Sistema inteligente para la detección de enfermedades de la piel usando redes neuronales convolucionales

Este proyecto describe el desarrollo de un sistema inteligente para la detección y clasificación automática de enfermedades dermatológicas mediante redes neuronales convolucionales (CNN). Se empleó la arquitectura ResNet50 con ajuste fino (fine-tuning) completo, entrenada con un conjunto de más de 15,000 imágenes dermatológicas, previamente depuradas y adaptadas al contexto epidemiológico colombiano. La metodología seguida fue CRISP-DM, abarcando desde la comprensión del problema hasta el despliegue de una aplicación web funcional. Esta plataforma permite a los usuarios cargar imágenes y recibir un diagnóstico preliminar, acompañado de un porcentaje de confianza y recomendaciones generales. El modelo alcanzó una precisión promedio ponderada del 60.95 % y un F1-score de 60.87 %, con un buen desempeño en clases comunes como acné, eczema y hongos. Sin embargo, presentó dificultades con clases menos representadas, como enfermedades de transmisión sexual y dermatitis por contacto. Se propone el uso de técnicas como aumento de datos y balanceo de clases para mejorar la precisión. Este trabajo demuestra el potencial de la inteligencia artificial como herramienta de apoyo en el diagnóstico médico, especialmente en regiones con acceso limitado a especialistas, contribuyendo así a una atención más equitativa y oportuna.

• Autores: Santis, Elkin; Sierra, Daniel; Vergara, Johan
• Fecha de publicación: 2025
• Institución: Universidad del Norte
• Repositorio: Repositorio Uninorte
• Idioma: spa
• OAI Identifier: oai:manglar.uninorte.edu.co:10584/13390
• Acceso en línea: http://hdl.handle.net/10584/13390
• Palabra clave: Inteligencia Artificial; Redes Neuronales Convolucionales; Enfermedades de la piel; Diagnóstico automático; Deep Learning; Dermatología digital; Clasificación de imágenes médicas; Artificial Intelligence; Convolutional Neural Networks; Skin Diseases; Automatic Diagnosis; Deep Learning; Digital Dermatology; Medical Image Classification
• License: Universidad del Norte