Título: Broncoscopía asistida por IA en terapia intensiva: Desarrollo de un corpus y un enfoque para la identificación de posiciones anatómicas
Directora: Viviana Cotik
Co-Director: Nicolás Mastropasqua
Jurados: Lara Gauder, Nicolás Gaggion

Resumen:
El crecimiento de los datos digitales en el ámbito de la salud ha impulsado el desarrollo de tecnologías basadas en inteligencia artificial para analizar y extraer información significativa, particularmente en la imagenología médica. La broncoscopía es un procedimiento médico que permite visualizar directamente las vías respiratorias mediante un broncoscopio, y se utiliza tanto para el diagnóstico de enfermedades pulmonares como para la toma de muestras. Este procedimiento es clave en el diagnóstico y tratamiento de diversas patologías respiratorias, y puede beneficiarse significativamente del uso de herramientas basadas en inteligencia artificial, especialmente en tareas de navegación y localización anatómica. Sin embargo, la falta de un corpus de imágenes de broncoscopía anotadas y accesibles públicamente limita el desarrollo de soluciones en este campo.

Este trabajo presenta la creación de un corpus de imágenes broncoscópicas etiquetadas por expertos, obtenidas a partir de 126 videos capturados en pacientes internados en unidades de cuidados intensivos. Los videos fueron registrados utilizando equipamiento estándar de broncoscopía disponible en estos entornos clínicos. Además, se encuentran acompañados de datos demográficos anonimizados, lo que permite realizar análisis complementarios y preservar la confidencialidad de los pacientes. El proceso de anotación se realizó siguiendo criterios refinados iterativamente, de forma tal de obtener un corpus con un alto acuerdo entre anotadores.

Con este corpus, se entrenaron y evaluaron dos arquitecturas de redes neuronales convolucionales (ResNet18 y ShuffleNetV2), enfocadas en la clasificación de imágenes según posiciones anatómicas en el árbol bronquial. Los resultados muestran las fortalezas y limitaciones de cada modelo, estableciendo un punto de partida para aplicaciones clínicas y educativas. Este trabajo sienta las bases para futuros avances en la integración de inteligencia artificial en broncoscopía, contribuyendo a mejorar la precisión diagnóstica, la eficiencia de los procedimientos y la formación médica.

Palabras clave: Broncoscopía, Inteligencia Artificial, Redes Neuronales Convolucionales, Corpus Anotado, Navegación Asistida, Educación Médica.