LIAM Dx 1.0
Learning Intelligent Assistant for Management Diagnostic
Sistema de apoyo para la decisión clínica diágnostica de dependencia tecnológica humana a las Inteligencias Artificiales.
Proyecto de Investigación
LIAM Dx 1.0 es un desarrollo tecnológico derivado del análisis y modelación estructural de los resultados del proyecto de investigación titulado: Análisis comparativo con perspectiva de género del involucramiento y dependencia de los emprendedores PYME con las Inteligencias Artificiales (IA) basadas en Redes Neuronales Profundas (RNP), en Yumbo Valle Colombia, Inscrito en el parque científico de Uniminuto Colombia. Extrapolado mediante el grupo de estudio NODO 13 a ocho ciudades de Colombia. El sistema implementa un enfoque de screening automatizado que traduce datos cuantitativos en conocimiento clínico accionable, siguiendo los principios contemporáneos de sistemas de apoyo a la decisión clínica basados en IA.
Ubicación: Población inicial de estudio Yumbo, Valle del Cauca, Colombia, pruebas extendidas a ocho ciudades de Colombia mediante el grupo de estudio Nodo 13 - Uniminuto
Población: Empresarios y trabajadores en PYMEs
Enfoque: Perspectiva de género en adopción tecnológica
Tipo: No probabilística por acceso
Tamaño: N= 945
Datos incluidos: 599 (Usuarios de inclusión plenamente validados y pertinentes)
Tipo: Estudio transversal cuantitativo
Variables: Involucramiento, dependencia IA, caracterización sociodemográfica
Articulación: Investigación I y II del programa de Especialización en Gerencia de Proyectos. Uniminuto-Virtual
Propósito: Fortalecimiento de muestra
Beneficio: Formación investigativa
Criterio de Inclusión Muestral: Calidad de la muestra analizada por dispersión de datos, tiempos de respuesta y homogeneidad poblacional
ORCID: 0000-0001-8757-3909
ORCID: 0000-0002-5577-7728
ORCID: 0000-0002-0699-286X
Metodología Científica
🏆 Algorítmos más eficientes:
⚡ Gradient Boosting 71.9%
🌲 Random Forest 71.3%
✅Variables como el género, la edad, tipo de empresa y la actividad comercial no resultaron significativas para explicar la adopción y dependencia de las IA.
✅El análisis bajo modelo TAM indica que los factores utilidad percibida, facilidad de uso y disfrute percibido no se asocian a la dependencia desarrollada.
Resultados de Investigación
Precisión: 71.92% (+/- 7.38%) con validación cruzada 5-fold y penalización 0.5 % para estabilidad
Nivel 2 - Riesgo Leve: Frecuencia moderada con monitoreo preventivo
Nivel 3 - Riesgo Moderado: Intervención temprana requerida, pérdida funcional detectada
Nivel 4 - Riesgo Alto: Intervención clínica inmediata, dependencia funcional crítica
• Factores de riesgo: Correlación significativa entre intensidad de uso y dependencia funcional (Rho = 0.291, p = 0.006)
• Biomarcadores conductuales: Tiempo de uso y patrones funcionales como predictores clínicos validados
• Screening diferencial: Detección automatizada de perfiles de riesgo sin sesgos demográficos
• Correlación género-actividad: Asociación significativa entre género y actividad comercial (Rho = 0.435, sig. = 0.00)
• Aplicación tecnológica: No se observan relaciones Estadisticamente significativas entre género y el uso administrativo u operativo de las IA (Rho = 0.305, sig. = 0.51)
• Barreras sociales: Evidencia de limitaciones en adopción equitativa de IA en MYPEs lideradas por mujeres
• H2: El género biológico influye en la distribución laboral y no en la dependencia tecnológica de la IA.✅ ACEPTADA -
• H3:La dependencia de la inteligencia artificial en las MYPEs está relacionada con factores prácticos de uso ✅ ACEPTADA
La clasificación dependerá de la honestidad de respuestas del sujeto lo que explica la varianza de la muestra. Las pruebas longitudinales aumentan la utilidad de la herramienta.
Publicaciones y Eventos Científicos
-
Artículo científico: "LIAM Dx 1.0: Clinical Decision Support System for Technology Dependency Screening"
Revista indexada en Scopus -
Poster científico: "Automated Screening for Technology Dependency in Clinical Settings"
Congreso Internacional de IA en Medicina -
Manual Operativo: "Protocolo LIAM Dx para Screening de Dependencia Tecnológica"
Guía de implementación clínica
Innovación Tecnológica
Liam Dx 1.0 es un prototipo piloto capaz de desarrollar todas las funciones necesarias dentro de un sistema determinado, habiendo superado pruebas de factibilidad en laboratorio y en condiciones de operación o funcionamiento real.
Frontend: Gradio, HTML5, CSS3, JavaScript
Base de datos: Google Sheets API, CSV
Reportes: ReportLab, Matplotlib
Deploy: Vultr Cloud Infrastructure
• Gradient Boosting: Optimización iterativa
• K-NN: Clasificación por similitud
• SVM: Separación óptima de clases
• Logistic Regression: Baseline estadístico
• Validación cruzada 5-fold
• Normalización inteligente de datos
• Manejo robusto de valores faltantes
• Interpretación clínica automatizada
Acceso al Sistema LIAM Dx 1.0
Sistema de apoyo a la decisión clínica para screening automatizado de dependencia tecnológica. Disponible para profesionales de la salud e instituciones clínicas.
Sistema Machine Learning en Desarrollo
LIAM Dx 1.0 está disponible para evaluaciones clínicas en tiempo real con validación científica
Para colaboraciones Clínicas
Instituciones de salud, universidades o empresas interesadas en implementar el sistema de screening automatizado, por favor contactar a: