Estudiantes y profesores investigadores de la Universidad de San Buenaventura Cali presentan cinco trabajos aceptados en STSIVA 2026, con propuestas que exploran desde la accesibilidad y la salud hasta la seguridad vial y las tecnologías digitales.
La inteligencia artificial está dejando de ser una tecnología lejana para convertirse en una herramienta que puede ayudarnos a resolver problemas cotidianos. ¿Puede una computadora reconocer una seña? ¿Ayudar a identificar un tumor en una imagen médica? ¿Detectar un accidente de tránsito o reconstruir un rostro en tres dimensiones?
Estas son algunas de las preguntas que motivaron cinco investigaciones aceptadas en STSIVA 2026, desarrolladas por estudiantes y profesores investigadores de la Facultad de Ingeniería de la Universidad de San Buenaventura Cali, con participación de colaboradores de otras instituciones.
Los trabajos reflejan el interés de los grupos de investigación LIDIS y LEA por explorar nuevas aplicaciones de la inteligencia artificial, combinando la formación de estudiantes de Ingeniería de Sistemas e Ingeniería Multimedia con la experiencia de investigadores de Colombia, Brasil y Chile.
1. Inteligencia artificial que aprende a reconocer la lengua de señas
¿Y si una computadora pudiera interpretar los movimientos de las manos y el cuerpo para reconocer una seña?
Esa es la pregunta detrás de Comparative Study of Deep Learning Architectures for American Sign Language (ASL) Recognition. El equipo comparó cuatro modelos de inteligencia artificial para identificar señas a partir de videos, teniendo en cuenta que cada persona puede realizar los movimientos de una manera diferente.
El resultado más destacado lo obtuvo un modelo que combina información visual con datos sobre la postura y los movimientos corporales. Esto muestra que integrar diferentes tipos de información puede ayudar a reconocer mejor las señas. Aunque todavía existen retos antes de llevar estas tecnologías a conversaciones reales, la investigación abre posibilidades para desarrollar herramientas que apoyen la accesibilidad y la comunicación.
Autores: Gissel V. Quitian, estudiante de doble programa de la Universidad de San Buenaventura Cali, Ingeniería de Sistemas y Multimedia; Carlos M. Paredes, Kelly D. Marin y Carlos G. Hidalgo, investigadores de la misma universidad y vinculados a LIDIS; y Jorge Ricardo Mejía-Salazar, del Instituto Nacional de Telecomunicaciones (Inatel), Brasil.
2. Una inteligencia artificial que analiza imágenes de tumores cerebrales
Identificar un tumor y delimitar dónde se encuentra son dos tareas distintas. ¿Y si una misma herramienta pudiera apoyar ambas?
Esa es la propuesta de MultiTaskSwin, una investigación que combina dos enfoques de inteligencia artificial para analizar imágenes de resonancia magnética cerebral. El modelo busca clasificar las imágenes en cuatro categorías, glioma, meningioma, tumor hipofisario o ausencia de tumor y, al mismo tiempo, delimitar la región correspondiente al tumor.
En las pruebas reportadas, el sistema alcanzó una precisión de clasificación del 99,20 %. También obtuvo resultados favorables al delimitar las regiones de interés en las imágenes. Estos resultados son prometedores, aunque todavía se requieren evaluaciones adicionales antes de considerar su uso en entornos clínicos.
La investigación muestra cómo la inteligencia artificial puede contribuir al desarrollo de herramientas de apoyo para el análisis médico, sin reemplazar la experiencia ni el criterio de los profesionales de la salud.
Autores: Juan D. Yepez y Jesús D. Gelves, estudiantes del programa de Ingeniería de Sistemas la Universidad de San Buenaventura Cali; Carlos M. Paredes, investigador de LIDIS; y José F. Valencia, investigador de LEA. Todos están vinculados a la Facultad de Ingeniería de la Universidad de San Buenaventura Cali.
3. ¿Puede la inteligencia artificial ayudar a detectar accidentes de tránsito?
Una cámara puede grabar durante horas una avenida, pero identificar rápidamente un accidente entre cientos de vehículos y movimientos no es una tarea sencilla. La inteligencia artificial podría ayudar a reconocer estos eventos y contribuir a mejorar los tiempos de respuesta.
El trabajo Traffic Accident Detection Using Deep Learning: A Systematic Review and Real-World Challenges analiza investigaciones recientes sobre el uso de inteligencia artificial para detectar accidentes mediante videos.
Entre sus hallazgos, los autores destacan que los modelos YOLO ofrecen un equilibrio interesante entre rapidez y capacidad para localizar incidentes. Sin embargo, también advierten que muchos sistemas todavía enfrentan dificultades ante situaciones reales, como la lluvia, la poca iluminación o la presencia de obstáculos que impiden ver claramente lo ocurrido.
Más que presentar una solución definitiva, esta investigación identifica qué funciona, qué falta por resolver y hacia dónde deberían avanzar los próximos desarrollos. Un paso importante para pensar en tecnologías que, en el futuro, puedan apoyar la seguridad vial y la gestión de emergencias.
Autores: Natalia Giraldo Amador, estudiante de Ingeniería de Sistemas de la Universidad de San Buenaventura Cali; Carlos M. Paredes y Carlos G. Hidalgo, investigadores de la misma institución.
4. De una fotografía a un rostro en tres dimensiones
Una fotografía muestra un rostro desde un ángulo determinado. Pero ¿cómo reconstruir su volumen y su estructura tridimensional a partir de una sola imagen?
El artículo Monocular 3D Face Reconstruction: A Review of Deep Learning and Parametric Approaches explora las tecnologías que buscan resolver este desafío. Sus autores revisan desde los modelos tradicionales de representación facial hasta las técnicas modernas de inteligencia artificial.
Este tipo de tecnología puede tener aplicaciones en animación digital, videojuegos, realidad virtual y creación de avatares. Sin embargo, reconstruir un rostro con precisión sigue siendo difícil cuando hay sombras intensas, partes ocultas o cambios importantes en la posición de la cabeza.
La revisión organiza los avances y las limitaciones del campo, ofreciendo una guía para quienes quieran desarrollar nuevas soluciones de reconstrucción facial. También recuerda que, cuando se trabaja con imágenes de personas, la privacidad y el uso responsable de los datos son aspectos fundamentales.
Autores: Ana M. Bautista-Rodríguez, estudiante Ingeniería de Sistemas y Multimedia de la Universidad de San Buenaventura Cali; Carlos M. Paredes y Kelly D. Marin, investigadores de la misma institución, vinculados a la Facultad de Ingeniería y al grupo LIDIS.
5. ¿Qué pueden enseñarnos las señales del cerebro a través de la inteligencia artificial?
Las señales eléctricas del cerebro contienen patrones que pueden estudiarse mediante electroencefalografía (EEG). El reto consiste en interpretar esa información y comprender qué aprende una inteligencia artificial cuando analiza estos registros.
En Interpretable Deep Learning for EEG-Based Alcoholism Detection via Prototype Analysis, los investigadores compararon tres enfoques para analizar señales cerebrales relacionadas con el consumo problemático de alcohol. Además de evaluar su capacidad de clasificación, estudiaron cómo se organizan internamente los patrones que utilizan los modelos para producir sus resultados.
El hallazgo es especialmente interesante: los modelos que alcanzaron mayor precisión también mostraron señales de sobreajuste y dificultades para generalizar. Otro modelo tuvo un comportamiento más estable, aunque sus representaciones internas fueron menos fáciles de separar.
¿La conclusión? En inteligencia artificial no basta con acertar. También importa entender las limitaciones de un modelo y comprobar si sus resultados se mantienen ante datos nuevos. El trabajo incluye, además, una implementación web del modelo EEGNet como aproximación práctica a su despliegue.
Esta investigación no plantea un diagnóstico médico automático, sino que explora cómo combinar el análisis de señales cerebrales con una evaluación más cuidadosa de los modelos de inteligencia artificial.
Autores: Marlon D. Mora y Martin Correa, estudiantes de la Universidad de San Buenaventura Cali del programa de Ingeniería de Sistemas; Carlos M. Paredes y Carlos G. Hidalgo, investigadores de LIDIS; y Valeria Valdés, investigadora de LEA, también de la Universidad de San Buenaventura Cali. El equipo cuenta además con la participación de Juan C. Meléndez y Gilber A. Corrales, vinculados a la Universidad Autónoma de Occidente, y a la Universidad Adolfo Ibáñez, en Chile.
Investigación que conecta disciplinas e instituciones
Los cinco trabajos muestran que la inteligencia artificial puede abordar preguntas muy diferentes: cómo facilitar la comunicación, cómo analizar imágenes médicas, cómo reconocer accidentes, cómo representar rostros en tres dimensiones y cómo interpretar señales cerebrales.
También reflejan el valor de la colaboración entre estudiantes y profesores investigadores, así como el intercambio de conocimientos entre instituciones. Además de la Universidad de San Buenaventura Cali, participan investigadores del Instituto Nacional de Telecomunicaciones (Inatel), Brasil; la Universidad Autónoma de Occidente, Colombia; y la Universidad Adolfo Ibáñez, Chile.
Para la Facultad de Ingeniería, estos trabajos representan una oportunidad para visibilizar el conocimiento que se construye desde LIDIS y LEA y el papel de los estudiantes de Ingeniería de Sistemas e Ingeniería Multimedia en proyectos que conectan la formación universitaria con desafíos actuales.
Porque detrás de cada modelo hay algo más que código: hay preguntas, experimentación y personas que buscan nuevas formas de comprender y transformar el mundo.
Carlos Paredes Valencia,
Docente de la Facultad de Ingeniería
