Sistema de apoyo al triaje clínico en radiografías de tórax mediante Deep Learning, con explicabilidad y estimación de incertidumbre.
Year: 2026
Type: dissertation
Abstract: Este Trabajo de Fin de Grado presenta el desarrollo de un sistema de apoyo al triaje clínico en radiografías de tórax basado en técnicas de Deep Learning. El objetivo principal del trabajo consiste en identificar automáticamente estudios con posibles hallazgos urgentes para contribuir a su priorización dentro del flujo de trabajo radiológico. Para ello, se utilizó el dataset público CheXpert y una red neuronal convolucional basada en ResNet-50, empleando técnicas de transfer learning y fine-tuning sobre radiografías en proyección posteroanterior (PA). Además del análisis de clasificación, el trabajo incorpora técnicas de explicabilidad mediante Grad-CAM y métodos de calibración de la probabilidad y cuantificación de incertidumbre basados en Venn-Abers, con el objetivo de avanzar hacia sistemas de inteligencia artificial más confiables en el ámbito sanitario. Durante el desarrollo experimental se aplicaron estrategias de validación cruzada, ajuste de hiperparámetros y calibración de la probabilidad. Estas técnicas permitieron evaluar la capacidad de generalización del modelo, adaptar su configuración al problema de clasificación planteado y obtener estimaciones de probabilidad más fiables. Los resultados obtenidos muestran un comportamiento satisfactorio tanto en capacidad discriminativa como en explicabilidad e incertidumbre de las predicciones. Finalmente, el trabajo también considera aspectos relacionados con la iii supervisión humana, la interpretabilidad limitada de los modelos de Deep Learning y el impacto ético-social asociado al uso de sistemas de apoyo clínico basados en inteligencia artificial.
Author: Condés López-Cepero, José Manuel
Language: Spanish
Topic: COVID-19 diagnosis using AI
Subfield: Radiology, Nuclear Medicine and Imaging
Field: Medicine
Domain: Health Sciences
Open Access status: green
OpenAlex ID: W7213382318