Instituto Global para la Excelencia en el Cuidado de la Salud Keralty2026-06-112026-06-112024https://repositorio.unisanitas.edu.co/handle/123456789/1355Objetivo: Desarrollar y evaluar la factibilidad de una herramienta basada en inteligencia artificial que permita identificar tempranamente el riesgo de depresión y ansiedad durante el embarazo y el periodo posparto temprano (28 días), utilizando datos estructurados y texto clínico no estructurado provenientes de historias clínicas electrónicas. Método: Se desarrolló un estudio de fase de laboratorio bajo el marco CRISP-MED-DM, integrando múltiples fuentes de datos clínicos y administrativos de gestantes atendidas en Keralty Colombia. Se construyó un módulo de procesamiento de lenguaje natural (NLP) para identificar señales de depresión y ansiedad a partir de notas clínicas, complementando los diagnósticos codificados. El desenlace fue validado mediante adjudicación clínica por un panel multidisciplinario. Posteriormente, se implementó un pipeline de aprendizaje automático para estimar riesgo y se integró una matriz de recomendaciones clínicas alineadas con herramientas validadas (PHQ-9, GAD-7, EPDS) y guías nacionales. Finalmente, se desarrollaron dos prototipos funcionales del sistema de soporte clínico y se evaluó su usabilidad mediante pruebas A/B con profesionales de salud. Impacto esperado: El proyecto contribuye al fortalecimiento de la salud mental materna mediante la detección oportuna del riesgo, el apoyo a la toma de decisiones clínicas y la optimización de rutas de atención. Producto esperado: El proyecto generó como resultado un prototipo funcional de una calculadora de riesgo basada en inteligencia artificial, que integra procesamiento de lenguaje natural, modelos predictivos y recomendaciones clínicas automatizadas.textesProyecto