Ayala Rodrigo, José LuisMatias-Guiu Antem, JordiMoral Rubio, Carlos2026-02-242026-02-242026-02-24https://hdl.handle.net/20.500.14352/133067Tesis inédita de la Universidad Complutense de Madrid, Facultad de Informática, Departamento de Arquitectura de Computadores y Automática, leída el 8 de octubre de 2025.In today's complex healthcare landscape, where multifaceted conditions and averlapping health challenges are prevalent, personalizad medicine has emerged as a key strategy for optimizing treatment outcomes. Unlike standardized protocols applied uniformly to all patients, personalized medicine tailors interventions by considering individual factors such as genetics, lifestiyle, and medical history. However, the widespread implementation of this approach faces a significant challenge: cost. Customizing treatments for each patient can be both resource-intensive and time-consuming. To ensure broader accessibility, personalized medicine must be implemented efficiently and affordably.A promising solution lies in the integration of machine learning into healthcare, enabling the analysis of vast datasets to generate models that inform personalized treatment protocols. By leveraging these computational techniques, it becomes possible to enhance treatment customization while maintaining cost-effectiveness. Crucially, the success of this approach depends on the use of accessible, low-cost tools capable of widespread deployment...En el panorama actual de la salud, donde las enfermedades complejas y los desafíos sanitarios superpuestos son frecuentes, la medicina personalizada se ha convertido en una estrategia clave para optimizar los resultados terapéuticos. A diferencia de los protocolos estandarizados aplicados de manera uniforme a todos los pacientes, la medicina personalizada adapta las intervenciones considerando factores individuales como la genética, el estilo de vida y el historial médico. Sin embargo, la implementación de los tratamientos puede ser tanto intensiva en recursos como en tiempo. Para garantizar su accesibilidad a un mayor número de personas, la medicina personalizada debe implementarse de manera eficiente y asequible.Una solución prometedora radica en la integración del aprendizaje automático en la atención médica, lo que permite el análisis de grandes volúmenes de datos para generar modelos que guíen la personalización de los tratamientos. El aprovechamiento de estas técnicas computacionales posibilita una mayor personalización dela terapia sin comprometer la rentabilidad. No obstante, el éxito de este enfoque depende del uso de herramientas accesibles y de bajo costo que puedan implementarse de manera generalizada...engdoctoral thesisopen access004.85:61(043.5)Machine LearningAprendizaje automáticoRepetitive Transcranial Magnetic StimulationPrimary Progressive AphasiaPersonalized MedicineElectroencephalographySignal ProcessingGeneralized Linear Mixture ModelEstimulación transcraneal magnéticaAfasia progresiva primariaElectroencefalografíaModelo lineal mixto generalizadoInteligencia artificial (Informática)1203.04 Inteligencia Artificial