Revista Cubana de Transformación Digital

Algoritmos de balanceo probabilístico: desarrollo y evaluación de un sistema informático para clasificación binaria

Mon, 30 Mar 2026 00:00:00 +0000

El desbalance de clases es un problema habitual en tareas de clasificación supervisada, donde la clase minoritaria se encuentra representada por una proporción significativamente menor de instancias. Esta situación compromete la capacidad de los modelos para reconocer correctamente los casos más relevantes, como en la clasificación de texto, detección de fraudes o diagnósticos médicos. Aunque existen múltiples algoritmos de sobremuestreo que abordan este reto, las soluciones probabilísticas que se proponen en este trabajo: SMOTE-COV-LW, SMOTE-RL y SMOTE-EN, presentan un enfoque innovador basado en modelos probabilísticos. Sin embargo, su uso ha estado limitado a entornos de programación, lo que restringe su aplicación por parte de usuarios no especializados. Para facilitar su acceso, se diseñó un sistema informático que permite aplicar estos algoritmos de sobremuestreo probabilísticos para conjuntos de datos de clasificación binaria de forma gráfica y sin necesidad de conocimientos técnicos avanzados. El sistema fue desarrollado con tecnologías como Python y PyQt6, e incluye herramientas para importar bases de conocimientos de clasificación binarias, aplicar balanceo y exportar resultados. Para evaluar el rendimiento de los algoritmos probabilísticos propuestos, se realizó una comparación con técnicas clásicas ampliamente utilizadas (SMOTE, Borderline-SMOTE, SMOTE-RSB y ADASYN). La evaluación se realizó sobre múltiples conjuntos de datos de clasificación binaria desbalanceados, utilizando como clasificadores a C4.5, MLP, KNN, Random Forest y SVM, y como métricas de desempeño el AUC y el F1-Score. Los resultados mostraron que los algoritmos probabilísticos alcanzaron resultados similares o incluso superiores en varios escenarios, lo que evidencia su competitividad frente a los métodos tradicionales.

Estrategias de ingeniería para el ajuste fino supervisado y eficiente de los LLM específicos de dominio: un estudio de caso sobre patrimonio cultural

Reynier Hernández Palacios, Reynaldo Alonso Reyes — Thu, 23 Apr 2026 00:00:00 +0000

Los modelos de lenguaje de gran tamaño (LLMs) muestran un alto rendimiento en tareas generales, pero su adaptación a dominios altamente especializados sigue siendo un desafío bajo restricciones computacionales. Este trabajo presenta un estudio de caso metodológico de supervised fine-tuning (SFT) del modelo Qwen 1.5 de 7B parámetros para tareas de pregunta–respuesta en un dominio especializado, utilizando el patrimonio cultural como caso de validación. Se propone un pipeline eficiente en recursos que combina técnicas de adaptación eficiente de parámetros y optimización computacional, incluyendo DoRA, QLoRA con cuantización de baja precisión, Flash Attention y gradient checkpointing, permitiendo el entrenamiento en hardware de consumo (NVIDIA RTX 3090, 24 GB de VRAM). El modelo fue ajustado sobre un dataset de 1,000 a 4,000 pares de preguntas y respuestas, generado de forma asistida por LLMs y validado mediante revisión experta. La evaluación cualitativa sistemática mostró mejoras claras en contextualización específica del dominio y reducción de errores respecto al modelo base. Los resultados demuestran la viabilidad de especializar LLMs en dominios altamente contextuales bajo entornos de recursos limitados y aportan un marco metodológico replicable para proyectos de adaptación de dominio.

Gestión del feedback de usuarios en el desarrollo de aplicaciones móviles: Un desafío para la transformación digital en Cuba

Alionuska Velazquez Cintra, Ailyn Febles Estrada, Juan Pedro Febles Rodríguez — Fri, 01 May 2026 00:00:00 +0000

Este artículo presenta un diagnóstico sobre la gestión e integración del feedback de usuarios en los procesos de toma de decisiones de los equipos de desarrollo de aplicaciones móviles en Cuba. La investigación se sustenta en un modelo de análisis de cinco dimensiones: organizacional, de gestión, operativa, técnica y estratégica. Mediante un enfoque mixto y una muestra de 72 especialistas, se identificó una brecha crítica: aunque el 90.7% reconoce el valor estratégico de las opiniones de los usuarios, el 83.5% realiza su gestión de forma manual. Los resultados revelan que el 78.3% del feedback es policodado (emojis, audios, símbolos), lo que genera una alta incertidumbre lingüística y técnica. Se concluye que la falta de herramientas para la estandarización y trazabilidad de información heterogénea constituye el principal cuello de botella para una toma de decisiones basada en datos, limitando el alcance de la transformación digital en el contexto nacional.

Manejo de datos OOD en la generación de imágenes sintéticas: revisión del estado del arte

Wed, 31 Dec 2025 00:00:00 +0000

La generación de imágenes sintéticas mediante modelos generativos ha experimentado un progreso notable, pero la identificación y manejo de datos fuera de distribución (OOD) sigue siendo un reto crítico para la implementación confiable de estos modelos. Esta revisión examina el estado del arte en la detección OOD dentro del contexto de la generación de imágenes sintéticas. Se analizan arquitecturas generativas ampliamente utilizadas, como Wasserstein GAN con penalización de gradiente (WGAN-GP) y StyleGAN2-ADA, junto con métricas de evaluación como la Fréchet Inception Distance (FID). Además, se revisan estrategias recientes que mejoran la discriminación OOD sin necesidad de datos OOD durante el entrenamiento, como SeTAR (que ajusta selectivamente representaciones internas) y ABET (que combina energía y escalado de temperatura aprendido). La síntesis de la literatura indica que la integración de técnicas de detección OOD en los modelos generativos no solo incrementa la capacidad de los modelos para distinguir entre ejemplos en distribución y fuera de distribución, sino que también promueve una mayor fidelidad visual y estabilidad en las imágenes sintéticas, especialmente en escenarios con datos reales limitados o críticos. La revisión concluye identificando vacíos en el conocimiento y proponiendo líneas futuras de investigación para fortalecer la aplicabilidad de estos modelos en dominios sensibles.

Sistema inteligente para la predicción de mortalidad en Unidades de Cuidados Intensivos

Wed, 31 Dec 2025 00:00:00 +0000

La predicción temprana de mortalidad en Unidades de Cuidados Intensivos (UCI) mediante técnicas de aprendizaje automático se ha convertido en una herramienta clave para apoyar la toma de decisiones clínicas en entornos altamente dinámicos y críticos. En este trabajo se desarrolla un modelo de red neuronal Perceptrón Multicapa (MLP) para predecir la mortalidad en la UCI del Hospital Universitario "Arnaldo Milián Castro" de Villa Clara, Cuba. Se aplicaron técnicas de preprocesamiento para manejar inconsistencias en los datos clínicos, así como métodos de balanceo como BorderlineSMOTE para abordar el desbalance de clases. El modelo alcanzó métricas destacables en pruebas de campo: sensibilidad superior al 85%, área bajo la curva ROC (AUC-ROC) de 0,93 y precisión global elevada. Además, se implementó el método LIME (Local Interpretable Model-Agnostic Explanations) para mejorar la interpretabilidad de las predicciones. Los resultados evidencian el potencial del sistema para identificar pacientes en riesgo con un mínimo margen de error, constituyendo una herramienta de apoyo valiosa para el personal médico en entornos de cuidados intensivos.

Detección de la úlcera del pie diabético utilizando Inteligencia Artificial

Edgar Moya Caceres, Yusely Ruiz Gonzalez, Maria Matilde Garcia Lorenzo — Wed, 31 Dec 2025 00:00:00 +0000

Las úlceras del pie diabético (UPD) son una de las complicaciones más frecuentes y devastadoras de la diabetes, representando un desafío considerable para los sistemas de salud y afectando significativamente la calidad de vida de los pacientes. El objetivo de este artículo es abordar la aplicación de técnicas de inteligencia artificial para la detección de UPD. Se implementaron modelos de aprendizaje profundo (DL), específicamente YOLOv8 en sus variantes m y l, y Faster R-CNN estándar y con convoluciones deformables. Estos modelos se optimizaron mediante técnicas de aumento de datos y ajuste de hiperparámetros. Para el entrenamiento, se empleó el dataset proporcionado por el Diabetic Foot Ulcers Grand Challenge 2020 (DFUC 2020). Adicionalmente, se utilizó una base de casos de imágenes nacionales para evaluar la eficacia del modelo en el contexto local. En la etapa de entrenamiento y validación se obtuvo un mAP superior a 0.70 para todos los modelos entrenados, siendo el Yolov8l el de mejor resultado (mAP=0.799). La prueba externa con los datos nacionales mostro poder de generalización al obtenerse valores de precisión de 0,856, sensibilidad de 0,789, puntuación F1 de 0,821 y un mAP50 de 0,839. También se desarrolló una aplicación web, utilizando Streamlit, que proporciona una interfaz interactiva para el análisis de imágenes de UPD. Los modelos de DL para detección de objetos implementados demostraron ser herramientas eficaces para la identificación precisa de UPD. La aplicación desarrollada integra el mejor modelo de forma efectiva, ofreciendo una interfaz intuitiva para los profesionales de la salud.

Impacto de las comandas digitales en los servicios gastronómicos del Hotel Nacional de Cuba

Melissa Álvarez Hadad, Jeffrey Blanco González, Gladys Ash Hernández — Wed, 31 Dec 2025 00:00:00 +0000

En el entorno operacional de los restaurantes hoteleros, los sistemas de punto de venta introducen transformaciones valiosas que, para conocer su medida, pueden cuantificarse mediante técnicas de ingeniería industrial, a partir de indicadores clave como los tiempos de ciclo, la calidad de los datos y la satisfacción del cliente. El objetivo de este trabajo es evaluar el impacto de la implementación de las comandas digitales en el Hotel Nacional de Cuba, en el marco de su proyecto de Transformación Digital, utilizando como casos de estudio el bar “La Galería” y el restaurante “La Barraca”. Se empleó una metodología mixta que combinó métodos empíricos (encuestas a clientes, entrevistas al personal y observación directa), técnicas de modelación de procesos) y métodos estadísticos para analizar la situación pre y postimplementación del sistema AxisPOS, mediante pruebas de hipótesis. Sobre esta base se diseñó y aplicó un marco evaluativo que abarcó cuatro dimensiones: eficiencia del servicio, satisfacción del cliente, aceptación del personal y adaptación del sistema al proceso. Los resultados evidencian reducciones significativas en los tiempos de servicio y en los desplazamientos del personal, así como una mejora del índice de satisfacción del cliente, especialmente en el segmento angloparlante. No obstante, se identificaron debilidades asociadas a la limitada integración del nuevo sistema con las aplicaciones existentes y a diferencias en la aceptación del cambio entre unidades de servicio, las cuales podrían atenuar la percepción de los beneficios del sistema. Estos hallazgos permiten formular recomendaciones para consolidar la Transformación Digital del proceso gastronómico en el hotel.

Procedimiento de mejora de la capacidad de gestión de procesos productivos con enfoque de Industria 4.0

Javier Villate Acosta, Yuniel Bolaño Rodríguez — Wed, 31 Dec 2025 00:00:00 +0000

La Industria 4.0 representa un nuevo paradigma industrial y tecnológico basado en la integración de herramientas digitales avanzadas. Su aplicación articulada permite optimizar la planificación, fortalecer la toma de decisiones sustentadas en datos, incrementar la eficiencia, garantizar la trazabilidad y ampliar la capacidad productiva en sistemas manufactureros modernos. Estas transformaciones resultan especialmente relevantes en sectores biomédicos, donde la precisión y la personalización de los productos constituyen factores críticos. En este contexto, las empresas buscan evolucionar hacia fábricas inteligentes, capaces de ser más competitivas y sostenibles en un entorno global dinámico. El presente trabajo propone un procedimiento orientado a mejorar la capacidad de gestión de los procesos de producción, fundamentado en los principios de la Industria 4.0. Este enfoque fue aplicado al proceso de producción de prótesis auditivas en el Centro de Neurociencias de Cuba (CNEURO). Los resultados evidencian que la adopción progresiva de herramientas digitales contribuye de manera significativa a elevar la eficiencia y la eficacia del sistema productivo, consolidando la capacidad de gestión del proceso alineada con los principios de la Industria 4.0.