Laboratorio de Aprendizaje Automatico y Conductual

El Laboratorio de Aprendizaje Automático y Conductual (LAAC) es una iniciativa interdisciplinaria que fusiona las ciencias del comportamiento y la ciencia de datos para estudiar y atender aspectos en la salud mental y el bienestar. La misión es desarrollar y aplicar modelos predictivos y técnicas de aprendizaje automático para mejorar la comprensión y el tratamiento de problemas en salud mental en la poblaciones.

Nos enfocamos en:

· Investigar y desarrollar modelos predictivos relacionados con la conducta humana.

· Aplicar Machine Learning (ML) para la prevención de conductas de riesgo.

· Desarrollar aplicaciones que integren modelos de ML para que los usuarios puedan integrarlo en sus vida o en sus prácticas profesionales.

El LAAC combina la experiencia en inteligencia artificial y conducta humana para crear soluciones innovadoras basadas en evidencia científica.

¡Estamos comprometidos con el desarrollo de intervenciones profesionales temprans y efectivas!

Proyectos Activos en ML, Conducta y AI

System and Method for Creating an Emotional Digital Twin with Predictive Simulation of States and Therapeutic Responses (Patent Pending, USPTO Provisional Patent Application, Serial No. 63/832,806)
UPRrp DBT Skills Training [Software]. https://dbtskills-app.streamlit.app/
Plataforma de Evaluación de Salud Mental (Versión 1.0) [Software]. Recuperado de https://mentalhealth-app.streamlit.app/
Cernimiento sobre Salud Mental en Estudiantes del Recinto de Río Piedras, UPR. [Software]. https://ccaps-app-v2.streamlit.app/
Cernimiento de Bienestar Emocional y Conductal [Software].
Predicción de respuesta de tratamiento en depresión y otros problemas de salud mental [Software].
Supervised Machine Learning and DBT-UPR for the identification and management of emotional dysregulation in university students in collaboration with Pérez Torres, S., Zeno Santi, R., Feliciano López, V., Jurado Andino, M., Delgado Ortega, R., Valerio González, Y., Ruíz González, M., Marrero Teruel, R., Perdomo, N., Morales, J., Quiñonez, A., Rodriguez, M., Seguinot, E., Institutional Funds for Research (FIPI) UPRRP
Development of a prediction model for screening suicide behavior in the university population in collaboration with Pérez Torres, S. [AI Software]
Development of a prediction model for emotional dysregulation in the university population in collaboration with Pérez Torres, S., Valerio-González, Y. & Jurado-Andino, M. [AI Software]
Development of a prediction model for screening problematic substance use in the university population in collaboration with Pérez Torres, S. [AI Software]
Development of a prediction model for screening self-harming behaviors in the university population in collaboration with Pérez Torres, S. [AI Software: https://casis-app-test.streamlit.app/].
Development of a virtual assistant (oseiBot) for the Office of Services for Students with Disabilities in collaboration with Pérez-Torres, S. [AI Software]

Publicaciones

Serra-Taylor, J., & Perez-Torres, S. (2025). Supervised Machine-Learning Model for Early Detection of Non-Suicidal Self-Injury in College Students. The International Journal of Health, Wellness, and Society, 15(3), 167–190. https://doi.org/https://doi.org/10.18848/2156-8960/CGP/v15i03/167-190
Serra Taylor, J. & Pérez Torres, S. (2025). Modelos predictivos de aprendizaje automático para la identificación de la desregulación emocional y el consumo de sustancias en estudiantes universitarios. Revista Internacional de Salud, Bienestar y Sociedad, 11(1), 33-60. https://doi.org/10.18848/2474-5219/CGP/v11i01/33-60
Serra Taylor, J, y Solimar Pérez Torres, S. (2024). Modelo de Detección Temprana de CASIS: Una Herramienta para Profesionales de Ayuda en las Universidades. En Subjetividades y Vínculos: Perspectivas Integradoras, editado por Liliana Andrea Calderón Garzón, 337–70. Bogotá: Editorial Congresos PI. https://files.cdn-files-a.com/uploads/3743669/normal_673d1b851d84f.pdf
Serra Taylor, J. & Pérez Torres, S. (Sometido a la Revista Acta Colombiana de Psicología). Modelo de predicción de conductas CASIS en estudiantes universitarios mediante aprendizaje automático supervisado.
Pérez Torres, S. & Serra Taylor, J. (Sometido a la Revista REduca). Avanzando hacia el Futuro Integración de la Inteligencia Artificial en la Educación Postsecundaria.
Serra-Taylor, J. & Perez-Torres, S. (2024). [Prediction of CASIS through Artificial Intelligence. Poster presented at the 44th Annual Research and Education Forum, UPR, Medical Sciences Campus.]. Predicción de CASIS mediante Inteligencia Artificial. Carter presentado en el 44to Foro Anual de Investigación y Educación del Recinto de Ciencias Médicas 13 al 15 de marzo de 2024. http://dx.doi.org/10.13140/RG.2.2.23275.96804

Divulgación

2024- Serra-Taylor, J. & Perez-Torres, S. Modelo de Detección Temprana de CASIS: Una Herramienta para Profesionales de Ayuda en las Universidades. 3er Congreso Panamericano de Sexualidad y Tabú y el 4to Congreso Iberoamericano de Salud Mental, del 6 al 8 noviembre de 2024, Pereira, Colombia.
2024- Serra-Taylor, J. & Perez-Torres, S. Desarrollo de un modelo predictivo de desregulación emocional y consumo de sustancias psicoactivas en estudiantes universitarios mediante aprendizaje automático supervisado. X Congreso Iberoamericano de Psicologia Clínica y de la Salud, del del 15 al 18 de octubre de 2024 en Granada, España.
2024- Serra-Taylor, J. & Perez-Torres, S. Desarrollo de un modelo predictivo de conductas autolesivas sin intención suicida (CASIS) en estudiantes universitarios mediante aprendizaje automático supervisado. X Congreso Iberoamericano de Psicologia Clínica y de la Salud, del del 15 al 18 de octubre de 2024 en Granada, España.
2024 - Serra-Taylor, J. & Perez-Torres, S. Predicción de CASIS mediante Inteligencia Artificial. Carter presentado en el 44to Foro Anual de Investigación y Educación del Recinto de Ciencias Médicas 13 al 15 de marzo de 2024 [Prediction of CASIS through Artificial Intelligence. Poster presented at the 44th Annual Research and Education Forum, UPR, Medical Sciences Campus.]. http://dx.doi.org/10.13140/RG.2.2.23275.96804

Report abuse