Resumen:
Este proyecto propone el desarrollo de una herramienta de software que, mediante
inteligencia artificial, analiza y predice los estados de aireación pulmonar a partir de videos
de ecografías pulmonares. La iniciativa surge de la necesidad de mejorar la precisión
diagnóstica en contextos clínicos donde factores como la baja calidad de imagen o la
variabilidad del operador dificultan la evaluación. El sistema identifica patrones asociados a
distintos estados de aireación pulmonar (Normal, B1, B2 y Consolidación), posteriormente
genera métricas visuales y permite emitir informes automáticos que apoyan el diagnóstico
médico.
El trabajo se basa en investigaciones previas del Laboratorio de Bioingeniería de la
Universidad Nacional de Mar del Plata y del Hospital Privado de la Comunidad, y plantea
una solución integral: una aplicación de escritorio local, desarrollada con tecnologías
modernas como React, Node.js, Electron y Python, que permite cargar, recortar y analizar
múltiples videos de forma eficiente.
Se evaluaron distintos modelos de inteligencia artificial pre entrenados y se aplicaron
técnicas de transferencia de aprendizaje para lograr resultados coherentes con los datos
utilizados. El sistema permite además la carga de otros modelos de deep learning, aparte
del entregado, lo que posibilita su mejora y expansión futura.
La aplicación ofrece una visualización detallada e interactiva de los resultados, permite
generar informes sobre los estudios ingresados y facilita el procesamiento masivo de videos
para fines de investigación. El informe detalla las decisiones tomadas con relación al
entrenamiento del modelo de IA y al desarrollo del sistema, y plantea desarrollos futuros
orientados a mejorar la experiencia del usuario y optimizar la capacidad de procesamiento y
predicción de la red neuronal frente a nuevos datos.
