El alumno de la Maestría en Ingeniería en Computación de la Facultad de Ingeniería de la UACH, Iván Avena Caro, desarrolló una herramienta basada en inteligencia artificial para la evaluación automática de lesiones por quemaduras, capaz de identificar y delimitar las regiones afectadas y diferenciar entre segundo y tercer grado a partir de imágenes capturadas con dispositivos móviles.
Este proyecto está bajo la dirección de la Dra. Graciela María de Jesús Ramírez Alonso, con la participación de investigadores de la UACH y especialistas del área clínica, como es el caso del Dr. Norman A. Rendón Mejía y Carlos R. Cervantes-Sánchez, enlaces del Hospital General Dr. Salvador Zubirán Anchondo.
La propuesta integra técnicas avanzadas de aprendizaje profundo, procesamiento digital de imágenes y visión por computadora, con el objetivo de desarrollar herramientas tecnológicas que puedan apoyar al personal de salud durante la valoración inicial de este tipo de lesiones.
Las quemaduras representan un problema relevante de salud, ya que una evaluación adecuada de su extensión y profundidad es fundamental para determinar el tratamiento que requiere el paciente. Actualmente, esta valoración depende en gran medida de la inspección visual realizada por profesionales de la salud, lo que puede representar un reto, particularmente en lesiones complejas o en lugares donde el acceso a personal especializado es limitado.
Ante esta problemática, el equipo desarrolló una base de datos integrada por 712 imágenes clínicas de quemaduras, obtenidas en condiciones reales y correspondientes a lesiones de segundo y tercer grado. Las regiones afectadas fueron delimitadas mediante anotaciones a nivel de píxel y revisadas por un especialista en el tratamiento de quemaduras, con el propósito de contar con información clínicamente validada para el desarrollo y evaluación de los modelos de inteligencia artificial.
A diferencia de sistemas que únicamente clasifican una imagen completa o determinan la presencia de una quemadura, la tecnología desarrollada busca identificar dónde se encuentra la lesión y qué regiones corresponden a diferentes grados de profundidad. De esta manera, el sistema genera una representación visual directamente sobre la imagen, permitiendo distinguir las áreas identificadas como quemaduras de segundo y tercer grado.
Esta tecnología permitió llevar el modelo a una aplicación para teléfonos Android, en la que el procesamiento se realiza directamente en el dispositivo. La aplicación puede recibir una fotografía desde la cámara o la galería del teléfono, procesarla mediante inteligencia artificial y mostrar sobre la imagen las regiones de quemadura detectadas, su clasificación y el nivel de confianza de la predicción.
Uno de los aspectos relevantes de la propuesta es que el análisis puede realizarse sin depender de servidores externos ni de una conexión permanente a internet, lo que demuestra la viabilidad de ejecutar el proceso completo de inteligencia artificial de manera local en dispositivos móviles.
Además del análisis de las imágenes, la aplicación contempla funcionalidades para mostrar recomendaciones iniciales, generar reportes y almacenar localmente un historial de evaluaciones, lo que abre posibilidades para el seguimiento de pacientes y la documentación de las lesiones. El sistema está planteado como una herramienta de apoyo para los profesionales de la salud.
La posibilidad de realizar este tipo de procesamiento desde un teléfono móvil resulta especialmente relevante en escenarios donde el acceso a infraestructura médica especializada es limitado. A futuro, tecnologías de este tipo podrían contribuir al desarrollo de herramientas de apoyo para hospitales, servicios de emergencia, unidades de atención primaria y comunidades alejadas de centros especializados.
Cabe destacar que los investigadores plantean ampliar la diversidad de imágenes y tipos de quemaduras, realizar validaciones con información procedente de otros centros clínicos y continuar optimizando los modelos para su ejecución en una mayor variedad de dispositivos móviles. Estas acciones permitirán evaluar la capacidad de generalización de la tecnología bajo diferentes condiciones clínicas y de adquisición.
