Red Neuronal Convolucional para evaluar el nivel de daño pulmonar causado por neumonía en muestras de rayos-x con pacientes del hospital de Macusani, 2023

Abstract

La presente investigación desarrolló un sistema de Redes Neuronales Convolucionales (CNN) para evaluar el nivel de daño pulmonar causado por neumonía mediante imágenes de rayos-x de tórax del Hospital San Martín de Porres de Macusani. El estudio empleó metodología cuantitativa con diseño experimental, procesando un total de 16,922 imágenes con 1,769 imágenes locales que incluye 120 imágenes reservados para validación final y 15,153 imágenes complementarias. Se desarrolló un sistema dual (a) modelo de clasificación diagnostica compatible con Grad-CAM, y (b) modelo de segmentación. El modelo de clasificación alcanzó exactitud global de 97.82%, sensibilidad de 96.98%, especificidad de 98.50% y AUC-ROC promedio de 99.85%. El modelo de segmentación logró coeficiente Dice de 98.89% e IoU de 97.81%. Se implementó exitosamente el sistema de escalas médicas estandarizadas (RALE 0-8, Brixia 0-18, RSI 0-72) integrado con técnicas de interpretabilidad Grad-CAM, que implementa un score compuesto con ponderaciones (RSI 40%, RALE 25%, Brixia 25%, Grad-CAM 10%) el cual clasifica el daño pulmonar en cinco niveles interpretables sin daño (0-5%), leve (5-25%), moderado (25-50%), severo (50-75%) y crítico (75-100%). La validación clínica final con 120 casos reservados demostró coincidencia del 93.3% con diagnósticos especializados. Esta investigación establece un precedente importante para la implementación de sistemas de inteligencia artificial en entornos hospitalarios rurales, contribuyendo a reducir las brechas en el acceso a diagnósticos radiológicos especializados.