Desarrollo de un prototipo de detección de células blásticas en muestras de sangre periférica mediante visión por computadora que contribuya en para el diagnóstico clínico de leucemia.
DOI:
https://doi.org/10.56643/rcia.v3i1.173Palabras clave:
Algoritmo Canny, Área médica, Blastos, Diagnostico de enfermedades, LeucemiaResumen
La leucemia es una enfermedad que se distingue por el crecimiento desmesurado y descontrolado de células sanguíneas anómalas en la médula ósea. Este trastorno representa un desafío médico significativo a nivel global. La enfermedad afecta a personas de todas las edades, incluyendo a niños y adultos. Si no se diagnostica y trata oportunamente, puede llevar a complicaciones severas y potencialmente mortales para la salud del individuo. En este trabajo se aborda la problemática crítica del diagnóstico oportuno de la leucemia en México y en todo el mundo y se propone una solución potencial a partir de la implementación de algoritmos de detección de patrones basados en inteligencia artificial en imágenes médicas para la detección temprana y el diagnóstico preciso de la enfermedad.
La visión por computadora se presenta como una herramienta precisa y consistente para el procesamiento de información visual. El prototipo funcional busca contribuir de manera sustancial a la mejora de la atención médica y de la calidad de vida de los pacientes mediante la detección temprana de células blásticas en las muestras de sangre.
En el presente trabajo se destacan los beneficios del prototipo funcional para la detección temprana de células blásticas en las muestras de sangre. Además, se expone la metodología de desarrollo adoptada, para garantizar una estructura organizada y coherente durante el diseño, la construcción y la validación del prototipo. Los resultados obtenidos demuestran que la implementación del algoritmo de Canny tiene un impacto favorable en la identificación de blastos en imágenes digitales, por lo que facilita la detección temprana de las células responsables de la leucemia.
Citas
Alonso, A. D. C., y Jara, E. A. M. (2016). Visión por computadora: identificación, clasificación y seguimiento de objetos. FPUNE Scientific.
Arai, K., y Kapoor, S. (2020). Advances in Computer Vision. Advances in Intelligent Systems and Computing, Springer, 943. doi: 10.1007/978-3-030-17795-9.
Castro, C. R. (2009). Segmentación y clasificación de células con leucemia a partir de información contextual en imágenes digitales. Tesis de maestría. Instituto Nacional de Astrofísica, Óptica y Electrónica (INAOE). https://inaoe.repositorioinstitucional.mx/jspui/handle/1009/439
Galindo, M. C. (2008). Obtención de características de subtipos de leucemia en imágenes digitales de células sanguíneas para su clasificación. Tesis de maestría. Instituto Nacional de Astrofísica, Óptica y Electrónica (INAOE). https://inaoe.repositorioinstitucional.mx/jspui/bitstream/1009/435/1/GalindoDMC.pdf
Garwood, P. (2017). El diagnóstico temprano del cáncer salva vidas y reduce los costos de tratamiento. OMS. https://www.who.int/es/news/item/03-02-2017-early-cancer-diagnosis-saves-lives-cuts-treatment-costs
Harris, C. R., Millman, K. J., y van der Walt, S. J. Array programming with NumPy. Nature 585, 357-362 (2020). DOI: 10.1038/s41586-020-2649-2.
Joblib (2021). Joblib: running Python functions as pipeline jobs. https://joblib.readthedocs.io/
Márquez, J. E. (2020). Visión artificial profunda aplicada a la identificación temprana de cáncer no melanoma y queratosis actínica. Computación y Sistemas, 24(2), 751-766. Epub 04 de octubre de 2021.https://doi.org/10.13053/cys-24-2-2901
Martin, J. (2017). SIMD: Optimización de un detector Canny. Facultad de Ciencias Exactas y Naturales-UBA.
National Comprehensive Cancer (2022). NCCN Guidelines. https://www.nccn.org/docs/default-source/about/annual-report-2022.pdf?sfvrsn=8411082_22
OpenCV (2024). Open Source Computer Vision Library. https://opencv.org
Organización Mundial de la Salud (2022). Cáncer. OMS. https://www.who.int/es/news-room/fact-sheets/detail/cancer
Organización Panamericana de la Salud (2022). El 55% de los niños y adolescentes con cáncer se curan en América Latina y el Caribe. OPS. https://www.paho.org/es/noticias/15-2-2022-55-ninos-adolescentes-con-cancer-se-curan-america-latina-caribe
Palomino, N. y Concha, U. (2009, julio-diciembre). Técnicas de segmentación en procesamiento digital de imágenes. Revista de Ingeniería de Sistemas e Informática, 6(2), 9-16.
Pedregosa, F., Varoquaux, G., Gramfort, A., Michel, V., Thirion, B., Grisel, O., Blondel, M., Prettenhofer, P., Weiss, R., Dubourg, V., Vanderplas, J., Passos, A., Cournapeau, D., Brucher, M., Perrot, M., y Duchesnay, E. (2011). Scikit-learn: Machine Learning in Python. Journal of Machine Learning Research, 12, 2825-2830.
Rudas C. J., Toscano C. R. y Sánchez Torres, G. (2011). Una técnica para la localización del disco óptico en retinografías. Revista Avances en Sistemas e Informática, 8(3), 85-88.
Sánchez V. N. (2020). Evaluación de las células natural killer y el estado de metilación de sus marcadores de activación en pacientes pediátricos con leucemia linfoblástica aguda al diagnóstico. Facultad de Medicina y Cirugía-UABJO.
Secretaría de Salud (2019). La leucemia representa el 50 por ciento de los casos de cáncer infantil. Gobierno de México. https://www.gob.mx/salud/prensa/055-la-leucemia-representa-el-50-por-ciento-de-los-casos-de-cancer-infantil
Sucar, L. E., y Gómez, G. (2011). Visión computacional. INAOE/Helmholtz Zentrum Munchen.
Zamarrón, I. (2023). AstraZeneca: ¿IA para acelerar el diagnóstico de cáncer? Forbes México. https://www.forbes.com.mx/astrazeneca-ia-para-acelerar-el-diagnostico-de-cancer/
Descargas
Publicado
Cómo citar
Número
Sección
Licencia
Derechos de autor 2024 Angel Hernández, Isamayi Meyli Velasco Rodríguez, Fabiola Guadalupe Martínez Rangel, Luis Alberto Alonso Hernández
Esta obra está bajo una licencia internacional Creative Commons Atribución 4.0.
Los autores/as que publiquen en esta revista aceptan las siguientes condiciones:
- Los autores/as conservan los derechos de autor y ceden a la revista el derecho de la primera publicación, con el trabajo registrado con la licencia de atribución de Creative Commons 4.0, que permite a terceros utilizar lo publicado siempre que mencionen la autoría del trabajo y a la primera publicación en esta revista.
- Los autores/as pueden realizar otros acuerdos contractuales independientes y adicionales para la distribución no exclusiva de la versión del artículo publicado en esta revista (p. ej., incluirlo en un repositorio institucional o publicarlo en un libro) siempre que indiquen claramente que el trabajo se publicó por primera vez en esta revista.
- Se permite y recomienda a los autores/as a compartir su trabajo en línea (por ejemplo: en repositorios institucionales o páginas web personales) antes y durante el proceso de envío del manuscrito, ya que puede conducir a intercambios productivos, a una mayor y más rápida citación del trabajo publicado.
