Modelo de inteligencia artificial para el diagnóstico asistido del cáncer de mama: Un enfoque basado en redes neuronales

El cáncer de mama representa la segunda causa de muerte por cáncer en mujeres a nivel mundial. Este trabajo presenta el desarrollo y evaluación de un sistema de inteligencia artificial basado en la arquitectura YOLOv8 para la detección de lesiones en mamografías. Se implementó un modelo de detección de objetos entrenado sobre un conjunto de datos desbalanceado para optimizar la detección de lesiones mamarias. El sistema incorpora varias técnicas de preprocesamiento, incluyendo segmentación del tejido mamario y aumentación de datos mediante transformaciones geométricas y radiométricas. Adicionalmente, se diseñó un sistema con una interfaz interactiva, incluyendo un dashboard de métricas y un chatbot para mejorar la accesibilidad a los análisis automáticos de imágenes. El modelo demostró una exactitud global del 76%, con una precisión del 97% en la detección de casos positivos, una sensibilidad del 73% y una puntuación mAP-50 de 58% para la localización espacial de anomalías. Aunque la alta precisión indica una baja tasa de falsos positivos, la sensibilidad moderada sugiere la necesidad de optimización para reducir falsos negativos, aspecto crítico en aplicaciones clínicas. Los resultados obtenidos evidencian el potencial de las técnicas de deep learning para asistir en el análisis mamográfico, ofreciendo una herramienta complementaria que podría mejorar la eficiencia diagnóstica y reducir la carga de trabajo radiológica. No obstante, el desempeño subóptimo requiere investigación adicional en técnicas avanzadas de balanceo y arquitecturas optimizadas.

• Autores: Bula Pavía, Gabriela de Jesús; García Dávila, Edgar Andrés; Castillo de la Espriella, Lena Carolina
• Fecha de publicación: 2025
• Institución: Universidad del Norte
• Repositorio: Repositorio Uninorte
• Idioma: spa
• OAI Identifier: oai:manglar.uninorte.edu.co:10584/13388
• Acceso en línea: http://hdl.handle.net/10584/13388
• Palabra clave: Cáncer de mama; Inteligencia artificial; Detección temprana; Imagen médica; Mamografía; Diagnóstico asistido; Deep learning; Redes neuronales convolucionales; YOLOv8; Breast cancer; Artificial intelligence; Early detection; Medical imaging; Mammography; Deep learning; Convolutional neural networks; YOLOv8
• License: Universidad del Norte