Aplicación web para la detección de cáncer de piel basada en aprendizaje profundo

El desarrollo de tecnologías avanzadas en salud es una de las áreas más apasionantes y desafiantes del siglo XXI. La aplicación del aprendizaje profundo para el diagnóstico médico representa un avance significativo en la capacidad de los sistemas automatizados para asistir a los profesionales en la toma de decisiones. Este trabajo presenta una aplicación web para la detección temprana de cáncer de piel mediante redes neuronales convolucionales, específicamente ResNet; la misma permite la detección automática de ocho tipos de cáncer de piel: Melanoma, Nevo melanocítico, Carcinoma de células basales, Queratosis actínica, Dermatofibroma, Carcinoma de células escamosas, Lesión vascular y Queratosis seborreica. La metodología CRISP-DM utilizada en este estudio incluye el preprocesamiento de datos utilizando TensorFlow y la evaluación del desempeño del modelo mediante métricas como: precisión, sensibilidad, pérdida promedio y mAP (mean Average Precision). Se trabaja con un conjunto de datos de 25,331 imágenes, divididas en 20,265 para entrenamiento y 5,066 para prueba. Con los resultados de este trabajo se obtuvo, el 94% de precisión y 87% de sensibilidad. Se plantea como trabajo futuro la optimización del modelo y la exploración de su aplicación en otras patologías dermatológicas, con el objetivo de ampliar su utilidad en contextos clínicos asistidos por inteligencia artificial.