Resumen

El reconocimiento y procesamiento de imágenes es una herramienta adecuada enlos sistemas que usan métodos de aprendizaje automático. La adición de teléfonosinteligentes como herramientas complementarias en el área de la salud para eldiagnóstico es un hecho hoy en día por las ventajas que presentan. Siguiendo latendencia de proporcionar herramientas para el diagnóstico, esta investigación tuvocomo objetivo desarrollar una aplicación móvil prototipo para la identificación delesiones bucales, incluyendo lesiones potencialmente malignas, basado en redesneuronales convolucionales, como la detección temprana de indicios de posiblestipos de cáncer en la cavidad bucal. Se desarrolló una aplicación móvil para elsistema operativo Android que implementó la librería de TensorFlow y el modelo deredes neuronales convolucionales Mobilenet V2. El entrenamiento del modelo serealizó por transferencia de aprendizaje con una base de datos de 500 imágenesdistribuidas en cinco clases para el reconocimiento (Leucoplasia, Herpes SimpleVirus Tipo 1, Estomatitis aftosa, Estomatitis nicotínica y Sin lesión). Se utilizó el 80%de las imágenes para el entrenamiento y el 20% para la validación. Se obtuvo quela aplicación presentó al menos 80% de exactitud en el reconocimiento de cuatroclases. Se usaron las métricas de f1-valor y área bajo la curva para evaluar eldesempeño. La aplicación móvil desarrollada presentó un comportamientoaceptable con métricas mayores al 75% para el reconocimiento de tres lesiones, porotro lado, arrojó un desempeño desfavorable menor al 70% para identificar los casosde estomatitis nicotínica con el conjunto de datos elegido.

I. INTRODUCCIÓN

El diagnóstico de enfermedades se basa en el reconocimiento y análisis de los hallazgos clínicos, referidos a los signos y síntomas alterados que presenta el individuo en un momento determinado [ 1 ]. Un síntoma es la percepción subjetiva del paciente en relación con la enfermedad, mientras que el signo es registrado objetivamente por el profesional de la salud. Algunas manifestaciones son características de determinadas enfermedades; en otros, los estudios complementarios son indispensables para llegar a un diagnóstico definitivo [ 2 ]. Al momento del examen clínico, la observación de la mucosa oral y la piel son indicadores para orientar al experto hacia un diagnóstico presuntivo.

Durante la inspección clínica, los profesionales de la salud se apoyan en herramientas manuales, electrónicas y de software para obtener un diagnóstico preciso. Entre las herramientas de software existentes destacan aquellas basadas en métodos de inteligencia artificial (IA) para simplificar y mejorar las actividades clínicas [ 3 ]. La continua evolución de la tecnología ha hecho que las herramientas de diagnóstico evolucionen e incluyan otros medios para desarrollar estas actividades de forma remota.

• Materias:Inteligencia neuronal Aplicación móvil Teléfonos inteligentes
• Subjects:Neural intelligence Mobile application Smart phones
• Palabras claves:aprendizaje automático; diagnóstico bucal; identificación de enfermedades bucales; inteligencia artificial; medicina preventiva; odontología; tecnología médica; teléfonos inteligentes.
• Keywords:artificial intelligence; dentistry; machine learning; medical technology; oral diagnosis; oral disease identification; preventive medicine; smartphone.