Análisis semántico latente para minería de datos en ingeniería biomédica

Abstract

En esta tesis se explora la teoría del Análisis Semántico Latente (LSA) y sus aplicaciones en el campo de la ingeniería biomédica. LSA es una técnica de procesamiento de lenguaje natural basada en la descomposición en valores singulares (SVD) que, no sólo funciona como una herramienta de minería de texto, sino que también propone un modelo computacional capaz de simular aspectos del aprendizaje y la cognición humana, particularmente en la adquisición del lenguaje. En el desarrollo de este trabajo se investiga el estado del arte de las aplicaciones de LSA en medicina. Esto incluye su uso en el análisis de registros médicos para identificar relaciones entre síntomas y enfermedades, mejorar la recuperación de información médica, detectar patrones en datos de pacientes, validar textos simplificados por IA e identificar determinantes sociales de la salud. También se examinan aplicaciones en el análisis del lenguaje para la evaluación de condiciones como la esquizofrenia y el deterioro cognitivo asociado a Alzheimer, mediante la cuantificación de la coherencia del discurso. Como contribuciones originales, la tesis presenta dos estudios: 1) La aplicación de LSA al análisis de la distribución estadística de tipos de cáncer en Uruguay, demostrando su capacidad para revelar correlaciones geográficas no evidentes con métodos tradicionales; y 2) El uso de LSA para la correlación de mensajes de eventos (syslog), aplicable a dispositivos médicos, mostrando que puede agrupar eventos semánticamente relacionados sin necesidad de reglas predefinidas. Finalmente, se discute LSA como una teoría de minería de datos, se vincula con las memorias asociativas como modelo de procesos cognitivos y se contrasta con los Large Language Models (LLM) contemporáneos. Se concluye que, si bien los LLM superan a LSA en muchos aspectos, LSA mantiene su relevancia por su interpretabilidad, menor costo computacional y su potencial para explicar procesos cognitivos. Se proponen futuras líneas de investigación en sistemas híbridos, que combinen ambas tecnologías.