Desarrollo de un sistema de clasificación de imágenes de anticuerpos anticitoplasma de neutrófilos y anti-dna de doble cadena basado en técnicas de inteligencia artificial

Abstract

La detección de anticuerpos anticitoplasma de neutrófilos (ANCA) y anticuerpos anti-dsDNA es esencial para el diagnóstico y tratamiento de enfermedades autoinmunes como el Lupus Eritematoso Sistémico (LES) y la Vasculitis Asociada a ANCA (AAV). Estas pruebas, comúnmente realizadas mediante técnicas de inmunofluorescencia indirecta (IFI), presentan desafíos como la subjetividad y el tiempo requerido para analizar grandes volúmenes de imágenes, lo que aumenta los costos. En Colombia, la falta de herramientas basadas en inteligencia artificial para interpretar estos resultados dificulta el diagnóstico. Para abordar esto, se ha desarrollado un sistema de clasificación de imágenes utilizando técnicas de Deep Learning y Transfer Learning con la red convolucional preentrenada GoogLeNet, mejorando la precisión y eficiencia en el diagnóstico. Este sistema incluye una interfaz que permite a los profesionales de la salud realizar y validar clasificaciones, generar informes y organizar resultados de manera eficaz.