Conclusiones

El presente proyecto muestra un sistema de apoyo al diagnóstico médico basado en IA, el cual procesa imágenes rayos X de tórax para identificar si una persona tiene COVID-19, neumonía o se encuentra sana. La importancia de este proyecto es demostrar que grandes volúmenes de imágenes pueden ser usadas para entrenar un sistema inteligente para que sea capaz de detectar una enfermedad, logrando precisiones iguales o mayores que un humano, dejando atrás el problema del cansancio físico y la variabilidad entre médicos.

El desarrollo consistió en la creación de dos modelos diferentes en los cuales se compara su desempeño. El primer modelo fue en cascada empleando dos redes neuronales convolucionales ResNet 152 con salidas binarias y el otro modelo ResNet 152 multiclase con tres salidas, ambos prácticamente tuvieron el mismo porcentaje de exactitud. El enfoque de cascada resultó más alto por 0.087%, aunque en las otras métricas se encontraron más diferencias. En los resultados de la red neuronal convolucional multiclase se obtuvo mejor precisión con la clase de neumonía por 4.085% y en exhaustividad el resultado en las clases sano y COVID-19 se estimó en 2.414% y 3.019% respectivamente. En cuanto al modelo en cascada, se logró mejor precisión en las clases sano y COVID-19 por 3.232% y 2.339% respectivamente, y una mejor exhaustividad, en la clase neumonía con 3.687% más a diferencia del modelo de tres clases. En la métrica valor F1 se registraron valores similares en ambos modelos, con diferencias no mayores a 0.5%. Y la clase neumonía resultó la más baja junto con los pacientes sanos. La clase COVID-19 tuvo un resultado mejor de aproximadamente 5% más que las otras clases en ambos modelos.

Aunque inicialmente se esperaba que la arquitectura encargada de detectar la clase sano y enfermo superara al otro enfoque, el resultado fue diferente. Mientras que el algoritmo para detectar neumonía y COVID-19 tuvo una exactitud de 98.416%, el algoritmo para detectar sano y enfermo tuvo 91.792%.

Se concluye que las imágenes médicas de rayos X de tórax resultan viables para apoyar en la clasificación de enfermedades como neumonía y COVID-19, al combinarlas con redes neuronales convolucionales como herramienta de IA, con la ventaja de que los equipos de rayos X son accesibles casi en cualquier clínica.