Desarrollo del proyecto Mustafar por medio de la clasificación objetiva en las quemaduras. aplicación web para telemedicina

Introducción: desde el 2020 comenzó el desarrollo del proyecto Mustafar, como un prototipo de procesamiento digital de imágenes mediante redes neuronales convolucionales (RNC), que orienta el diagnóstico y la clasificación de la profundidad en las quemaduras a partir de la evaluación subjetiva por cirujanos plásticos de la unidad de quemados del Hospital San Vicente Fundación en Medellín. En esta segunda fase del proyecto, se busca mejorar la precisión y la ejecución del prototipo, a partir de una clasificación más objetiva de las quemaduras de acuerdo con el tiempo de cicatrización. Métodos: se diseñó un modelo de RNC con una base de datos de 200 fotografías, pertenecientes a pacientes de las unidades de quemados del Hospital Universitario San Vicente Fundación. Las fotografías fueron etiquetadas según el grado de profundidad, de acuerdo con el tiempo de cicatrización y utilizando la herramienta LabelMe. La validación del prototipo se realizó con 50 imágenes que no se incluyeron en la base de datos de entrenamiento y por lo tanto no están incluidas en la verdad oculta o información de referencia. Resultados: en el estudio se incluyeron 47 pacientes, con un total de 200 fotografías para la etapa de entrenamiento y 50 fotografías para la etapa de validación. La validación del modelo de RNC mostró una eficiencia global del 91.4%. Al discriminar por categoría se encontró para primer grado (S 92.18% y P 89.36%), segundo grado superficial (S 89.95% y P 92.54%), segundo grado profundo ( S 92.15% y P 89.57%) y tercer grado (S 91.39% y P 94.9%). Conclusión: teniendo en cuenta los diferentes modelos analizados hasta la fecha, se puede concluir que este prototipo tiene un gran potencial para ser utilizado como herramienta en la caracterización de la profundidad de las quemaduras. Con una eficiencia del 91.4% y una sensibilidad que supera el 80% en los cuatro grados de quemadura, resultados que son comparables con los modelos desarrollados en otros países. Además, se destaca que es una de las primeras herramientas desarrolladas en Latinoamérica con el objetivo de determinar la profundidad de las quemaduras.

• Autores: Rojas Montenegro, María Alejandra
• Tipo de recurso: Tesis
• Fecha de publicación: 2025
• Institución: Universidad de Antioquia
• Repositorio: Repositorio UdeA
• Idioma: spa
• OAI Identifier: oai:bibliotecadigital.udea.edu.co:10495/47727
• Acceso en línea: https://hdl.handle.net/10495/47727
• Palabra clave: Quemaduras; Burns; Diagnóstico por imagen; Diagnostic Imaging; Redes neuronales convolucionales; Convolutional Neural Networks; Inteligencia artificial; Artificial Intelligence; Clasificación de profundidad; https://id.nlm.nih.gov/mesh/D002056; https://id.nlm.nih.gov/mesh/D003952; https://id.nlm.nih.gov/mesh/D000098415; https://id.nlm.nih.gov/mesh/D001185; ODS 3: Salud y bienestar. Garantizar una vida sana y promover el bienestar de todos a todas las edades
• Rights: openAccess
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/