Algoritmo basado en aprendizaje profundo para la detección de cáncer de piel

Abstract

El cáncer de piel es el segundo padecimiento más frecuente en México desde 2001. Por lo que, desarrollar un algoritmo basado en herramientas de inteligencia artificial para el diagnóstico de cáncer de piel es una opción excelente para la detección temprana, ya que es crítica para el tratamiento del cáncer tipo melanoma, el cual es el más agresivo. Las redes neuronales artificiales y el aprendizaje profundo son a menudo utilizados en el reconocimiento y clasificación de imágenes. Para desarrollar el algoritmo para detección de cáncer de piel, se utilizó la base de datos HAM10000, la cual cuenta con 10015 imágenes de casos que conforman una colección representativa de todas las categorías de diagnóstico importantes en el ámbito de las lesiones pigmentadas, estas han sido confirmadas por medio de patología, seguimiento o microscopía. En la presente investigación se atacó este problema evaluando diferentes redes neuronales convolucionales. Se desarrolló un algoritmo en lenguaje de programación Python 3.7, donde se proporcionan los conjuntos de datos entrenamiento, validación y prueba. Para que se alcanzara una precisión elevada en la identificación de la lesión en la imagen analizada, se realizó el diseño, la construcción y adaptación del modelo. El algoritmo diseñado en este proyecto alcanzó el 89 % de exactitud en la detección del melanoma y, por lo tanto, se obtuvo la efectividad de un especialista.