Resumo:
Las imágenes médicas 3D son herramientas fundamentales en el diagnóstico moderno, especialmente en patologías complejas como lesiones pulmonares, anomalías cardíacas o tumores cerebrales. No obstante, el análisis manual de estos volúmenes por parte de especialistas no solo es demandante en tiempo, sino que también está sujeto a variabilidad y posibles errores humanos. En este contexto, la inteligencia artificial, y en particular las redes neuronales convolucionales, han demostrado un potencial transformador en el procesamiento automatizado de imágenes. Sin embargo, si bien su uso está ampliamente difundido en imágenes 2D, su adaptación a datos volumétricos en 3D presenta nuevos desafíos tanto computacionales como metodológicos. A través del uso de CNN 3D, se buscó explorar el potencial de estas tecnologías, evaluando su rendimiento sobre un conjunto de datos públicos y reflexionando sobre su aplicabilidad, limitaciones y posibilidades de mejora. La propuesta se construye desde una perspectiva práctica y metodológica, poniendo el foco en la validación experimental y en el diseño de soluciones alineadas con necesidades concretas del ámbito médico. Concretamente, se utilizaron tomografías computarizadas 3D de pulmón con el objetivo de entrenar modelos capaces de clasificar si una imagen correspondía a un caso de cáncer o no. Dado que el acceso a datos médicos reales es una de las principales barreras en el desarrollo de IA en salud, este trabajo pone en valor el uso de conjuntos de datos abiertos y las prácticas reproducibles. Se implementaron múltiples experimentos comparativos, incluyendo pruebas con diferentes arquitecturas de CNN 3D y variantes de un modelo preentrenado, cuyos resultados aportan evidencia concreta y replicable que puede servir como base para investigaciones futuras. Los resultados obtenidos fueron comparables con los alcanzados en trabajos anteriores, incluso frente a propuestas que emplearon bases de datos privadas adicionales. El trabajo
desarrollado representa un aporte concreto al dejar sentadas herramientas reutilizables y una base experimental validada para futuras investigaciones en el ámbito de imágenes médicas 3D asistidas por inteligencia artificial. Este proyecto se enmarca en la continuidad de las investigaciones realizadas en el Laboratorio de Procesamiento de Imágenes (LPI - ICyTE) de la Facultad de Ingeniería de la Universidad Nacional de Mar del Plata, donde se desarrollaron herramientas aplicadas a imágenes médicas 2D. La presente propuesta extiende esas capacidades al análisis tridimensional, incorporando técnicas y modelos adaptados al procesamiento de volúmenes
