Implementación de inteligencia artificial explicable en un modelo de detección de Leishmaniasis cutánea.

Abstract

Desde la concepción de las Redes Neuronales Convolucionales en 1980 para la identifica ción de caracteres escritos a mano este tipo de inteligencia artificial ha evolucionado hasta el presente en el cual estos modelos son la base para las aplicaciones de detección de imáge nes, reconocimiento de imágenes, clasificación de imágenes, análisis de imágenes y vídeo y procesamiento de lenguajes naturales (Bhatt y col., 2021). A medida que el desarrollo de las redes neuronales convoluciones avanza y estas son aplicadas a una mayor cantidad de ám bitos una problemática que surge es la naturaleza de caja negra de este tipo de redes. Caja negra es un termino que se utiliza para un proceso que dado una entrada proporciona una salida sin mostrar retroalimentación sobre el proceso por el cuál se obtuvo este resultado. En el ámbito de la medicina, en el cual se requiere explicación con respecto a las decisiones tomadas, este comportamiento es un impedimento que estas tecnologías se apliquen en una mayor cantidad de problemas a pesar de los beneficios potenciales de su uso. Este proyecto aborda esta problemática en un modelo construido para la identificación de la enfermedad Leishmaniasis cutánea en imágenes desarrollado por estudiantes de la Universidad del Valle de Guatemala.