Desarrollo de un modelo de aprendizaje automático para el diagnóstico temprano y estratificación de riesgo en leucemia linfoblástica aguda pediátrica

El cáncer infantil, en particular la leucemia linfoblástica aguda (LLA), evidencia una marcada inequidad en supervivencia entre países de altos y bajos ingresos, asociada a diagnósticos tardíos y limitaciones en infraestructura diagnóstica. Dadas las restricciones legales y operativas para acceder a bases de datos clínicas locales, este proyecto desarrolla un modelo de aprendizaje automático a partir de 3.256 imágenes de frotis de sangre periférica teñidas con Wright‑Giemsa del Hospital Taleghani (Irán), orientado a la identificación temprana de LLA pediátrica y la estratificación del riesgo en entornos con recursos limitados. Se aplicó un protocolo estandarizado de preprocesamiento que incluye redimensionamiento, normalización, segmentación con máscaras binarias tipo U‑Net y codificación one-hot, seguido del entrenamiento de una red neuronal convolucional con mecanismos de atención, optimizada mediante Adam y validada con partición 80‑10‑10 (entrenamiento, validación y prueba). El modelo alcanzó una exactitud del 99,69 %, alta sensibilidad y tiempos de inferencia cercanos a 0,83 segundos por imagen en hardware básico con apoyo de Google Colab, con curvas de aprendizaje estables y sin indicios de sobreajuste. Estos resultados respaldan el potencial de la CNN propuesta como herramienta complementaria para el diagnóstico temprano y la clasificación de subtipos de LLA pediátrica, particularmente en servicios de atención primaria con acceso restringido a técnicas avanzadas como la citometría de flujo.

Grantor dc:publisher

Universidad Ean

Year dc:date

2026

Author dc:creator

• Mesa Sarmiento, Cristihan David

Contributors dc:contributor

• Chacón Rivera, Lina María
• CIENCIA, TECNOLOGÍA E INNOVACIÓN::TECNOLOGICO ONTARE MAIRA ALEJANDRA GARCIA JARAMILLO Categoría A1 COL0026879

• Leucemia en niños
• Aprendizaje automático (Inteligencia artificial)
• Procesamiento de imágenes
• Sistemas de imágenes en medicina
• Diagnóstico por imagen
• Cáncer en niños --Diagnóstico
• Leucemia linfoblástica aguda
• Aprendizaje automático
• Diagnóstico temprano
• Estratificación de riesgo
• Procesamiento de imágenes médicas
• Acute lymphoblastic leukemia
• Machine learning
• Pediatric oncology
• Risk stratification
• Medical image processing

Statement dc:rights

• Atribución-NoComercial-SinDerivadas 4.0 Internacional (CC BY-NC-ND 4.0)
• info:eu-repo/semantics/openAccess
• Abierto (Texto Completo)

Licence

• https://creativecommons.org/licenses/by-nc-nd/4.0/
• http://purl.org/coar/access_right/c_abf2

Language dc:language

spa

Identifier

BDM-PML
instname:Universidad Ean
reponame:Repositorio Institucional Biblioteca Digital Minerva
repourl:https://repository.ean.edu.co/

OAI identifier oai:identifier

oai:null:10882/19076