Deep Learning CNN for Pneumonia Detection: Advancing Digital Health in Society 5.0

Resumen Técnico: Detección de Neumonía mediante Deep Learning CNN para la Salud Digital en la Sociedad 5.0

1. El Problema
La neumonía representa una de las causas principales de morbilidad y mortalidad a nivel mundial, afectando desproporcionadamente a niños menores de cinco años, ancianos y personas con sistemas inmunitarios debilitados. En países en desarrollo, la carga de la enfermedad es aún mayor debido a la falta de recursos sanitarios y la escasez de radiólogos expertos.

• Desafío diagnóstico: El diagnóstico temprano y preciso depende de la interpretación de radiografías de tórax (CXR), un proceso que es subjetivo, propenso a errores humanos y variable entre especialistas.
• Limitaciones actuales: Muchos sistemas de diagnóstico asistido por computadora (CAD) existentes dependen de técnicas de preprocesamiento de imágenes complejas (como la ecualización del histograma dinámico) para mejorar el contraste. Estas técnicas, aunque útiles, pueden introducir artefactos o ruido que reducen la fiabilidad clínica y aumentan la complejidad computacional, lo cual es un obstáculo en entornos con recursos limitados.

2. Metodología
El estudio propone un sistema de diagnóstico automatizado basado en una Red Neuronal Convolucional (CNN) de aprendizaje profundo, diseñado para clasificar imágenes de rayos X en dos categorías: "Normal" y "Neumonía".

• Dataset: Se utilizó el conjunto de datos público "Chest X-ray Pneumonia Dataset" de Kaggle, que contiene 5.863 imágenes de niños (1-5 años) del Centro Médico de Mujeres y Niños de Guangzhou, China.
  • División: 5.216 imágenes para entrenamiento, 16 para validación y 624 para prueba.
• Preprocesamiento y Entrenamiento:
  • Las imágenes se convirtieron a escala de grises, redimensionaron a 128x128 píxeles y se normalizaron al rango [0, 1].
  • Aumento de datos: Se aplicaron técnicas de data augmentation (rotación ±30°, zoom 20%, volteo horizontal y desplazamientos) para mejorar la generalización y reducir el sobreajuste (overfitting).
  • Arquitectura del Modelo: Una CNN personalizada compuesta por dos bloques de convolución (con 64 y 128 filtros respectivamente), seguidos de capas de max pooling (2x2), una capa flatten, una capa densa de 128 neuronas (activación ReLU) con dropout de 0.5, y una capa de salida con activación sigmoid para clasificación binaria.
  • Configuración: Optimizador Adam (tasa de aprendizaje 0.001), función de pérdida binary cross-entropy. Se entrenó durante 10, 20 y 50 épocas con un tamaño de lote (batch size) de 32. Se utilizó ReduceLROnPlateau para ajustar dinámicamente la tasa de aprendizaje.
• Evaluación: Se midió el rendimiento mediante precisión, recall, F1-score, matriz de confusión, y curvas ROC y Precision-Recall (PR).

3. Contribuciones Clave

• Simplificación del Preprocesamiento: La innovación principal radica en demostrar que una arquitectura CNN bien diseñada puede lograr un alto rendimiento diagnóstico sin depender de técnicas de preprocesamiento de imágenes complejas (como la ecualización de histograma) que suelen generar artefactos. Esto simplifica el flujo de trabajo y lo hace más robusto.
• Eficiencia en Entornos con Recursos Limitados: Al eliminar la necesidad de etapas de preprocesamiento intensivas, el modelo es altamente relevante para su implementación en regiones con infraestructura tecnológica limitada, alineándose con la visión de la Sociedad 5.0 (integración de IA para el bienestar social).
• Validación de la Convergencia Óptima: El estudio identifica que 20 épocas de entrenamiento son suficientes para alcanzar un equilibrio óptimo entre sensibilidad y especificidad, evitando el sobreentrenamiento que ocurre en épocas superiores (50) sin ganancias significativas.

4. Resultados
El modelo alcanzó su mejor rendimiento tras 20 épocas de entrenamiento:

• Precisión General (Accuracy): 91,67% en el conjunto de prueba.
• Métricas de Clasificación (20 épocas):
  • Clase "Normal": Precisión 0,91, Recall 0,97, F1-Score 0,94.
  • Clase "Neumonía": Precisión 0,94, Recall 0,83, F1-Score 0,88.
• Capacidad Discriminativa:
  • ROC-AUC: 0,96.
  • PR-AUC: 0,95.
• Análisis Comparativo: El modelo propuesto superó o igualó el rendimiento de otros estudios recientes (como Liang & Zheng, 2020 y modelos DenseNet121), manteniendo una alta precisión y recall sin necesidad de arquitecturas extremadamente profundas o preprocesamiento complejo.
• Matriz de Confusión: Se observó que la mayoría de los errores ocurrieron al clasificar neumonía como normal (falsos negativos), un patrón común en datasets desbalanceados, pero el número total de errores se redujo drásticamente al pasar de 10 a 20 épocas.

5. Significado e Impacto
Este estudio valida el potencial de las redes neuronales convolucionales ligeras y eficientes como herramientas de apoyo diagnóstico robustas.

• Salud Digital: Proporciona una solución escalable para la detección temprana de neumonía, crucial para reducir la mortalidad infantil y mejorar la gestión de recursos en sistemas de salud saturados.
• Sociedad 5.0: El trabajo ejemplifica cómo la inteligencia artificial puede integrarse en la sociedad para democratizar el acceso a diagnósticos de alta calidad, independientemente de la disponibilidad de especialistas humanos.
• Futuro: Los autores sugieren que los siguientes pasos incluyen la expansión del dataset con mayor diversidad demográfica y etiologías, así como la integración del modelo en sistemas de información hospitalaria para su validación clínica en tiempo real.