Jonathan Ramón Ramírez Castro

Jonathan Ramón Ramírez Castro

Auto-generated profile, based on publicly available information

Jonathan Ramón Ramírez Castro

Universidad Autónoma de Baja California - México

Research Focus & Metrics

Academic Career Length

1Year (2026-Present)

(Calculated once Scilit publication data is synced: current year − year of first publication + 1)

Representative Publications

View All Publications
23 January 2026 in Ciencia Latina Revista Científica Multidisciplinar
Verified
Journal Article
Open access
PDF file
CLCarlos Zepeda Lugo
Carlos Zepeda Lugo
JCJonathan Ramón Ramírez Castro
Jonathan Ramón Ramírez Castro
En los últimos años, la inteligencia artificial y el aprendizaje automático se expandieron rápidamente en el sector de la salud, no obstante, la literatura reportó los algoritmos de forma inconsistente. El objetivo de este estudio fue identificar y caracterizar las familias de algoritmos con mayor frecuencia reportadas en aplicaciones clínicas, estratificadas por modalidad de datos y tarea clínica. Para este fin, se realizó una revisión de alcance y se recuperó literatura publicada entre 2020 y 2025 en bases de datos médicas. Se incluyeron artículos de revistas que reportaron modelos de inteligencia artificial entrenados o evaluados y que presentaron métricas cuantitativas. Se extrajeron datos sobre arquitecturas de modelos, dominios clínicos, tareas, conjuntos de datos, validación y rendimiento. Se identificaron 20 estudios primarios de implementación que abarcaron tres modalidades principales: imágenes médicas (n = 9), datos tabulares de historia clínica electrónica (n = 7) y señales fisiológicas (n = 4). Las redes neuronales convolucionales dominaron en imágenes, mientras que los modelos híbridos prevalecieron en señales. Los modelos de aprendizaje automático clásico fueron comunes en predicción tabular. En conjunto, los modelos de inteligencia artificial en salud mostraron patrones claros de especialización por modalidad de datos, con arquitecturas profundas que dominaron datos no estructurados y métodos clásicos que persistieron en datos tabulares.

30 April 2026 in Ciencia y Reflexión
Verified
Journal Article
Open access
PDF file
CLCarlos Zepeda Lugo
Carlos Zepeda Lugo
JCJonathan Ramón Ramírez Castro
Jonathan Ramón Ramírez Castro
Andrea Insfran-RivarolaAndrea Insfran-Rivarola
Andrea Insfran-Rivarola
El objetivo de este estudio fue analizar la percepción y adopción de inteligencia artificial en el personal de una institución pública de salud con funciones predominantemente administrativas, de coordinación y de gestión de programas. Se empleó un diseño cuantitativo, observacional y transversal. Participaron 118 trabajadores de distintos perfiles laborales. Se aplicó una versión adaptada de un instrumento previamente validado, compuesta por 25 ítems organizados en siete dimensiones y valorados en una escala de uno a cinco. La consistencia interna global alcanzó un coeficiente alfa de Cronbach de 0.847. La puntuación promedio global fue de 2.29, con una desviación estándar de 0.36. La dimensión con mayor puntuación fue reemplazo de tareas, con 2.71, mientras que adopción institucional registró la puntuación más baja, con 2.10. Solo 16.1 % reportó haber utilizado inteligencia artificial en los últimos doce meses. Se observaron diferencias estadísticamente significativas según perfil laboral, uso previo de inteligencia artificial y nivel educativo. Los resultados mostraron una diferencia entre el reconocimiento del potencial de la inteligencia artificial y su integración organizacional.