Un joven jujeño planteó la posibilidad de hacer un Diagnóstico automático de tuberculosis en radiografías de tórax mediante la aplicación de "Machine Learning", un aprendizaje automatizado. Daniel Antonio Guanca desarrolló un prototipo con imágenes de un banco de datos para su tesis de ingeniería informática, con la que se recibió, basado en inteligencia artificial, el cual cree que se puede aplicar.
inicia sesión o regístrate.
Un joven jujeño planteó la posibilidad de hacer un Diagnóstico automático de tuberculosis en radiografías de tórax mediante la aplicación de "Machine Learning", un aprendizaje automatizado. Daniel Antonio Guanca desarrolló un prototipo con imágenes de un banco de datos para su tesis de ingeniería informática, con la que se recibió, basado en inteligencia artificial, el cual cree que se puede aplicar.
"Lo que planteo es usar una radiografía, la mando a una computadora, y de ahí hago un modelo de machine learning, de aprendizaje automatizado", explicó Daniel Antonio Guanca, flamante ingeniero en informática de la Facultad de Ingeniería de la Universidad Nacional de Jujuy (Unju). Precisó en sencillas palabras que con ello se "entrena" o enseña en una radiografía donde se ven los pulmones, cuándo se trata de tuberculosis y cuándo no, y se prueba con otras que no formaron parte del entrenamiento para que emita un resultado.
"Eso es el diagnóstico automático, cuando está entrenado el modelo se puede pasar varias radiografías para saber si tiene o no tuberculosis", explicó. Dijo que planteó el trabajo para poder implementarlo en cualquier computadora, mientras tenga el modelo desentrenado ya que programando se puede hacer una interfaz gráfica, y estimó que con un servidor cualquier persona podría ingresar una radiografía y saber si se trata o no de tuberculosis.
Probó con tres métodos de SDM, máquina de soporte vectorial; Random forest y CNN, que significa redes neuronales convencionales, y con la que mejor resultados tuvo fue con la segunda que se puede aplicar en una computadora sencilla.
No obstante, explicó que aún faltaría para eso, porque el prototipo utilizó 662 imágenes de una página de ciencia sobre inteligencia artificial que ofrece data set, conjunto imágenes destinadas para entrenamiento. Y es que estimó que para tener resultados más confiables, debería contar con mayor cantidad de radiografías, lo cual es difícil de conseguir por tratarse de datos sensibles.
Sostuvo que ya hay antecedentes de este tipo que usan tecnologías similares, pero con mucha mayor capacidad de cómputo, ya que para su tesis uso una computadora común. Es que explicó que al tratarse de aprendizaje automatizado, se puede usar para otro tipo de patologías en las que se pueda ver en la imagen, como cáncer de pulmón, por ejemplo.
Además, explicó que hay muchos antecedentes de uso experimental, y también una empresa en Estados Unidos que usa este tipo de concepto en forma comercial. Por ello, estimó que el modelo que realizó, con la cantidad adecuada de imágenes y cómputos podría escalarse y usar sin problemas.
Guanca culminó con esa tesis la carrera de ingeniería informática, a la que ingresó luego de salir de la escuela de Minas.
Actualmente tiene 28 años y este año comenzó a trabajar profesionalmente como desarrollador de una empresa que realiza eventos virtuales.