Aprendizaje no supervisado
Sinónimos: Unsupervised learning
Definición ampliada
El aprendizaje no supervisado, o unsupervised learning, trabaja con datos sin salida objetivo. En lugar de aprender una relación entre entrada y etiqueta, busca estructura: grupos de casos parecidos, ejes de variación dominantes o representaciones más compactas que los datos originales.
Que no haya etiquetas no significa que no haya supuestos. La medida de distancia, el preprocesado y el número de grupos que se pide encontrar determinan en buena parte el resultado.
Contexto histórico
El agrupamiento y la reducción de dimensionalidad son anteriores al aprendizaje automático moderno y proceden de la estadística multivariante. Su relevancia creció con la abundancia de datos no etiquetados y con el aprendizaje autosupervisado, que aprovecha señal interna de los propios datos sin anotación manual [1].
Importancia actual
A fecha de septiembre de 2026, es la vía habitual cuando etiquetar es caro, lento o requiere criterio experto, algo especialmente cierto en clínica. En investigación sanitaria se usa además para generar hipótesis: proponer subgrupos que después hay que confirmar con otros datos.
Aplicaciones
Generales
- Agrupar casos similares sin categorías predefinidas.
- Reducir la dimensionalidad para visualizar o comprimir.
- Detectar anomalías como desviaciones del patrón mayoritario.
Sanitarias
- Proponer fenotipos clínicos dentro de un síndrome heterogéneo, como se hizo en sepsis [2].
- Agrupar perfiles de expresión génica para explorar subtipos de enfermedad.
- Detectar registros atípicos en control de calidad de datos asistenciales.
Limitaciones
- No hay una respuesta correcta con la que comparar: la evaluación es indirecta.
- Cambiar el preprocesado o la métrica puede producir grupos distintos con los mismos pacientes.
- Un grupo estadístico no es una entidad clínica: puede no tener implicación pronóstica ni terapéutica.
- Sin validación en cohortes independientes, los subgrupos descritos tienden a no replicarse.
Ejemplos
Aplicado a datos de pacientes con sepsis, un algoritmo de agrupamiento puede describir varios fenotipos con perfiles clínicos y de laboratorio distintos [2]. El hallazgo es una hipótesis sobre heterogeneidad, no una indicación de tratamiento diferenciado mientras no se contraste.