Las Redes Neuronales Convolucionales y la mejora en el diagn?stico de Neumon?a ? ?rea de Radiolog?a

Abstract

La neumon?a es la infecci?n que produce un mayor n?mero de ingresos hospitalarios, siendo responsable del 15% de todas las defunciones de menores de 5 a?os a nivel mundial (UNICEF, 2019). Es una enfermedad compleja de diagnosticar debido a que puede ser causado por diferentes agentes infecciosos. De contraer neumon?a, el tipo tratamiento seleccionado depender? de la diagnosis, y por lo tanto la precisi?n del diagn?stico es de alta criticidad. Adem?s, actualmente la muerte en ni?os con neumon?a puede ocurrir en tan solo 2 d?as despu?s del inicio de la enfermedad, eso hace que la velocidad de la detecci?n sea tambi?n altamente importante para poder salvar vidas. Un diagn?stico de neumon?a t?picamente requiere de la revisi?n de placas radiogr?ficas tor?cicas. El radi?logo o m?dico, basado en su experiencia, visualmente trata de localizar anormalidades en las im?genes. Algunos centros de salud han implementado un sistema que automatiza este proceso, pero obteniendo variables resultados de precisi?n. En esta investigaci?n despu?s de hacer un an?lisis exhaustivo se ha automatizado el proceso de diagn?stico mediante la implementaci?n de un sistema basado en Inteligencia Artificial. Este sistema tiene tres motores cognitivos basados tres algoritmos del estado del arte de redes neuronales convolucionales para obtener una mayor precisi?n y a su vez reducir el tiempo de diagn?stico de neumon?a. Este sistema adem?s fue desplegado a trav?s de una aplicaci?n web que permite visualizar (en el caso de m?ltiples pacientes) los porcentajes de probabilidad de padecer neumon?a por cada imagen, esta informaci?n adicional permite al m?dico en tomar la m?s apropiada decisi?n en el tratamiento de los pacientes. Como resultado se logr? disminuir el n?mero de diagnosis incorrectas en un 80% utilizando el mejor algoritmo basado en la arquitectura de redes neuronales Alexnet, y se logr? reducir los tiempos de espera de los pacientes en un 32%.