Avances del Primer Semestre
Doctorado en Ciencias de la Computación (M1 - M6)
Este primer semestre se centra en la asimilación teórica y el diseño arquitectónico inicial de la **Arquitectura Causal Multimodal**. El trabajo está guiado por la literatura más reciente en causalidad y sistemas multiagentes para el razonamiento clínico (MedCollab, MuCR, CausalML).
Protocolo de Investigación Oficial
Modelado Causal y Sistemas Multiagente Cooperativos para el Razonamiento Clínico Interpretable: Arquitectura Computacional Multimodal Aplicada al Ámbito Farmacoterapéutico.
Fase 1: Modelado Causal Teórico (M1 - M2)
Fundamentación basada en Causal Machine Learning para modelar interacciones farmacoterapéuticas.
- Mapeo y clasificación de variables endógenas y exógenas del síndrome metabólico en Tabasco.
- Definición matemática inicial del Grafo Dirigido Acíclico (DAG).
- Análisis de factores de confusión sociodemográficos.
Formalización del Grafo Clínico
Fase 2: Diseño del Subsistema Multimodal VcCoT (M3 - M4)
Integración de técnicas de razonamiento multimodal inspiradas en el benchmark MuCR.
- Adaptación de la estrategia *Visual Cue Chain-of-Thought (VcCoT)*.
- Desagregación semántica de pistas clínicas en Character (Atributos del paciente) y Background (Contexto epidemiológico).
- Pipeline de ingesta para fuentes heterogéneas: Notas de voz, PDFs médicos y Excels de biomarcadores.
Operador de Intervención (do-calculus)
Fase 3: Arquitectura Multiagente Cooperativa (M5 - M6)
Definición formal de los sistemas multiagente estructurados (SMA) basados en MedCollab.
- Diseño de roles: Agentes de Monitorización, Farmacológicos y de Formato.
- Implementación teórica del protocolo de argumentación estructurada (IBIS) para asegurar trazabilidad.
- Mecanismo de penalización exponencial de votos (consenso) para mitigar alucinaciones de razonamiento.
Propuesta del Agente (IBIS)
Penalización Exponencial de Votos
Fase 4: Seguridad, Gobernanza y Alcance (ISO/IEC 42001)
Marco de seguridad clínica para mitigar alucinaciones y proteger los datos del paciente.
- Cumplimiento de normativas de IA responsable (ISO/IEC 42001).
- Mecanismos Anti-Jailbreaking y alineamiento en tiempo de inferencia (ABAC).
- Delimitación: Uso de MARL interno; validación RLHF con médicos para trabajo a futuro.
Estrategia de Benchmarking Escalonado (Gemma 4 y Nemotron 3)
La arquitectura causal completa (Ingesta + Grafo + Multiagente) será evaluada bajo escenarios locales y escalables integrando las familias abiertas Gemma 4 (QAT) y Nemotron 3 (Agentic AI).
1. Ultra-Edge
Clínicas rurales/móviles. Per-Layer Embeddings.
2. Edge Básico
Consultorios estándar. Equilibrio de contexto.
3. Local Estándar
Workstations médicas. Multimodal nativo.
4. Clínica Avanzada
Servidores locales. Alta velocidad Mixture-of-Experts.
5. Hospital Central
Clústers hospitalarios. El estándar de oro.
6. Edge Multimodal
Sub-agente nativo de percepción multimodal (VcCoT).
7. IBIS GPU Local
Consenso multiagente e invocación de herramientas.
8. Datacenter Causal
Validación do-calculus en clúster NIM Microservices.
Referencias Bibliográficas Base
MedCollab: Causal-Driven Multi-Agent Collaboration
Argumentación IBIS y consensos multiagente (HDCC).
Multimodal Causal Reasoning Benchmark
Estrategia VcCoT para generalización cross-modal y extracción visual.
Causal Machine Learning (2022)
Bases teóricas de modelado SCM e inferencia causal.
Beyond Correlation: Towards Causal LLM Agents in Biomedicine
Sinergia entre datos multimodales, grafos de conocimiento y herramientas causales.
Causal Inference: What If (Hernán & Robins)
Estándar de oro para el ajuste de factores de confusión mediante do-calculus.
Causal AI Roadmap 2025 (Bareinboim)
Transición formal del deep learning a sistemas estructurados verdaderamente inteligentes.
Causal Agent based on LLM
Arquitectura pionera en dotar a LLMs con motores de inferencia causal pura.
Tool-Augmented LLM Agents
Descubrimiento causal preciso en datos multimodales mediante uso de herramientas externas.
MARL for Chronic Disease
Gestión adaptativa de terapias farmacológicas usando Aprendizaje por Refuerzo Multiagente.
PHM Co-Pilots Health Monitoring
Monitorización activa impulsada por agentes conscientes de la causalidad clínica.