Detección de Patologías Pulmonares: Un Enfoque Basado en IA con Redes Neuronales Convolucionales

EasyChair Preprint 16005

Abstract

El diagnóstico precoz de enfermedades pulmonares, a través de la identificación temprana de afecciones, es fundamental para incrementar la supervivencia de los pacientes. Este estudio propone un enfoque de investigación- acción que combina Redes Neuronales Convolucionales (CNNs), ResNet152 y Vision Transformers, optimizado mediante técnicas de Data Augmentation. Siguiendo la norma ISO 25059:2023, se analizan aspectos críticos como la interpretabilidad, robustez y seguridad de los datos. Los hallazgos iniciales indican un aumento en la exactitud del diagnóstico, superando el 93%, gracias a métodos avanzados y el uso de mapas de calor que facilitan la interpretación de resultados. Estos mapas permiten a los médicos identificar áreas relevantes en las imágenes analizadas. Además, se consideran elementos éticos esenciales para garantizar la privacidad y seguridad de la información del paciente. Este proyecto tiene como objetivo reducir los errores en los diagnósticos y fomentar la adopción segura de inteligencia artificial en entornos hospitalarios, con pasos futuros, enfocados en la validación clínica y retroalimentación continua.

Keyphrases: Inteligencia Artificial, Norma ISO 25059:2023, Redes Neuronales Convolucionales (CNNs), ResNet152, Vision Transformers, data augmentation

@booklet{EasyChair:16005,
  author    = {Pablo Jose Ramirez Amador},
  title     = {Pulmonary Pathology Detection: An AI-Based Approach with Convolutional Neural Networks},
  howpublished = {EasyChair Preprint 16005},
  year      = {EasyChair, 2025}}