.identifier.uri https://ri-ng.uaq.mx/handle/123456789/12374
dc.description La demencia es una enfermedad neurodegenerativa que afecta las funciones cognitivas de las personas, deteriorando progresivamente su calidad de vida. Entre sus distintas formas, el Alzheimer se destaca como la más común. Dada su naturaleza incurable, la detección temprana es crucial para facilitar cuidados y una atención médica oportuna. Ante este escenario, la aplicación de técnicas de aprendizaje profundo en el análisis de exámenes del lenguaje se presenta como una solución eficaz, especialmente ante la laboriosa y falible evaluación manual. En este trabajo se implementaron y compararon cinco enfoques automatizados de Procesamiento del Lenguaje Natural (PLN) para identificar indicios de Alzheimer a partir de transcripciones de audio de la prueba del robo de la galleta, en la base de datos Pitt Corpus. Se evaluaron cuatro enfoques basados enembeddingsde modelos grandes del lenguaje (GloVe, BERT, Gemma-2B y Linq-Embed-Mistral), así como una representación clásica estadística Tf–Idf, cada uno integrado con un clasificador final de regresión logística. Para su comparación, se realizó una validación cruzada estratificada 5-fold, obteniéndose los resultados más destacados con losembeddingsde BERT (84.73 % de exactitud), seguidos de cerca por el enfoque clásico Tf–Idf (83.73 % de exactitud), y el modelo de última generación Linq-Embed-Mistral (83.54 % de exactitud). Contrario a las expectativas iniciales, estos hallazgos sugieren que la elección y frecuencia de las palabras podrían ser tan o más determinantes que la información semántica o contextual en la detección del Alzheimer. Ahora bien, la falta de una base de datos accesible y en español de registros médicos de pacientes con esta condición crea la necesidad urgente de construir una, contribuyendo así a la investigación de esta neuropatía en México. En conjunto, este estudio aborda la importancia de mejorar la detección temprana del Alzheimer, particularmente en personas hispanohablantes, buscando utilizar inteligencia artificial para aumentar la eficiencia de los métodos actuales y avanzar hacia un software fácil de usar capaz de ofrecer un primer indicador de riesgo de la enfermedad, reduciendo así la necesidad inicial de una consulta médica presencial. es_ES
dc.format pdf es_ES
dc.format.extent 1 recurso en línea (76 páginas) es_ES
dc.format.medium computadora es_ES
dc.language.iso spa es_ES
dc.publisher Universidad Autonoma de Querétaro es_ES
dc.relation.requires Si es_ES
dc.rights openAccess es_ES
dc.subject.classification INGENIERÍA Y TECNOLOGÍA es_ES
dc.title Análisis de exámenes del lenguaje para la detección temprana de Alzheimer: Un enfoque de Aprendizaje Automático. es_ES
dc.type Tesis de maestría es_ES
dc.creator.tid ORCID es_ES
dc.contributor.tid ORCID es_ES
dc.creator.identificador 0000-0002-0908-2167 es_ES
dc.contributor.identificador 0000-0002-2695-1934 es_ES
dc.contributor.role Director de tesis es_ES
dc.degree.name Maestría en Ciencias en Inteligencia Artificial es_ES
dc.degree.department Facultad de Ingeniería es_ES
dc.degree.level Maestría es_ES
dc.format.support recurso en línea es_ES
dc.matricula.creator 236557 es_ES
dc.folio IGMAC-236557 es_ES


Ficheros en el ítem

Thumbnail
Nombre: IGMAC-236557.pdf
Tamaño: 3.963Mb
Formato: PDF
Ver/

Este ítem aparece en la(s) siguiente(s) colección(ones)

Mostrar el registro sencillo del ítem