Diego Paul Corrales Vargas
Current Organizations / Institutes
The organizations/institutes from the scholar's latest article
Diego Paul Corrales Vargas has a total of 10 co-authors. Here are the top co-authors by number of shared publications:
- Byron P. Corrales
Universidad Técnica de Cotopaxi
2 shared publications - Alexander David Sandoval Vela1 shared publication
- Carlos M. Manzano
Universidad Técnica de Cotopaxi
1 shared publication - Fausto S. Tapia
Universidad Técnica de Cotopaxi
1 shared publication - Johanna Paola Basantes Insuasti1 shared publication
- Jorge Luis Choca Alcocer
Escuela Superior Politecnica de Chimborazo
1 shared publication
Latest Publications
- Open Access
- 5 January 2026
- Published by Esprint in Esprint Investigación
- Vol. 5 (1) , 754-773
Inteligencia Artificial Generativa como apoyo para la personalización de intervenciones terapéuticas para la depresión: una revisión exploratoria
La depresión constituye un problema prioritario de salud pública y, ante la heterogeneidad de la respuesta terapéutica y las barreras de acceso, la inteligencia artificial generativa ha emergido como una alternativa prometedora para apoyar la personalización de intervenciones clínicas. El objetivo de esta revisión exploratoria fue mapear, sintetizar y analizar críticamente la evidencia disponible sobre el uso de la inteligencia artificial generativa en la personalización de intervenciones terapéuticas para la depresión. Se siguieron las directrices PRISMA-ScR y se realizaron búsquedas en las bases de datos Scopus, PubMed y Web of Science sin restricciones de idioma ni de año de publicación. Se recuperaron 47 registros, de los cuales, tras la eliminación de duplicados y el proceso de selección por títulos, resúmenes y texto completo, se incluyeron finalmente 10 estudios originales. Los resultados mostraron una clara predominancia de chatbots terapéuticos basados en modelos de lenguaje a gran escala, así como enfoques híbridos con recuperación de información, monitoreo contextual y aplicaciones multimodales. Asimismo, se identificó que la personalización se implementó principalmente a través de estrategias dinámicas, contextuales, intraindividuales y participativas, orientadas al apoyo emocional, la psicoeducación, la activación conductual, la terapia cognitivo-conductual y la toma de decisiones clínicas. No obstante, persistieron limitaciones relacionadas con tamaños de muestra reducidos, validación clínica insuficiente, presencia de sesgos en los datos, necesidad de supervisión humana, desafíos éticos y barreras de implementación. En conclusión, la inteligencia artificial generativa presenta un potencial significativo para fortalecer las intervenciones terapéuticas personalizadas en la depresión; sin embargo, su adopción clínica requiere el fortalecimiento de la robustez metodológica, la validación en contextos reales y el desarrollo de marcos de seguridad más sólidos.
- 5 January 2026
- Published by Esprint in Esprint Investigación
- Vol. 5 (1) , 754-773
Open AccessInteligencia Artificial Generativa como apoyo para la personalización de intervenciones terapéuticas para la depresión: una revisión exploratoria
La depresión constituye un problema prioritario de salud pública y, ante la heterogeneidad de la respuesta terapéutica y las barreras de acceso, la inteligencia artificial generativa ha emergido como una alternativa prometedora para apoyar la personalización de intervenciones clínicas. El objetivo de esta revisión exploratoria fue mapear, sintetizar y analizar críticamente la evidencia disponible sobre el uso de la inteligencia artificial generativa en la personalización de intervenciones terapéuticas para la depresión. Se siguieron las directrices PRISMA-ScR y se realizaron búsquedas en las bases de datos Scopus, PubMed y Web of Science sin restricciones de idioma ni de año de publicación. Se recuperaron 47 registros, de los cuales, tras la eliminación de duplicados y el proceso de selección por títulos, resúmenes y texto completo, se incluyeron finalmente 10 estudios originales. Los resultados mostraron una clara predominancia de chatbots terapéuticos basados en modelos de lenguaje a gran escala, así como enfoques híbridos con recuperación de información, monitoreo contextual y aplicaciones multimodales. Asimismo, se identificó que la personalización se implementó principalmente a través de estrategias dinámicas, contextuales, intraindividuales y participativas, orientadas al apoyo emocional, la psicoeducación, la activación conductual, la terapia cognitivo-conductual y la toma de decisiones clínicas. No obstante, persistieron limitaciones relacionadas con tamaños de muestra reducidos, validación clínica insuficiente, presencia de sesgos en los datos, necesidad de supervisión humana, desafíos éticos y barreras de implementación. En conclusión, la inteligencia artificial generativa presenta un potencial significativo para fortalecer las intervenciones terapéuticas personalizadas en la depresión; sin embargo, su adopción clínica requiere el fortalecimiento de la robustez metodológica, la validación en contextos reales y el desarrollo de marcos de seguridad más sólidos.
- Open Access
- 5 January 2026
- Published by Esprint in Esprint Investigación
- Vol. 5 (1) , 58-74
Inteligencia artificial y arritmia cardiaca: una revisión sistemática
El diagnóstico de las arritmias cardíacas sigue siendo un reto clínico debido a la dependencia de la interpretación manual del electrocardiograma, la variabilidad entre evaluadores y la dificultad para identificar eventos arrítmicos complejos o intermitentes. En este contexto, la inteligencia artificial ha surgido como una alternativa prometedora para mejorar el análisis automatizado de señales cardíacas; no obstante, su impacto clínico y sus limitaciones requieren una evaluación sistemática. El objetivo de esta revisión fue analizar la aplicación de la inteligencia artificial en la detección y diagnóstico de arritmias cardíacas mediante el análisis automatizado del electrocardiograma, considerando su influencia en la precisión diagnóstica, la toma de decisiones clínicas y la eficiencia del proceso diagnóstico. Se realizó una revisión sistemática de la literatura con un enfoque cualitativo y un alcance descriptivo–analítico, siguiendo las directrices PRISMA 2020. La búsqueda en la base de datos Scopus identificó un total de 201 estudios publicados entre 2020 y 2025, de los cuales 20 fueron incluidos en el análisis final. Los resultados muestran un predominio de modelos de aprendizaje profundo, especialmente redes neuronales convolucionales, recurrentes y arquitecturas híbridas, con altos niveles de precisión, sensibilidad y exactitud, frecuentemente superiores al 95% y comparables a los de cardiólogos expertos. La implementación de estas tecnologías se asocia con diagnósticos más oportunos, detección temprana de arritmias y mayor eficiencia clínica; sin embargo, persisten limitaciones como el elevado costo computacional, la limitada validación externa, la baja interpretabilidad de los modelos y las dificultades de generalización poblacional, lo que evidencia la necesidad de una integración clínica responsable, gradual y debidamente validada.
- 5 January 2026
- Published by Esprint in Esprint Investigación
- Vol. 5 (1) , 58-74
Open AccessInteligencia artificial y arritmia cardiaca: una revisión sistemática
El diagnóstico de las arritmias cardíacas sigue siendo un reto clínico debido a la dependencia de la interpretación manual del electrocardiograma, la variabilidad entre evaluadores y la dificultad para identificar eventos arrítmicos complejos o intermitentes. En este contexto, la inteligencia artificial ha surgido como una alternativa prometedora para mejorar el análisis automatizado de señales cardíacas; no obstante, su impacto clínico y sus limitaciones requieren una evaluación sistemática. El objetivo de esta revisión fue analizar la aplicación de la inteligencia artificial en la detección y diagnóstico de arritmias cardíacas mediante el análisis automatizado del electrocardiograma, considerando su influencia en la precisión diagnóstica, la toma de decisiones clínicas y la eficiencia del proceso diagnóstico. Se realizó una revisión sistemática de la literatura con un enfoque cualitativo y un alcance descriptivo–analítico, siguiendo las directrices PRISMA 2020. La búsqueda en la base de datos Scopus identificó un total de 201 estudios publicados entre 2020 y 2025, de los cuales 20 fueron incluidos en el análisis final. Los resultados muestran un predominio de modelos de aprendizaje profundo, especialmente redes neuronales convolucionales, recurrentes y arquitecturas híbridas, con altos niveles de precisión, sensibilidad y exactitud, frecuentemente superiores al 95% y comparables a los de cardiólogos expertos. La implementación de estas tecnologías se asocia con diagnósticos más oportunos, detección temprana de arritmias y mayor eficiencia clínica; sin embargo, persisten limitaciones como el elevado costo computacional, la limitada validación externa, la baja interpretabilidad de los modelos y las dificultades de generalización poblacional, lo que evidencia la necesidad de una integración clínica responsable, gradual y debidamente validada.
- 3 September 2024
- Published by Springer Nature
- p. 150-160
Application of IoT Technologies Oriented to a Vehicle Safety System
- 3 September 2024
- Published by Springer Nature
- p. 150-160
Application of IoT Technologies Oriented to a Vehicle Safety System
- 3 September 2024
- Published by Springer Nature
- p. 139-149
Innovations in the Control of an Intelligent Electronic Scoreboard Using IoT
- 3 September 2024
- Published by Springer Nature
- p. 139-149
Innovations in the Control of an Intelligent Electronic Scoreboard Using IoT