Sistema inteligente basado en deep learning para el apoyo en el diagnóstico del cáncer del pulmón para el Hospital Regional de Lambayeque

Abstract

La presente investigación ha demostrado que un sistema inteligente basado en aprendizaje profundo ha logrado con éxito la detección de nódulos pulmonares en el Hospital Regional de Lambayeque. El objetivo principal fue el desarrollo de un sistema inteligente para apoyar el diagnóstico del cáncer de pulmón. Los objetivos específicos incluyeron la determinación de un algoritmo de preprocesamiento de imágenes, la selección y aplicación de un modelo de aprendizaje automático adecuado, el diseño de un modelo computacional para la detección de nódulos pulmonares, y la validación de su precisión. Se utilizó la metodología crisp-dm para el desarrollo del modelo, con fases que incluyeron la comprensión del negocio y los datos, la preparación de estos, el modelado y la evaluación del modelo. Se eligieron redes neuronales convolucionales (CNN) por su capacidad de aprender patrones complejos en las imágenes médicas. El modelo entrenado alcanzó una precisión del 91.89%, demostrando una alta eficacia en la detección de nódulos pulmonares. El sistema, además de permitir un diagnóstico temprano, tiene el potencial de agilizar el proceso de análisis médico, reduciendo la carga de trabajo de los radiólogos y mejorando la atención a los pacientes.This research has shown that an intelligent system based on deep learning has successfully achieved pulmonary nodule detection at the Lambayeque Regional Hospital. The main objective was to develop an intelligent system to support the diagnosis of lung cancer. The specific objectives included determining an image preprocessing algorithm, selecting and applying a suitable machine learning model, designing a computational model for detecting pulmonary nodules, and validating its accuracy. The crisp-dm methodology was used to guide system development, with phases including business and data understanding, data preparation, modeling, and model evaluation. Convolutional Neural Networks (CNN) were chosen due to their ability to learn complex patterns in medical images. The trained model achieved an accuracy of 91.89%, demonstrating high effectiveness in detecting pulmonary nodules. The system, in addition to enabling early diagnosis, has the potential to streamline the medical analysis process, reducing the workload on radiologists and improving patient care.