Aplicación de inteligencia artificial mediante algoritmos de aprendizaje profundo para clasificar imágenes de citologías en un programa de tamizaje de cáncer de cuello uterino

Simple item page
dc.contributor.advisorGarcía Ayala, Ernesto
dc.contributor.authorManzano Chaya, José Said
dc.contributor.evaluatorPérez García, Gabriel Eduardo
dc.contributor.evaluatorMartínez Abaúnza, Víctor Eduardo
dc.date.accessioned2025-03-06T15:56:41Z
dc.date.available2025-03-06T15:56:41Z
dc.date.created2025-03-04
dc.date.issued2025-03-04
dc.description.abstractLa 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.
dc.description.abstractenglishConventional cervical cytology remains a cornerstone of cervical cancer screening in Colombia. However, its effectiveness is hindered by a high workload and low diagnostic performance. The application of artificial intelligence (AI) could provide a solution to this issue; however, no studies have evaluated its utility in our population. To assess and compare the discriminative capacity of four deep learning-based artificial intelligence models in identifying abnormalities in cervical cytology. Four deep learning-based artificial intelligence models (DenseNet, InceptionV3, MobileNet, and VGG19) were trained on a database of approximately 7,000 images. The discriminative capacity of each model, computation time, and agreement rate with conventional manual reading in our population were then determined. A total of 80 participants were included in the study. All four models demonstrated an area under the curve (AUC) greater than 0.9. MobileNet exhibited the highest specificity (0.97), with positive and negative predictive values of 0.91, as well as the highest interobserver agreement rate (Kappa = 0.777) with a lower computation time. Conversely, InceptionV3 had the highest sensitivity (0.93) at the expense of lower specificity (0.77) and interobserver agreement (Kappa = 0.617). The application of artificial intelligence has the potential to reduce the workload of pathologists and cytologists without compromising diagnostic performance. In our study, MobileNet demonstrated the best cost-effectiveness and long-term efficiency, while its lower computational power requirements make it more feasible for integration into conventional workflows. Its application could assist conventional cytology reading or even serve as a primary screening method. However, additional studies are needed to evaluate this possibility in pathology laboratories.
dc.description.degreelevelEspecialización
dc.description.degreenameEspecialista en Patología
dc.format.mimetypeapplication/pdf
dc.identifier.instnameUniversidad Industrial de Santander
dc.identifier.reponameUniversidad Industrial de Santander
dc.identifier.repourlhttps://noesis.uis.edu.co
dc.identifier.urihttps://noesis.uis.edu.co/handle/20.500.14071/45292
dc.language.isospa
dc.publisherUniversidad Industrial de Santander
dc.publisher.facultyFacultad de Salud
dc.publisher.programEspecialización en Patología
dc.publisher.schoolEscuela de Medicina
dc.rightsinfo:eu-repo/semantics/openAccess
dc.rights.accessrightsinfo:eu-repo/semantics/openAccess
dc.rights.coarhttp://purl.org/coar/access_right/c_abf2
dc.rights.creativecommonsAtribución-NoComercial-SinDerivadas 4.0 Internacional (CC BY-NC-ND 4.0)
dc.rights.licenseAtribución-NoComercial-SinDerivadas 2.5 Colombia (CC BY-NC-ND 2.5 CO)
dc.rights.urihttp://creativecommons.org/licenses/by-nc-nd/4.0/
dc.subjectDiagnóstico Precoz del Cáncer
dc.subjectInteligencia Artificial
dc.subjectAprendizaje Profundo
dc.subjectPrueba de Papanicolaou
dc.subjectNeoplasias del Cuello Uterino
dc.subject.keywordEarly Diagnosis of Cancer
dc.subject.keywordArtificial Intelligence
dc.subject.keywordDeep Learning
dc.subject.keywordPapanicolaou Test
dc.subject.keywordCervical Neoplasms
dc.titleAplicación de inteligencia artificial mediante algoritmos de aprendizaje profundo para clasificar imágenes de citologías en un programa de tamizaje de cáncer de cuello uterino
dc.title.englishApplication of Artificial Intelligence Using Deep Learning Algorithms for the Classification of Cytology Images in a Cervical Cancer Screening Program
dc.type.coarhttp://purl.org/coar/resource_type/c_7a1f
dc.type.hasversionhttp://purl.org/coar/version/c_b1a7d7d4d402bcce
dc.type.localTesis/Trabajo de grado - Monografía - Especialización
Files
Original bundle
Now showing 1 - 3 of 3
No Thumbnail Available
Name:
Documento.pdf
Size:
1.72 MB
Format:
Adobe Portable Document Format
Download
No Thumbnail Available
Name:
Nota de proyecto .pdf
Size:
443.02 KB
Format:
Adobe Portable Document Format
Download
No Thumbnail Available
Name:
Carta de autorización.pdf
Size:
173.93 KB
Format:
Adobe Portable Document Format
Download
License bundle
Now showing 1 - 1 of 1
No Thumbnail Available
Name:
license.txt
Size:
2.18 KB
Format:
Item-specific license agreed to upon submission
Description:
Download
Collections
Especialización en Patología