Metodología de mantenimiento predictivo para la prevención de fallas en equipos de resonancia magnética en el Hospital Universitario Fundación Valle del Lili

El presente documento condensa el desarrollo de una metodología de mantenimiento predictivo orientada a prevenir fallas en los equipos de resonancia magnética del Hospital Universitario Fundación Valle del Lili, ubicado en Santiago de Cali. El proyecto se llevó a cabo como pasantía institucional entre diciembre de 2024 y junio de 2025, con el objetivo de fortalecer la continuidad operativa de estos equipos, reducir los tiempos de inactividad y anticipar fallas mediante el análisis de datos históricos, herramientas de visualización avanzada y técnicas de inteligencia artificial. Durante su ejecución, se realizó un análisis estructural y funcional de los cinco equipos de resonancia magnética instalados en la institución, considerando un total de 495 eventos de falla registrados entre 2019 y 2024, a partir de los cuales se construyeron representaciones gráficas, como un dashboard interactivo, mapas de calor y una matriz de criticidad, que permitieron identificar los componentes con mayor recurrencia de fallas, considerando tanto su frecuencia como su impacto funcional. De forma complementaria, se aplicó la técnica STL (descomposición estacional y de tendencia utilizando Loess) la cual permitió detectar patrones cíclicos en la ocurrencia de fallas y establecer intervalos óptimos para su intervención. Por lo tanto, con base en estos hallazgos, se formularon medidas predictivas clasificadas en dos líneas de acción: intervenciones directas, ejecutadas por el proveedor o personal certificado; y tareas de monitoreo continuo, asumidas por el equipo de ingeniería biomédica de la institución. En paralelo, se desarrolló un modelo de clasificación basado en el nivel de riesgo de las fallas (critico, medio y bajo) mediante el uso de algoritmos de inteligencia artificial, en el cual el modelo XGBosst se destacó por su alto desempeño al alcanzar una precisión del 88,5 % y un F1-score de 0,89 en la clase crítica, resultado que fue posible gracias al fortalecimiento del conjunto de datos de entrenamiento mediante la incorporación de datos sintéticos generados con el modelo de aprendizaje profundo CTGAN y la aplicación de la técnica SMOTE, lo que permitió balancear las clases y mejorar la capacidad de generalización del modelo. Finalmente, se implementó una prueba piloto en uno de los equipos de resonancia magnética de la institución, en la cual se aplicaron y ajustaron los protocolos técnicos, listas de chequeo e instrumentos de evaluación generados a lo largo del proyecto, lo que permitió verificar la viabilidad de la metodología y consolidar su implementación institucional como una estrategia replicable y adaptable para mejorar la gestión del mantenimiento de los equipos de resonancia magnética.

• Autores: Campuzano Palacio, Juliana
• Tipo de recurso: Trabajo de grado de pregrado
• Fecha de publicación: 2025
• Institución: Universidad Autónoma de Occidente
• Repositorio: RED: Repositorio Educativo Digital UAO
• Idioma: spa
• OAI Identifier: oai:red.uao.edu.co:10614/16263
• Acceso en línea: https://hdl.handle.net/10614/16263; https://red.uao.edu.co/
• Palabra clave: Ingeniería Biomédica; Mantenimiento predictivo; Equipos de resonancia magnética; Inteligencia artificial; Análisis de datos; Histórico de fallas; Gestión del mantenimiento; Predictive maintenance; Magnetic resonance imaging equipment; Artificial intelligence; Data analysis; Failure history; Maintenance management
• Rights: closedAccess
• License: Derechos reservados - Universidad Autónoma de Occidente, 2025