Long short-term memory
Sinónimos: LSTM · Memoria a corto y largo plazo
Definición ampliada
Long short-term memory, o LSTM, es una variante de red neuronal recurrente que mantiene un estado de celda y usa compuertas para decidir qué información incorpora, conserva y expone. Ese mecanismo crea caminos más estables para el gradiente y facilita aprender dependencias separadas por muchos pasos [1].
No almacena la secuencia completa ni elimina por completo los problemas de entrenamiento. Aprende qué conservar a partir de los datos y de la tarea.
Contexto histórico
Hochreiter y Schmidhuber introdujeron la arquitectura en 1997 como respuesta a la dificultad de entrenar redes recurrentes sobre dependencias largas [1]. Esa dificultad había sido caracterizada pocos años antes al estudiar el aprendizaje mediante descenso de gradiente [2].
Importancia actual
A fecha de septiembre de 2026, los transformer dominan la mayor parte del lenguaje porque procesan secuencias en paralelo y modelan relaciones distantes con atención. Las LSTM siguen siendo una opción útil para series temporales, señales en flujo y sistemas pequeños donde la recurrencia encaja con el problema y el presupuesto de cómputo.
Aplicaciones
Generales
- Predecir series temporales.
- Clasificar o etiquetar secuencias.
- Procesar audio y señales continuas.
Sanitarias
- Modelar la evolución temporal de constantes vitales.
- Analizar electrocardiogramas u otras señales fisiológicas.
- Estudiar trayectorias longitudinales en historias clínicas electrónicas.
Limitaciones
- El cálculo sigue siendo secuencial y se paraleliza peor que la atención.
- Las dependencias muy largas continúan siendo difíciles.
- Los datos clínicos irregulares, incompletos o muestreados con distinta frecuencia requieren tratamiento específico.
- El estado aprendido no equivale a una memoria interpretable.
- Una predicción temporal no establece causalidad ni justifica una intervención.
Ejemplos
Una LSTM recibe una secuencia horaria de constantes y estima riesgo de deterioro. Puede aprender patrones temporales, pero debe validarse en otros centros y frecuencias de registro antes de atribuir valor asistencial a la predicción.