Paper · 2026 · Open access

Evaluación de la eficacia de un modelo de inteligencia artificial (PEFT/Lora) para la anonimización automática de información sensible en textos clínicos

Erick Daniel Reyes Villón

Universidad Politécnica Salesiana Repositorio Digital (Universidad Politécnica Salesiana) · Published 1 January 2026

Open PDFView at the publisherCite this paper

In brief

“Evaluación de la eficacia de un modelo de inteligencia artificial (PEFT/Lora) para la anonimización automática de información sensible en textos clínicos” is a 2026 paper by Erick Daniel Reyes Villón, published in Universidad Politécnica Salesiana Repositorio Digital (Universidad Politécnica Salesiana). OpenAlex counts 0 citations as of 19 November 2026. It is open access under a CC BY-NC-ND licence: the full text is free to read at Universidad Politécnica Salesiana Repositorio Digital (Universidad Politécnica Salesiana).

Citations
0
References
22
Authors
1

Abstract

El campo del Reconocimiento de Entidades Nombradas (NER) dentro de la medicina ha dado un giro importante gracias a la irrupción de arquitecturas basadas en Transformers, las cuales han optimizado la precisión al extraer conceptos de registros electrónicos (Agrawal et al., 2022). A pesar de estos avances, el despliegue real de estos sistemas todavía choca con el reto de salvaguardar la privacidad de los pacientes sin que la utilidad de la información se pierda en el proceso. En este contexto, la presente investigación diseña e implementa un prototipo de software para la anonimización de textos clínicos en español que combina el modelo BETO con la técnica LoRA, logrando un ajuste sumamente eficiente incluso en modelos de gran escala (Hu et al., 2022). Para sortear los impedimentos legales que restringen el acceso a datos reales, la metodología se basó en el desarrollo de un corpus sintético especializado. El sistema fue validado experimentalmente en un entorno de Google Colab (con GPU T4) obteniendo un resultado en F1-Score de 1.0 y una reducción drástica del 99.45% en los requisitos computacionales, demostrando que los adaptadores de bajo rango son una vía real para democratizar la IA en el sector salud. Se concluye que esta propuesta es viable desde el punto de vista técnico y financiero, abriendo la puerta a futuras optimizaciones mediante métodos de adaptación por capas más sofisticados (Gu, 2026), que garanticen el cumplimiento estricto de las leyes de protección de datos personales.

Cite this paper

Formatted from the catalogue record. Check names, capitals and page numbers against the paper before you submit.

APA 7

Villón, E. D. R. (2026). Evaluación de la eficacia de un modelo de inteligencia artificial (PEFT/Lora) para la anonimización automática de información sensible en textos clínicos. Universidad Politécnica Salesiana Repositorio Digital (Universidad Politécnica Salesiana). http://dspace.ups.edu.ec/handle/123456789/33048

MLA 9

Villón, Erick Daniel Reyes. “Evaluación de la eficacia de un modelo de inteligencia artificial (PEFT/Lora) para la anonimización automática de información sensible en textos clínicos.” Universidad Politécnica Salesiana Repositorio Digital (Universidad Politécnica Salesiana), 2026. http://dspace.ups.edu.ec/handle/123456789/33048.

Chicago

Villón, Erick Daniel Reyes. 2026. “Evaluación de la eficacia de un modelo de inteligencia artificial (PEFT/Lora) para la anonimización automática de información sensible en textos clínicos.” Universidad Politécnica Salesiana Repositorio Digital (Universidad Politécnica Salesiana). http://dspace.ups.edu.ec/handle/123456789/33048.

Harvard

Villón, E. D. R. (2026) ‘Evaluación de la eficacia de un modelo de inteligencia artificial (PEFT/Lora) para la anonimización automática de información sensible en textos clínicos’, Universidad Politécnica Salesiana Repositorio Digital (Universidad Politécnica Salesiana). Available at: http://dspace.ups.edu.ec/handle/123456789/33048.

IEEE

E. D. R. Villón, “Evaluación de la eficacia de un modelo de inteligencia artificial (PEFT/Lora) para la anonimización automática de información sensible en textos clínicos,” Universidad Politécnica Salesiana Repositorio Digital (Universidad Politécnica Salesiana), 2026.

BibTeX

@article{villon2026evaluaci,
  title     = {{Evaluación de la eficacia de un modelo de inteligencia artificial (PEFT/Lora) para la anonimización automática de información sensible en textos clínicos}},
  author    = {Villón, Erick Daniel Reyes},
  journal   = {Universidad Politécnica Salesiana Repositorio Digital (Universidad Politécnica Salesiana)},
  year      = {2026},
  url       = {http://dspace.ups.edu.ec/handle/123456789/33048}
}

Download for a reference manager: BibTeX (.bib) · RIS for Zotero, Mendeley and EndNote (.ris)

Topic and keywords

Physical Sciences › Computer Science › Artificial Intelligence › Privacy-Preserving Technologies in Data

  • named entity recognition
  • LoRa
  • parameter-efficient fine-tuning
  • Spanish clinical text
  • synthetic corpus
  • patient privacy
  • electronic health records
  • low-rank adapters

Work with this paper

Most-cited papers in Computer Science

All highly cited Computer Science papers

Questions about this paper

How do I cite this paper in APA style?

Villón, E. D. R. (2026). Evaluación de la eficacia de un modelo de inteligencia artificial (PEFT/Lora) para la anonimización automática de información sensible en textos clínicos. Universidad Politécnica Salesiana Repositorio Digital (Universidad Politécnica Salesiana). http://dspace.ups.edu.ec/handle/123456789/33048

How many times has this paper been cited?

0 times, according to OpenAlex on 19 November 2026. Google Scholar and Scopus count different sets of sources, so their numbers differ.

Is this paper free to read?

Yes. It is open access at Universidad Politécnica Salesiana Repositorio Digital (Universidad Politécnica Salesiana): sign in and open the PDF from this page.

Who wrote this paper?

Erick Daniel Reyes Villón.

Bibliographic data from OpenAlex (CC0), last checked 19 November 2026. ResearchGuru does not host this paper; once you are signed in, the links open it at the publisher or the repository that does.