Citobot: un enfoque de inteligencia artificial para la detección temprana del cáncer de cuello uterino
Loading...
Date
2024
Authors
Director
Journal Title
Journal ISSN
Volume Title
Publisher
Pontificia Universidad Javeriana Cali
Abstract
Hoy en día, el cáncer de cuello uterino sigue siendo una preocupación en términos de salud pública a nivel mundial debido a su alta incidencia y mortalidad, especialmente en países en desarrollo. En 2022, en Colombia se reportaron 30.997 casos prevalentes, lo que significó un incremento del 17% en la proporción de casos nuevos reportados. A pesar de los avances y la disponibilidad de pruebas de detección, estas cifras continúan generando inquietud, principalmente en áreas rurales, debido a la dificultad para obtener imágenes diagnósticas y la falta de expertos médicos capacitados para proporcionar una evaluación precisa en estos sitios.
En el ámbito de la ingeniería, el uso de algoritmos de aprendizaje automático y profundo ha demostrado ser efectivo en aplicaciones de imágenes médicas, permitiendo identificar patrones y extraer características de distintas enfermedades, obteniendo un diagnóstico preciso en segundos. Además, la metodología de MLOps (DevOps para Machine Learning) se ha posicionado como una solución para llevar estos modelos a producción de manera efectiva, automatizando los flujos de trabajo y garantizando la escalabilidad y fiabilidad de los algoritmos. MLOps fusiona las prácticas de desarrollo de software (DevOps) con los procesos específicos de Machine Learning (ML), facilitando la implementación efectiva de modelos en entornos de producción y asegurando la integridad y confiabilidad de los algoritmos a lo largo del ciclo de vida del modelo.
Bajo este contexto, el proyecto CITOBOT busca desarrollar un sistema portátil basado en inteligencia artificial para el tamizaje del cáncer de cuello uterino, implementando metodologías que permitan integrar adecuadamente un modelo predictivo de imágenes colposcópicas en una aplicación móvil que impulse el dispositivo CITOBOT. El objetivo es mejorar la detección temprana del cáncer de cuello uterino y garantizar un diagnóstico preciso y confiable de la enfermedad.
Con esta iniciativa, se busca aliviar la carga de los centros médicos al proporcionar una herramienta de apoyo para el diagnóstico del cáncer de cuello uterino. Además, se pretende abordar las limitaciones en el acceso a servicios especializados en áreas rurales, al ofrecer una solución que pueda ser utilizada en dichas regiones.
item.page.abstract.eng
Today, cervical cancer remains a public health concern worldwide due to its high incidence and mortality rates, particularly in developing countries. In 2022, 30,997 prevalent cases were reported in Colombia, representing a 17% increase in the proportion of new cases.
Despite advancements and the availability of detection tests, these figures continue to raise concerns, particularly in rural areas, where obtaining diagnostic images and the lack of trained medical experts for accurate evaluations pose significant challenges.
In the field of engineering, the utilization of machine learning and deep learning algorithms has proven effective in medical imaging applications, enabling the identification of patterns and the extraction of disease-specific features, resulting in precise diagnoses within seconds. In addition, the MLOps methodology, or DevOps for Machine Learning, has emerged as a solution to effectively deploy these models into production, automating workflows and ensuring the scalability and reliability of algorithms. MLOps combines software development practices (DevOps) with specific Machine Learning (ML) processes, facilitating the effective implementation of models in production environments and ensuring the integrity and reliability of algorithms throughout the model’s lifecycle.
In this context, the CITOBOT project aims to develop a portable system based on artificial intelligence for cervical cancer screening. Primarily, it focuses on implementing methodologies that enable the seamless integration of a predictive model using colposcopic images into a mobile application that powers the CITOBOT device. The objective is to improve early detection of cervical cancer and ensure an accurate and reliable diagnosis of the disease.
This initiative seeks to alleviate the burden on healthcare centers by providing a supportive tool for cervical cancer diagnosis. Furthermore, it aims to address limitations in accessing specialized services in rural areas by offering a solution that can be utilized in these regions.