Especialización en Patología

Permanent URI for this collection

https://noesis.uis.edu.co/handle/20.500.14071/9316

Browse

Browsing Especialización en Patología by Subject "Aprendizaje Profundo"

Now showing 1 - 1 of 1
  • No Thumbnail Available
    Item
    Aplicación de inteligencia artificial mediante algoritmos de aprendizaje profundo para clasificar imágenes de citologías en un programa de tamizaje de cáncer de cuello uterino
    (Universidad Industrial de Santander, 2025-03-04) Manzano Chaya, José Said; García Ayala, Ernesto; Pérez García, Gabriel Eduardo; Martínez Abaúnza, Víctor Eduardo
    La citología cervicouterina convencional continúa siendo un pilar del tamizaje del cáncer cervicouterino en Colombia, pero su utilidad se ve opacada por una gran carga laboral y bajo rendimiento diagnóstico. La aplicación de inteligencia artificial (IA) puede proveer una solución a este problema, sin embargo, no hay estudios que evalúen su utilidad en nuestra población. Evaluar y comparar la capacidad discriminativa de cuatro modelos de inteligencia artificial basados en aprendizaje profundo para identificar alteraciones en citología cervicouterina. Se entrenaron cuatro modelos de inteligencia artificial basados en aprendizaje profundo (DenseNet, InceptionV3, MobileNet y VGG19) con una base de datos de casi 7000 imágenes, para después determinar la capacidad discriminativa de cada modelo, el tiempo de computación y su tasa de acuerdo con la lectura manual convencional en nuestra población. Se incluyeron en el estudio un total de 80 participantes. Los cuatro modelos mostraron un área bajo la curva superior a 0.9. MobileNet tuvo la mejor especificidad (0.97) con valores predictivos positivo y negativo de 0.91, así como la mejor tasa de acuerdo interobservador Kappa (0.777) en un tiempo de computación menor. Por otro lado, InceptionV3 tuvo la mejor sensibilidad (0.93) a costa de una especificidad (0.77) y tasa de acuerdo interobservador inferiores (0.617). La aplicación de inteligencia artificial tiene el potencial de disminuir la carga laboral de los patólogos y citólogos, sin alterar el rendimiento diagnóstico. En nuestro estudio, MobileNet mostró ofrecer el mejor valor costo-beneficio y mayor eficiencia a largo plazo, al tiempo que su menor demanda de poder computacional hace que sea más factible integrar su uso al flujo de trabajo convencional. Su aplicación podría ayudar a la lectura convencional, o incluso servir como método de tamizaje primario, sin embargo, se requieren estudios adicionales que evalúen esta posibilidad en el laboratorio de patología.