Un innovador proyecto tendiente a complementar los diagnósticos de expertos, mejorando los tiempos y precisión en la detección del cáncer de piel de tipo melanoma, está desarrollando un grupo de investigadores de la Escuela de Ingeniería Informática y el doctorado de Industria Inteligente de la Pontificia Universidad Católica de Valparaíso (PUCV). Se trata de un algoritmo desarrollado en base a redes neuronales convolucionales (CNN), que son entrenadas para discriminar si corresponden o no con el diagnóstico de esta enfermedad. Una red neuronal convolucional es una arquitectura de red para Deep Learning que aprende directamente a partir de datos, previamente etiquetados. Suele emplearse para identificar patrones en imágenes y funciona de manera similar a las neuronas de un cerebro humano, que a partir de la identificación de características aprende a categorizar. El cáncer de piel de tipo melanoma, si bien no es el más letal, su tasa de incidencia es alta en comparación con otros y en general tiene un buen pronóstico si es pesquisado a tiempo, sin embargo, un diagnóstico erróneo puede inducir falsos negativos, pasando por alto una alerta importante, o por el contrario sugerir un falso positivo, cuando la enfermedad no existe. El proyecto pretende mejorar la detección temprana y ser complemento de la labor de los médicos, de fácil utilización por dermatólogos y centros de salud.
Síguenos en:
Suscríbete al boletín:
Suscribete Gratis
