Browsing by Author "Becker Oyarzo, Jorge Kevin"
Now showing 1 - 1 of 1
- Results Per Page
- Sort Options
Thesis Propuesta de modelo de ML que apoye la detección temprana de cáncer bucal a través de técnicas de aprendizaje automático(Universidad Técnica Federico Santa María, 2025-03) Becker Oyarzo, Jorge Kevin; Ñanculef Alegría, Juan Ricardo; Departamento de Informática; Valle Vidal, CarlosEl cáncer se ha consolidado como la segunda causa de muerte en Chile, y el diagnóstico tardío es un factor determinante que reduce significativamente la sobrevida del paciente. En particular, se prevé que la incidencia del cáncer oral aumente en los próximos años. Esta enfermedad, de carácter silencioso, suele detectarse en etapas avanzadas, cuando ya ha hecho metástasis, lo que disminuye drásticamente las posibilidades de tratamiento efectivo y recuperación. Hasta la fecha, los métodos tradicionales de diagnóstico —como los clínicos, ópticos, histológicos y las biopsias— han sido las principales herramientas utilizadas para la detección precisa de esta patología. Sin embargo, con el avance de la tecnología y el desarrollo de técnicas de Machine Learning, han surgido nuevas alternativas que permiten optimizar y agilizar los procesos diagnósticos mediante el análisis de imágenes médicas. Los estudios revisados en el estado del arte han explorado distintas fuentes de imágenes, incluyendo muestras de tejido obtenidas a través de biopsias y registros visuales de zonas específicas de la cavidad oral, como la lengua. En este trabajo, se adoptó un enfoque más generalizable al utilizar imágenes de diversas secciones de la cavidad bucal, abarcando no solo la lengua, sino también mejillas, paladar y labios, en conjunto con la implementación de un ensamble de modelos (ResNet50, Xception e InceptionV3). Esto permite desarrollar modelos más robustos capaces de detectar patrones asociados a lesiones malignas en distintas áreas de la boca. Los resultados obtenidos destacan el potencial del enfoque propuesto, alcanzando un F1-score de 0,878 y un AUC-ROC de 0,87. Estos resultados demuestran la viabilidad del aprendizaje automático como una herramienta complementaria en el diagnóstico médico, con el potencial de integrarse en los servicios de salud y contribuir significativamente a la detección temprana del cáncer oral.
Política de Privacidad 
