Investigación
Inteligencia artificial, del laboratorio a las personas que la usan
Nos mueve la curiosidad por cómo las máquinas encuentran, leen y razonan con la información, y queremos que lo que construimos ayude a las personas. Esa curiosidad va de los buscadores y los modelos de lenguaje a la lógica y la computación evolutiva, y nos saca del laboratorio: detectar señales tempranas de depresión en internet, medir el discurso de odio en las redes sociales, responder preguntas de salud con fuentes que puedes comprobar. A continuación, cada línea presenta a su gente, las preguntas que la tienen ocupada y sus últimos artículos.
“early signs of depression in social media”
Detección temprana de riesgos y salud mental digital
Construimos modelos y colecciones de prueba para detectar señales tempranas de depresión, TDAH y otros riesgos a partir de lo que la gente escribe en internet, y estudiamos cómo los modelos de lenguaje pueden razonar sobre síntomas de forma clínicamente fiable. Desde 2017 el grupo coorganiza eRisk, el laboratorio de CLEF sobre predicción temprana de riesgos en internet.
Preguntas en las que trabajamos
- ¿Puede un sistema ordenar la evidencia de cada síntoma del DSM-5, frase a frase?
- ¿Pueden personas simuladas con LLM sustituir a pacientes al evaluar el cribado conversacional?
- ¿Cómo hacemos que el razonamiento de los LLM sobre la depresión sea lo bastante coherente para el personal clínico?
Artículos recientes
“can LLMs replace human relevance judgments”
Evaluación de la búsqueda y LLM como evaluadores
Construir colecciones de prueba es caro. Diseñamos estrategias de pooling, tests estadísticos y juicios asistidos por LLM que mantienen la evaluación fiable y reducen el coste de la evaluación humana, y comprobamos dónde fallan los juicios automáticos.
Preguntas en las que trabajamos
- ¿Qué documentos deben juzgar personas y cuáles puede juzgar un LLM?
- ¿Cómo comparamos muchos sistemas a la vez sin falsos descubrimientos?
Artículos recientes
“trustworthy answers to health questions”
Experiencia de búsqueda, RAG y acceso a información de salud
De la sugerencia de consultas y la búsqueda por frases clave a la generación aumentada por recuperación, estudiamos cómo busca la gente y cómo darle respuestas fieles a la evidencia. En los proyectos XMED y C3HS nos centramos en las búsquedas de salud de la ciudadanía, donde una respuesta equivocada puede hacer daño de verdad.
Preguntas en las que trabajamos
- ¿Cambia la posición de la evidencia en el contexto lo que responde un sistema RAG?
- ¿Cómo evaluamos las sugerencias de consultas a lo largo de toda una sesión, y no solo en los primeros resultados?
Artículos recientes
“answer set programming with temporal logic”
Representación del conocimiento, razonamiento explicable e IA clínica
Desarrollamos fundamentos lógicos para sistemas de IA que puedan explicar sus conclusiones: programación de conjuntos de respuestas (ASP), lógica temporal y deóntica, y su uso para generar explicaciones en sistemas híbridos que combinan lógica y aprendizaje, el objetivo del proyecto GEISER. Esa misma preocupación por las explicaciones nos lleva a la clínica: con el servicio de farmacia del Complexo Hospitalario Universitario de A Coruña construimos modelos interpretables para personalizar la dosis de fármacos tras un trasplante, donde una recomendación solo sirve si el farmacéutico puede ver por qué se hizo.
Preguntas en las que trabajamos
- ¿Cuándo son fuertemente equivalentes dos programas lógicos con restricciones?
- ¿Cómo representamos obligaciones y permisos que pueden entrar en conflicto?
- ¿Puede una IA interpretable personalizar las dosis de tacrolimus en distintos hospitales?
Artículos recientes
- Strong Equivalence in Answer Set Programming with Constraints Theory and Practice of Logic Programming, 2026
- Deontic Equilibrium Logic with Paraconsistent Modality LPNMR 2026
- Combined donor–recipient CYP3A functional allele count as a predictor of tacrolimus pharmacokinetics Frontiers in Pharmacology, 2026
- DoseTailor for personalised tacrolimus dose optimisation using interpretable AI npj Digital Medicine, 2026
“genetic programming interpretable prediction models”
Computación bioinspirada y aprendizaje evolutivo
La naturaleza resuelve problemas de búsqueda difíciles mediante variación y selección, y usamos esa misma idea para construir modelos. Con programación genética, evolución diferencial y algoritmos meméticos exploramos espacios demasiado grandes para recorrerlos uno a uno: las formas en que puede plegarse una proteína, las combinaciones de ratios financieros que anticipan la quiebra de una empresa o el espacio latente de un modelo generativo. Lo que evoluciona la programación genética es una fórmula legible y no una caja negra, así que cualquiera puede comprobar por qué predice lo que predice, la misma pregunta que hacemos a los sistemas basados en lógica en el proyecto GEISER.
Preguntas en las que trabajamos
- ¿Puede la programación genética seleccionar las variables y construir a la vez un clasificador legible?
- ¿Puede la búsqueda evolutiva refinar las estructuras de proteínas predichas con aprendizaje profundo?
- ¿Agrupar el espacio latente de un autocodificador variacional produce mejores imágenes generadas?
Artículos recientes
- Using genetic programming as a feature selector and classifier to implement bankruptcy prediction models Computer Science and Information Systems, 2026
- Protein structure refinement with a memetic algorithm Natural Computing, 2025
- Clustering the Latent Space in Variational Autoencoders for Image Generation LNCS, 2026
“hate speech detection in Galician and Spanish”
Análisis de redes sociales: discurso de odio, sesgos y daños en línea
Estudiamos lo que circula por las redes sociales y cómo lo leen los modelos. Reunimos grandes metacolecciones de publicaciones con y sin odio, creamos conjuntos de datos de narrativas conspirativas e hiperpartidistas, estudiamos cómo anotan y juzgan este contenido los modelos de lenguaje y medimos los sesgos demográficos y geográficos que arrastran. Parte de este trabajo se hace dentro de la red doctoral HYBRIDS sobre democracia y discurso en línea.
Preguntas en las que trabajamos
Artículos recientes