Modelos de inteligencia artificial
Diseño de modelos de IA aplicados a la ingeniería y a las ciencias de la salud: desde redes neuronales constructivas hasta su implementación en hardware.
Grupo de investigación · Universidad de Málaga
Inteligencia computacional al servicio de la biomedicina.
Investigamos y transferimos modelos de inteligencia artificial, deep learning y procesamiento de lenguaje natural para mejorar el diagnóstico, la gestión clínica y la medicina personalizada.
- 52
- publicaciones
- 10
- proyectos de investigación
- 15
- investigadores
- 2009
- primera publicación
Líneas de investigación
Tres líneas, un mismo objetivo
Trasladar los avances de la inteligencia computacional a problemas reales de la práctica clínica y la ingeniería.
Análisis de datos con deep learning
Algoritmos de aprendizaje profundo para predicción y apoyo a la decisión en ámbitos sanitarios, industriales y medioambientales.
Modelos de lenguaje y minería de textos
Procesamiento de lenguaje natural sobre historias clínicas electrónicas reales: extracción de información, clasificación y anonimización.
Proyectos
Investigación aplicada
ImplementadoNacional
OncoReal
OncoReal es una aplicación desarrollada por el grupo de Inteligencia Computacional en Biomedicina (ICB) de la E.T.S de Ingeniería Informática de la Universidad de Málaga (ICB-UMA) en colaboración con la Sociedad Española de Oncología Médica (SEOM).
Inteligencia Artificial en Salud
En desarrolloNacional
Inteligencia Artificial para Procesamiento de Lenguaje Natural de Texto Clínico en Español para el Análisis de Real-World-Data
Desarrollo de técnicas avanzadas de procesamiento de lenguaje natural específicamente diseñadas para texto clínico en español, con el fin de extraer información valiosa de datos del mundo real para mejorar la atención sanitaria y la investigación médica.
Procesamiento de Lenguaje Natural
FinalizadoNacional
Avances en el diseño y adaptación de algoritmos de aprendizaje profundo para su aplicación a problemas en las areas de biomedicina y contaminación atmosférica
Desarrollo de algoritmos de aprendizaje profundo para biomedicina y contaminación atmosférica
Deep Learning e Inteligencia Artificial
Publicaciones
Últimos artículos
- 2026
Oncology data extraction with large language models from real-world breast cancer electronic health records in Spanish
Julio Montes Torres, José Jerez Aragonés, Leonardo Franco Ruiz, Fco. Javier Moreno-Barea, Nuria Ribelles, Emilio Alba
Machine Learning with ApplicationsRevista JCRQ1IF 4.9
- 2025
182P Evaluating large (LLM) versus small language models (SLM) in summarizing real-life oncology clinical narratives in Spanish
Beatriz Villaescusa-Gonzalez, José Jerez Aragonés, Fco. Javier Moreno-Barea, Alberto T. Girona, Alejandro Silva, Nuria Ribelles
ESMO Real World Data and Digital OncologyRevista JCR
- 2025
ICD-10 Neoplasm Location using Text Classification Models in Spanish Electronic Health Records
Fco. Javier Moreno-Barea, José Jerez Aragonés, Héctor Mesa Jiménez, Alejandro Pascual-Mellado, Beatriz Villaescusa-Gonzalez, Emilio Alba
IEEE Journal of Biomedical and Health InformaticsRevista JCRQ1IF 6.8
- 2025
Efficient thermal comfort estimation employing the C-Mantec constructive neural network model
Francisco Ortega Zamorano, Leonardo Franco Ruiz, Francisco Javier Veredas Navarro, José Rodríguez-Alabarce, Kusha Goreishi
Soft ComputingRevistaQ2IF 3.275
Equipo
Quiénes somos
José Jerez Aragonés
Coordinador
Catedrático de Universidad
Catedrático de la Universidad de Málaga y coordinador del grupo ICB. Su investigación se centra en inteligencia artificial aplicada a medicina, con especial énfasis en diagnóstico automatizado y machine learning biomédico.
- 4330
- citas
- 31
- índice h
Leonardo Franco Ruiz
Catedrático
Profesor Titular de Universidad
Catedrático en la Universidad de Málaga con formación doctoral en Argentina y estancias postdoctorales en SISSA (Trieste) y Oxford. Investiga redes neuronales, deep learning y grandes modelos de lenguaje con aplicaciones en biomedicina.
- 4212
- citas
- 34
- índice h
Francisco Javier Veredas Navarro
Investigador
Profesor Titular de Universidad
Profesor Titular en la Universidad de Málaga especializado en inteligencia computacional aplicada a biomedicina, procesamiento de lenguaje natural para textos clínicos y minería de datos médicos.
- 1193
- citas
- 14
- índice h
Actualidad
Noticias del grupo
sciencedirect.com
El grupo ICB evalúa modelos IA de lenguaje para la extracción automática de datos oncológicos
Investigadores del grupo ICB, con Julio Montes, Francisco J. Moreno-Barea, Leonardo Franco y José M. Jerez como autores principales, han publicado un estudio en la revista Machine Learning with Applications. El trabajo analiza el uso de modelos de lenguaje de gran tamaño (LLM) para extraer factores pronósticos de cáncer de mama en informes clínicos en español. La investigación comparó modelos como GPT-4.5 y opciones de código abierto, destacando que Mistral-Small 3.2 alcanzó un F1-score del 74.7% en información crítica. Aunque los modelos locales aún no igualan al especialista humano, su correcta selección y postprocesamiento prometen optimizar la gestión de datos en el sistema público de salud.
Leer artículoesmorwd.org
El grupo ICB y el Hospital Virgen de la Victoria presentan avances en IA oncológica en ESMO
Investigadores del grupo ICB y el Hospital Universitario Virgen de la Victoria, liderados por Beatriz Villaescusa, Francisco J. Moreno-Barea, Nuria Ribelles y José M. Jerez, presentaron en el congreso ESMO Real World Data un estudio sobre la síntesis de informes oncológicos. El trabajo destaca que los modelos de lenguaje pequeños (SLM) permiten procesar datos clínicos de forma local y segura, respetando la privacidad del paciente y las limitaciones computacionales del sistema público de salud.
Leer artículoieeexplore.ieee.org
Nuevo avance en IA para la clasificación de neoplasias mediante el análisis de registros médicos
Investigadores del grupo ICB, con Francisco J. Moreno-Barea, Alejandro Pascual-Mellado y José M. Jerez como autores principales, han publicado un estudio en la revista IEEE Journal of Biomedical and Health Informatics. El trabajo desarrolla modelos de procesamiento de lenguaje natural para identificar automáticamente la ubicación de neoplasias en informes clínicos en español. Los resultados destacan que algoritmos tradicionales como XGBoost y SVM logran una precisión sobresaliente, alcanzando un F1-score de 0.938. Por su parte, los modelos basados en Transformers demostraron una mayor capacidad de generalización al enfrentarse a datos externos, facilitando así la estructuración de información oncológica crítica para la investigación médica.
Leer artículo
Contacto
Visítanos en el campus
Estamos en la Escuela Técnica Superior de Ingeniería Informática, en el Campus de Teatinos de la Universidad de Málaga.
- Dirección
- ETSI Informática, Laboratorio 3.3.10
Campus de Teatinos · 29071 Málaga - Correo
- icb@uma.es
- Teléfono
- +34 952 13 28 95
- Horario
- Lunes a viernes, 9:00 – 18:00
Previa cita
