Análisis de posible cáncer de piel mediante IA

Abstract

El proyecto se centra en el análisis de imágenes médicas, específicamente en la detección de posibles canceres de piel para respaldar la toma de decisiones clínicas. Esta herramienta tiene como objetivo mejorar la precisión y la prontitud en el diagnóstico, así como reducir los errores de clasificación. Se emplean algoritmos de aprendizaje automático para entrenar modelos que clasifiquen las imágenes como normales o anormales

La metodología que seguiremos es CRISP-DM, el cual es una metodología estándar utilizada en el campo de la minería de datos y el análisis predictivo.

Se utilizarán diferentes tipos de imágenes, incluyendo imágenes DICOM, dermatológicas y otros tipos de imágenes relevantes para el análisis médico. Trabajaremos en colaboración con el Dr. José J. Pereyra Rodríguez del Hospital Universitario Virgen del Rocío de Sevilla, el cual nos proporcionara un conjunto de más de 1500 imágenes tomadas en a pacientes reales.

El objetivo principal es proporcionar a los profesionales de la salud una herramienta efectiva y eficiente para mejorar la detección temprana y precisa de tumores, reduciendo así la tasa de falsos positivos y negativos, y agilizando el proceso diagnóstico. Este enfoque promete un impacto positivo significativo en la atención médica al mejorar la precisión y la eficiencia en el diagnóstico de condiciones médicas potencialmente graves. Además de poder predecir en tres tonos de piel distintos y que se puedan utilizar imágenes tomadas por un smartphone.

The project focuses on the analysis of medical images, specifically the detection of possible skin cancers to support clinical decision making. This tool aims to improve accuracy and promptness in diagnosis, as well as reduce classification errors. Machine learning algorithms are used to train models that classify images as normal or abnormal

The methodology we will follow is CRISP-DM, which is a standard methodology used in the field of data mining and predictive analysis.

Different types of images will be used, including DICOM images, dermatological images, and other image types relevant to medical analysis. We will work in collaboration with Dr. José J. Pereyra Rodríguez from the Virgen del Rocío University Hospital in Seville, who will provide us with a set of more than 1,500 images taken of real patients.

The main objective is to provide health professionals with an effective and efficient tool to improve the early and accurate detection of tumors, thus reducing the rate of false positives and negatives, and streamlining the diagnostic process. This approach promises a significant positive impact on healthcare by improving accuracy and efficiency in the diagnosis of potentially serious medical conditions. In addition to being able to predict three different skin tones and images taken by a smartphone can be used.