TRANSFORMERS Y DETECCIÓN DE ENFERMEDADES RESPIRATORIAS

Ponente(s): Iván Gallardo Bernal

Las enfermedades respiratorias crónicas y agudas representan una de las principales causas de morbilidad y mortalidad a nivel global. Esta investigación propone el desarrollo de una arquitectura híbrida propia basada en modelos Transformers, diseñada para la detección y clasificación temprana de enfermedades respiratorias como EPOC, asma, COVID-19 y fibrosis pulmonar. A diferencia de enfoques tradicionales, se plantea un modelo que integra múltiples modalidades de entrada —bioseñales, imágenes torácicas y texto clínico— en una sola arquitectura, combinando componentes derivados de BERT, Vision Transformer (ViT) y BioBERT. El objetivo es optimizar la representación contextual de datos clínicos estructurados y no estructurados, permitiendo una inferencia más precisa en entornos hospitalarios y comunitarios. Esta arquitectura en desarrollo incorpora mecanismos de atención cruzada y codificación conjunta, y será evaluada mediante métricas como AUC, sensibilidad, especificidad y F1-score. Se espera que los resultados contribuyan al diseño de sistemas inteligentes de apoyo clínico aplicables en contextos con recursos limitados. Palabras clave: Transformers, arquitectura híbrida, enfermedades respiratorias, I.A.