BEGIN:VCALENDAR
VERSION:2.0
PRODID:-//Departamento de Computación - ECPv6.15.18//NONSGML v1.0//EN
CALSCALE:GREGORIAN
METHOD:PUBLISH
X-WR-CALNAME:Departamento de Computación
X-ORIGINAL-URL:https://www.dc.uba.ar
X-WR-CALDESC:Eventos para Departamento de Computación
REFRESH-INTERVAL;VALUE=DURATION:PT1H
X-Robots-Tag:noindex
X-PUBLISHED-TTL:PT1H
BEGIN:VTIMEZONE
TZID:America/Sao_Paulo
BEGIN:STANDARD
TZOFFSETFROM:-0300
TZOFFSETTO:-0300
TZNAME:-03
DTSTART:20250101T000000
END:STANDARD
END:VTIMEZONE
BEGIN:VEVENT
DTSTART;TZID=America/Sao_Paulo:20260701T140000
DTEND;TZID=America/Sao_Paulo:20260701T150000
DTSTAMP:20260630T174018
CREATED:20260630T125640Z
LAST-MODIFIED:20260630T125640Z
UID:10701-1782914400-1782918000@www.dc.uba.ar
SUMMARY:Defensa Tesis Lienciatura Julieta Pagés
DESCRIPTION:Título: Reevaluación de marcadores lingüísticos de psicosis: del NLP tradicional a los LLMs\nDirector: Dr. Diego Fernandez Slezak\nJurados: Dr. Ernesto Mislej\, Dr. Carlos Diuk \nResumen:\nEl lenguaje juega un rol importante en la detección temprana de psicosis. Incluso\, en estudios previos\, se incorporaron técnicas de NLP tradicional para predecir la transición a psicosis en pacientes de alto riesgo (CHR por “Clinical High Risk”) con resultados prometedores. Este trabajo se propone reevaluar dichos hallazgos utilizando modelos de lenguaje de gran escala (LLMs) —Gemini 2.5 Flash\, Gemini 2.5 Pro\, DeepSeek y GPT-5- mini— en configuraciones zero-shot y few-shot.\nSe exploró principalmente un enfoque de clasificación end-to-end\, en el cual los resultados muestran que tres de los cuatro modelos superan la clasificación trivial\, con Gemini 2.5 Flash alcanzando un desempeño comparable al reportado por los métodos tradicionales. La excepción es GPT-5-mini\, que presentó un sesgo sistemático hacia clasificaciones negativas. Sin embargo\, la clasificación resulta sensible tanto a variaciones en las instrucciones como a los ejemplos del few-shot\, siendo esta última fuente de variación incluso más determinante. Ante esa incertidumbre\, el enfoque zero-shot emergió como alternativa robusta y razonable. Adicionalmente\, se observó que los modelos exhiben cierta noción de su propia incertidumbre\, constituyendo un potencial flag de ambigüedad clínica. Finalmente\, se analizó una extracción libre de características\, donde la metacognición emergió como el marcador más consistentemente diferenciador entre los pacientes que transicionaron a psicosis y los que no\, coherente con la literatura que lo señala como factor protector. \nPalabras clave: computational psychiatry\, predicción de psicosis\, NLP\, LLM\, few-shot\nprompting
URL:https://www.dc.uba.ar/event/defensa-tesis-lienciatura-julieta-pages/
LOCATION:Aula 1301
CATEGORIES:Agenda
END:VEVENT
END:VCALENDAR