Los resultados fueron parte de la investigación realizada por Andrés Orozco para obtener el grado de Magíster en Tecnologías de la Información del Departamento de Informática.

La neumonía es una de las patologías que más muertes causan en Chile. Para su detección, se necesitan especialistas en radiología y enfermedades broncopulmonares, que son escasos; además de enfrentarse a un gran flujo de radiografías a diario. Esta es la situación que enfrenta el país y que decidió abordar Andrés Orozco, Ingeniero Civil Industrial (Universidad de Valparaíso) e Ingeniero en Bioprocesos (PUCV).

Como solución, el exalumno del Magíster en Tecnologías de la Información planteó en su investigación crear un sistema de clasificación de imágenes médicas en un entorno Cloud utilizando sus frameworks de Deep Learning. Para diseñar la solución se probaron redes neuronales convolucionales y los frameworks de inteligencia artificial de plataformas Cloud usando dataset de imágenes de pacientes de neumonía públicos en la web.

"A través de la comparación de las métricas de los modelos se pudo evidenciar que éstos mostraron confiabilidad a la hora clasificar y predecir las imágenes de pacientes de neumonía, discriminando correctamente a los con y sin enfermedad. Para la validación de los sistemas propuestos se realizaron dos experimentos, comparando las métricas de cada sistema propuesto en lo que respecta a clasificación de imágenes de pacientes con y sin enfermedad con las métricas de un especialista médico", comenta Andrés Orozco. 

Los resultados

Los resultados arrojaron que en ambos casos el modelo era capaz de igualar o superar la clasificación de imágenes de tórax de los pacientes, disminuyendo en el orden de 5 veces el tiempo de procesamiento. Estos resultados proyectan que de implementarse este tipo de sistemas en servicios de salud, se podría generar rápidos resultados y manejar un gran volumen de atenciones médicas por esta enfermedad reduciendo su mortalidad.

En términos más específicos, destacan los siguientes resultados:

• Los modelos desarrollados en los frameworks de plataformas Cloud Amazon Rekognition y GoogleCloud Vertex AutoML resultaron ser confiable a la hora de la predicción de la enfermedad con métricas superiores al 92%.
• Los 2 frameworks de Deep Learning con los que se hicieron los experimentos entregaron igual o mejor predicción de la enfermedad que el especialista médico a la hora de la predicción de la enfermedad con métricas superiores al 92%.
• Los 2 frameworks de Deep Learning con los que se realizaron los experimentos entregaron resultados en menor tiempo del orden de las 5 veces comparado con el especialista médico. Lo anterior es particularmente importante, ya que precisamente se postula al Cloud Computing como una ventaja a la hora de procesar datos de mayores volúmenes y en sistemas distribuidos. 

Esta investigación fue presentada en abril frente a la comisión evaluadora de su tesina del Magíster e Tecnologías de la Información, compuesta por Raúl Monge, profesor guía; Ricardo Ñanculef, profesor correferente interno y Rodrigo Salas, correferente externo. Respecto a su paso por el programa de postgrado, cuenta que "fue una experiencia enriquecedora. En lo que respecta a la actualización de conocimientos en el área de TI con los conocimientos entregados por el programa y la experiencia vivida en cada trabajo grupal con los distintos compañeros. También destaco la buena disposición de los profesores que me permitió aprovechar al máximo cada clase. Finalmente agradezco al equipo de administración del MTI: Claudia Sanhueza, Claudia Altamirano; Carlos Barraza por su puesto a mi Profesor guía y director durante casi todo el programa el Profesor Raúl Monge por su apoyo constante para el logro de este proyecto. De cada uno de ellos aprendí algo y ahora me gustaría tener una proyección internacional, estudiar o convalidar algún postgrado en el extranjero (Francia /España /Italia) y terminar en una carrera mixta entre la academia y la consultoría".

Para conocer más de su investigación puedes ingresar aquí a su presentación, titulada "Diseño de un sistema de clasificación de imágenes médicas a través de Deep Learning en entorno Cloud para proveer un servicio de diagnóstico de neumonía" y realizada en el marco de su examen de grado del Magíster en Tecnologías de la Información.