Resumen

SIPE es una innovadora aplicación basada en tecnología de procesamiento de imágenes y aprendizaje automático que tiene como objetivo detectar enfermedades de la piel mediante el análisis del rostro del paciente en tiempo real. Utilizando una red neuronal convolucional entrenada con una amplia variedad de imágenes de enfermedades dermatológicas y pieles sanas, SIPE puede identificar características específicas y generar un pre-diagnóstico potencial.

La principal ventaja de SIPE radica en su capacidad para ofrecer una detección temprana de enfermedades de la piel, especialmente en áreas rurales y marginalizadas donde el acceso a la atención médica especializada es limitado. Al proporcionar un método eficiente y accesible, esta herramienta busca reducir el tiempo de diagnóstico, mejorar la eficacia de los tratamientos y aumentar las posibilidades de éxito en la atención médica dermatológica.

El funcionamiento de SIPE se basa en su capacidad de analizar la estructura facial del paciente y detectar posibles anomalías o características asociadas a enfermedades de la piel. Mediante la implementación de tecnología de inteligencia artificial y análisis de datos de salud, el sistema se encarga de procesar la información recopilada en tiempo real y generar un resultado de pre-diagnóstico.

el desarrollo de SIPE busca aprovechar el poder de la tecnología de la información y la inteligencia artificial para mejorar la atención médica dermatológica en todo el mundo. Al facilitar una herramienta de pre-diagnóstico rápida, confiable y accesible, SIPE tiene el potencial de ser una solución valiosa, especialmente en áreas con recursos de atención médica limitados.

Pregunta de Investigación

Planteamiento del Problema

Entre 2008 y 2018, la proporción de personas sin acceso a servicios de salud se redujo del 38% al 16%. Sin embargo, la cancelación del Sistema de Protección Social en Salud, incluyendo el Seguro Popular, incrementó la proporción de personas desprotegidas al 28% en 2020. Durante ese mismo año, que marcó el inicio de la pandemia en México, se estima que el 28% de la población, es decir, 35.7 millones de personas, carecían de servicios de salud públicos, según Coneval.

Esta problemática se agrava por la falta de acceso a servicios médicos especializados y diagnósticos precisos, especialmente en regiones rurales o marginadas. La escasez de profesionales capacitados en especialidades como cardiología, ginecología y obstetricia, urología, neurología, y oncología médica, así como la limitada disponibilidad de tecnologías avanzadas para el diagnóstico, son factores que contribuyen a esta situación.

Es en este contexto donde se están explorando activamente las aplicaciones de la inteligencia artificial, como los algoritmos de aprendizaje profundo, el aprendizaje automático y las redes neuronales, en el ámbito de la salud. Estas nuevas tecnologías se están utilizando en el diagnóstico por imagen, análisis de riesgos, gestión del estilo de vida, gestión de información en salud y asistencia virtual. Se espera que estas áreas proporcionen beneficios significativos, como una mayor velocidad en la obtención de imágenes y diagnósticos, una mejor comprensión de la detección predictiva y una reducción de costos y atención ineficiente en el sector de la salud.

Antecedentes

La detección de enfermedades de la piel mediante inteligencia artificial es un campo de investigación en constante evolución. Se han desarrollado diversos modelos y algoritmos para
identificar enfermedades de la piel con una alta precisión. Algunos de los trabajos más relevantes en este campo son:

• Estudio de detección de cáncer de piel utilizando redes neuronales convoluciones (CNN) por Li et al. (2018). Este trabajo utilizó una base de datos de más de 10,000 imágenes de lesiones de piel y logró una precisión del 90% en la detección de melanomas malignos.
• Detección de psoriasis en imágenes de piel utilizando una red neuronal profunda por Fang et al. (2020). Este trabajo se enfocó en la detección de psoriasis y utilizó una base de datos de más de 3,000 imágenes de piel. La precisión obtenida fue del 96.2%.

Estos trabajos y muchos otros demuestran la viabilidad y potencial de la detección de enfermedades de la piel mediante inteligencia artificial. La tecnología ya se está utilizando en algunos servicios de atención médica para mejorar la precisión del diagnóstico de enfermedades de la piel. La novedad de la propuesta de SIPE, radica en la combinación de la tecnología de inteligencia artificial con un dispositivo de bajo costo que pueda ser utilizado en áreas rurales donde el acceso a servicios de atención médica especializados es muy limitado.

Objetivo

Reducir tiempo y costo de una consulta de pre-diagnóstico de enfermedades de la piel y desarrollar esta nueva tecnología de diagnóstico para trabajar en conjunto con especialistas del sector salud.

Justificación

En línea con esta perspectiva, estamos desarrollando SIPE, un sistema inteligente de pre-diagnóstico de enfermedades. En su primera etapa, se enfoca en la dermatología, específicamente en el impétigo, el vitíligo y el acné.

La propuesta de un detector de enfermedades de la piel mediante inteligencia artificial presenta varias diferencias significativas en comparación con las soluciones existentes en el mercado. Entre las principales ventajas competitivas se incluyen:

• Precisión y rapidez: Gracias a la tecnología de inteligencia artificial, este detector permite una identificación precisa y rápida de enfermedades de la piel, reduciendo así el tiempo y los costos asociados con el proceso de diagnóstico.
• Accesibilidad: El uso de este detector de enfermedades de la piel con inteligencia artificial brinda la posibilidad de recibir atención médica especializada en áreas rurales o en lugares donde no hay acceso directo a un dermatólogo, garantizando una atención oportuna para los pacientes.
• Ahorro de costos: La implementación de la inteligencia artificial en el diagnóstico de enfermedades de la piel conlleva a un diagnóstico más preciso, lo que se traduce en la reducción de costos asociados a errores de diagnóstico y tratamientos ineficaces.
• Monitoreo y seguimiento: Este detector de enfermedades de la piel también puede ser utilizado para el monitoreo y seguimiento de enfermedades crónicas, lo que no solo reduce los costos de tratamiento, sino que también mejora la calidad de vida de los pacientes.

Además, el uso frecuente de su base de datos genera un almacenamiento cada vez más amplio y versátil, capaz de aprender y comparar en diferentes aplicaciones simultáneamente.

Los atributos que proporcionan valor al cliente incluyen la facilidad de uso, la rapidez y precisión del diagnóstico, la capacidad de monitorear enfermedades crónicas de la piel y la accesibilidad económica.

Hipótesis

Con SIPE se pueden considerar alternativas para impactar positivamente en el sector de la salud con el desarrollo de tecnología avanzada. Una opción es, promover la formación de profesionales de la salud en el uso y aplicación de tecnologías dermatológicas, fortaleciendo la capacitación y reducción de los altos índices de personas sin acceso a la salud en áreas marginadas.

Método (materiales y procedimiento)

Entre las técnicas utilizadas se encuentran el aprendizaje automático, el análisis de imágenes y la inteligencia artificial. Los componentes técnicos incluyen dispositivos de captura de imágenes, redes neuronales convolucionales, una plataforma de software y una base de datos de imágenes dermatológicas.

La metodología de SIPE es un enfoque sistemático que combina técnicas de inteligencia artificial y análisis de imágenes para el diagnóstico de enfermedades de la piel. A continuación, se describe de manera general el proceso de SIPE:

1. Captura de imágenes: Se utilizan dispositivos de captura de imágenes, como cámaras o escáneres, para obtener imágenes de la piel del paciente. Estas imágenes pueden ser capturadas en diferentes formas, como fotografías estáticas o secuencias de video.
2. Preprocesamiento de imágenes: Antes de utilizar las imágenes para el análisis, se realiza un preprocesamiento para mejorar la calidad y reducir el ruido. Esto puede incluir técnicas como el ajuste del contraste, la corrección del brillo o la eliminación de artefactos indeseados.
3. Extracción de características: Se utilizan técnicas de análisis de imágenes para extraer características relevantes de las imágenes capturadas. Esto implica identificar patrones y características específicas de la piel que puedan ser indicativas de enfermedades o afecciones particulares.
4. Aprendizaje automático: Se aplican algoritmos de aprendizaje automático, como redes neuronales convolucionales u otros enfoques de inteligencia artificial, para entrenar un modelo que pueda reconocer y clasificar diferentes enfermedades de la piel. Para esto, se utilizan conjuntos de datos etiquetados que contienen ejemplos de imágenes de diferentes enfermedades y condiciones de la piel.
5. Pre-diagnóstico y toma de decisiones: Una vez que el modelo ha sido entrenado, se puede utilizar para analizar nuevas imágenes de la piel y realizar un pre-diagnóstico. El modelo clasifica las imágenes y proporciona una evaluación sobre la presencia o probabilidad de enfermedades específicas. Estos resultados pueden ser utilizados por dermatólogos o profesionales médicos para tomar decisiones informadas sobre el tratamiento o la derivación del paciente.
   Es importante destacar que la metodología de SIPE puede ser iterativa, es decir, el modelo de aprendizaje automático puede ser mejorado y refinado continuamente a medida que se recopilan más datos y se realizan diagnósticos adicionales.

A continuación, se muestran los diagramas de flujo correspondientes al desarrollo de la programación y fabricación de prototipo.

Galería Método

Resultados

En la etapa de pruebas pudimos verificar que el sistema realizaba una clasificación de la enfermedad conforme a la base de datos con la que se trabaja, que para este caso son impétigo, el vitíligo y el acné.

Galería Resultados

Discusión

Una vez que el sistema SIPE ha sido utilizado para analizar las imágenes de la piel y realizar un pre-diagnóstico, se obtienen resultados que pueden ser interpretados por los profesionales médicos.

Dependiendo de los resultados obtenidos por SIPE, puede recomendarse una derivación a un especialista en dermatología u otro profesional médico. Cuando existe incertidumbre en el diagnóstico o la gravedad de la enfermedad es alta, puede ser necesario el análisis y la evaluación más detallada por parte de un especialista en la materia.

Cabe mencionar que por el momento SIPE solo cataloga 3 enfermedades en la piel como son impétigo, el vitíligo y el acné, sin embargo esto se puede ir aumentando al poder contar con bases de datos de otras enfermedades, asi mismo SIPE por el momento está enfocado en enfermedades de la piel, sin embargo se puede aplicar a otro tipos de pre-diagnóstico de distintas enfermedades, por lo que las ventajas de contar con un sistema inteligente de pre-diagnóstico es de alto valor, sobre todo para regiones donde el acceso a la atención médica especializada es difícil .

Como parte de la validación de este proyecto se realizó una encuesta a varias personas de donde se obtuvieron las siguientes respuestas:

Teniendo en cuenta los resultados se realizó un estudio de mercado en el país identificando a los estados con mayor índice de población sin acceso a servicios de salud o atención medica primaria donde se encontró que:

1. Michoacán de Ocampo cuenta con una población de 4,748,846 habitantes y únicamente con 600 clínicas públicas.
2. Chiapas cuenta con una población de 5,543,828 habitantes y únicamente con 910 clínicas públicas.
3. Oaxaca cuenta con una población de 4,132,148 habitantes y únicamente con 407 clínicas públicas.

Por lo que en estos estados se encuentra el mercado potencial para este proyecto.

Dada una taza de aceptación alta comenzamos con el análisis de la factibilidad técnica en donde dentro de la viabilidad para generar el desarrollo del proyecto presentado, los integrantes del equipo se encuentran con habilidades en conocimiento dentro de los rubros de mecánica, electrónica, programación, robótica e inteligencia artificial, siendo esto lo que garantiza que se realizará con éxito el dispositivo.

1. Se desarrollará un dispositivo capaz de brindar un pre-diagnóstico mediante la implementación de un equipo informático con capacidad de procesamiento para el entrenamiento de los algoritmos de inteligencia artificial y la ejecución del software.
2. Se mejora del rendimiento y expandiendo el banco de imágenes para poder alcanzar con totalidad el análisis de extremidades y rostros humanos, por el cual será necesario establecer un proceso de evaluación y estudio de las imágenes capturadas por el sistema y siendo cada vez más extenso.
3. No se requiere de licencias puesto que utilizamos un software libre y tampoco de materias primas en sí, pero sí de bases de datos de imágenes de enfermedades de la piel para el entrenamiento de los algoritmos de inteligencia artificial.
4. Desarrollo del dispositivo, cabe mencionar que los componentes que integran en su totalidad del sistema de prediagnóstico de enfermedades pueden ser adquiridos de forma directa o de manera electrónica sin problemas de patente o de exclusividad.

Se calcularon los costos de producción del prototipo funcional:

Con una única compra de materia prima contando con la inversión de maquinaria, equipos informáticos y programas tendremos la capacidad de fabricar 10 prototipos totalmente funcionales para probar en clientes.

En el estudio económico SIPE necesita:

Inversiones de Activos: $143,000.00

o Reforma y decoración locales – $ 4,000

o Mobiliario – $3,000 o Maquinaria – $15,000

o Equipos informáticos – $100,000

o Programas informáticos – $1,000

o Patentes y marcas – $5,000

o Fianzas y depósitos – $10,000

El total es de $143,000.00 pesos.

Gastos y Provisiones de INICIO: $157,000

o Stock inicial – $100,000.00

o Gastos y provisiones iniciales – $57,000

El total es de $157,000 pesos.

Gastos Operativos: 9,550.00

o Alquileres – $4,000

o Mantenimiento y limpieza – $1,000

o Publicidad y promoción – $3,000

o Telefonía – $550

o Electricidad, gas y agua – $500

o Material de oficina – $500

El total es de $9,550.00 pesos/mensuales

Teniendo como total de Inversión Inicial de $309,550 pesos.

SIPE contará con $100,000.00 de aportación entre los socios por lo cual buscaremos un financiamiento a largo plazo por el restante de $209,550.00 pesos, manejándolo en un préstamo a más de 2 año con tasas de interés fijas.

Punto de Equilibrio:

Previsión de ventas (Cantidad de piezas y servicios anuales) o SIPE – 200 o Mantto Preventivo – 100 o Mantto Correctivo – 100 o Actualizaciones – 200 o Curso de Inducción – 200 Dando un total de 800 productos y servicios anuales para tener un resultado neto de $1.635,788.00 y un %s/venta de 12.83%

Evaluación financiera.

• El VPN de efectivo proporcionado es de $ 4,284,310.24
• El IR es de 1,428.1034 %
• La TIR del proyecto es del 136.1128 %
• El riesgo del proyecto, calculado como la diferencia entre (TIR – TREMA) es de 106.1128 %
• El tiempo de recuperación TR de SIPE es de 2.76 años.

El TRD del proyecto es de 2.92 años. tomando en cuenta el flujo de efectivos para determinar el tiempo de recuperación de la inversión

Conclusiones

1. SIPE es una herramienta basada en imágenes de la piel en algoritmos de aprendizaje automático y tecnología de inteligencia artificial. Su capacidad para clasificar enfermedades de la piel y proporcionar diagnósticos probables es prometedora en el campo de la dermatología.
2. La clasificación de enfermedades y la probabilidad de pre-diagnóstico ofrecida por SIPE pueden ayudar a acelerar el proceso de detección y diagnóstico de enfermedades de la piel, brindando a los médicos una herramienta útil en su práctica clínica diaria.
3. La comparación de los resultados obtenidos por SIPE con una base de conocimiento previamente establecida mejora la precisión del diagnóstico. Esto permite que SIPE se beneficie de la experiencia acumulada y los casos clínicos previamente analizados.
4. SIPE puede ser especialmente útil en áreas donde los especialistas en dermatología son escasos, ya que puede brindar asistencia en el diagnóstico y tratamiento adecuado, incluso en entornos con recursos limitados.

En resumen, SIPE ofrece una herramienta prometedora para el análisis y diagnóstico de enfermedades de la piel. Si bien su papel es complementario al de los profesionales médicos, puede agilizar y respaldar el proceso de toma de decisiones clínicas, siempre y cuando se utilice de manera responsable y en línea con la práctica médica estándar.

Además de ser viable técnica y económicamente para ser comercializado en el país principalmente en estados de bajo acceso a la atención médica especializada.

Bibliografía

Codella, N., Rotemberg, V., Tschandl, P., Celebi, M. E., Dusza, S., Gutman, D., Helba, B., Kalloo, A., Liopyris, K., Marchetti, M., Kittler, H., & Halpern, A. (2019). Skin lesion analysis toward melanoma detection 2018: A challenge hosted by the International Skin Imaging Collaboration (ISIC). En arXiv [cs.CV]. http://arxiv.org/abs/1902.03368
(S/f-a). Nih.gov. Recuperado el 21 de abril de 2023, de https://www.ncbi.nlm.nih.gov/pmc/articles/PMC8237239/
(S/f-b). Nih.gov. Recuperado el 21 de abril de 2023, de https://www.ncbi.nlm.nih.gov/pmc/articles/PMC6439580/(S/f-c). Nih.gov. Recuperado el 21 de abril de 2023, de https://www.ncbi.nlm.nih.gov/pmc/articles/PMC6677371/
https://politica.expansion.mx/mexico/2022/04/07/mexico­esta­lejos­de­lograr­un­sistema­de­salud­universal­como­dinamarca
https://www.eleconomista.com.mx/opinion/Inteligencia­Artificial­y­su­Impacto­en­Salud­20230421­0064.html
https://mexicocomovamos.mx/animal­politico/2022/11/cobertura­universal­en­salud/
Gamez, M. J. (2015, septiembre 17). Objetivos y metas de desarrollo sostenible. Desarrollo Sostenible. https://www.un.org/sustainabledevelopment/es/
(S/f-c). Nih.gov. Recuperado el 21 de abril de 2023, de
https://www.ncbi.nlm.nih.gov/pmc/articles/PMC6677371/
(S/f-a). Mexicocomovamos.mx. Recuperado el 26 de abril de 2023, de
https://mexicocomovamos.mx/animal-politico/2022/11/cobertura-universal-en-salud/
(S/f-b). Com.mx. Recuperado el 26 de abril de 2023, de https://www.eleconomista.com.mx/opinion/In teligencia-Artificial-y-su-Impacto-en-Salud-20230421-0064.html
(S/f-c). Expansion.mx. Recuperado el 26 de abril de 2023, de https://politica.expansion.mx/mexico/20
22/04/07/mexico-esta-lejos-de-lograr-un-sistema-de-salud-universal.

Summary

Research Question

Problem approach

Background

Objective

Justification

Hypothesis

Method (materials and procedure)

Method Gallery

Results

Results Gallery

Discussion

Conclusions

Bibliography