Descripción
Este proyecto diseñará la aplicación para un sistema autónomo de detección de anormalidades en los ejes anatómicos de las extremidades inferiores que limiten la movilidad personal, mediante la extracción de parámetros posturales a partir de técnicas de aprendizaje profundo. La extracción de dichos parámetros se realizará mediante dos modelos de redes neuronales profundas denominadas PoseNet y OpenPose, empleando una cámara web y una computadora personal. La validación de la aplicación se realizará mediante la comparación de los resultados entre los datos de salida de los modelos y las placas radiológicas. Al final, se espera generar un sistema autónomo capaz de evaluar y diagnosticar, en tiempo real, anomalías en los ejes mecánicos de la cadera, rodillas y tobillos.
Principales logros del proyecto en función de los productos obtenidos
Producto 1: Matriz de parámetros.
A partir del mapeo de la información contenida en los diagnósticos realizados por evaluadores de pacientes, se identificaron 11 anomalías o clases de afecciones con enfoque en pie-tobillo. Se analizaron los expedientes de al menos 50 pacientes de un centro de atención al pie para la adaptación personalizada de órtesis plantares, con la intención de determinar las afecciones más comunes relacionadas con la huella plantar y el eje del tobillo (plano frontal-posterior).
Producto 2: Generación de conjunto de datos de imágenes de afecciones del pie-tobillo (dataset).
Se acudió durante 21 semanas a un centro de atención a pacientes que requieren adaptación personalizada de órtesis plantares. En dicho centro atienden dos especialistas que realizan evaluaciones posturales de las extremidades inferiores. Se tomaron fotografías de la huella plantar y del tobillo (plano frontal-posterior) de pacientes en bipedestación mediante podoscopio, confirmando que esta opción resulta más económica en comparación con la realización de radiografías. Con lo anterior, se generó un conjunto de imágenes de huellas plantares (dataset).
Problemática
La problemática es que los métodos actuales de diagnóstico dependen de estudios radiológicos especializados, los cuales requieren equipos de alto costo, personal capacitado y entornos clínicos hospitalarios, lo que restringe su disponibilidad y dificulta la implementación de evaluaciones periódicas en poblaciones vulnerables o en entornos con recursos limitados. Por lo anterior, el proyecto propone resolver la necesidad de contar con un sistema autónomo, no invasivo y de bajo costo que permita identificar anomalías posturales en tiempo real, empleando técnicas de visión por computadora y aprendizaje profundo. La automatización de la extracción de parámetros posturales mediante modelos como PoseNet y OpenPose busca superar las barreras de acceso al diagnóstico, ofreciendo una herramienta capaz de complementar o, en determinadas condiciones, sustituir la dependencia exclusiva de los métodos radiográficos tradicionales u otros.
Objetivo
Diseñar una aplicación para un sistema autónomo de detección de anormalidades en los ejes anatómicos de las extremidades inferiores mediante la extracción de parámetros posturales a partir de técnicas de aprendizaje profundo. La finalidad del sistema es ofrecer a los profesionales de la salud una alternativa de evaluación y diagnóstico de afecciones a nivel de cadera, rodilla y tobillo, en tiempo real, sin necesidad de la toma de placas radiológicas. Por otro lado, este proyecto tiene la intención de contribuir a la introducción de técnicas de aprendizaje profundo en la tecnología sanitaria mexicana, que facilite y agilice los procesos de atención a pacientes cuya salud de las extremidades inferiores se encuentre comprometida y afecte su movilidad personal.
Impacto
Principales logros del proyecto en función de los productos obtenidos
Producto 1: Matriz de parámetros.
A partir del mapeo de la información contenida en los diagnósticos realizados por evaluadores de pacientes, se identificaron 11 anomalías o clases de afecciones con enfoque en pie-tobillo. Se analizaron los expedientes de al menos 50 pacientes de un centro de atención al pie para la adaptación personalizada de órtesis plantares, con la intención de determinar las afecciones más comunes relacionadas con la huella plantar y el eje del tobillo (plano frontal-posterior).
Producto 2: Generación de conjunto de datos de imágenes de afecciones del pie-tobillo (dataset).
Se acudió durante 21 semanas a un centro de atención a pacientes que requieren adaptación personalizada de órtesis plantares. En dicho centro atienden dos especialistas que realizan evaluaciones posturales de las extremidades inferiores. Se tomaron fotografías de la huella plantar y del tobillo (plano frontal-posterior) de pacientes en bipedestación mediante podoscopio, confirmando que esta opción resulta más económica en comparación con la realización de radiografías. Con lo anterior, se generó un conjunto de imágenes de huellas plantares (dataset).
Producto 3: Sometimiento de artículo científico.
Se avanzó en el sometimiento de un artículo científico derivado del incremento en el volumen de imágenes del dataset creado y de la mejora alcanzada en la eficiencia diagnóstica de los modelos propuestos. Estos avances permitieron atender de manera puntual las observaciones realizadas previamente por los revisores, fortaleciendo la solidez metodológica y los resultados presentados en el manuscrito, incrementando las posibilidades de aceptación en una revista de impacto internacional.
Producto 4: Desarrollo de aplicación móvil.
Se desarrolló una aplicación móvil para el diagnóstico en tiempo real de la tipología de la huella plantar, que integra captura de imagen, preprocesamiento automático, inferencia con modelos de aprendizaje profundo y generación de un reporte clínico-técnico para el usuario. La aplicación permite registrar casos, visualizar resultados y exportar evidencias, asegurando la trazabilidad y el resguardo de datos.
Producto 5: Generación de conjunto de datos de imágenes de pacientes en bipedestación.
Se realizó la captura estandarizada de imágenes en planos anatómicos anterior y posterior de pacientes en bipedestación, restringiendo el encuadre exclusivamente a la altura de la cadera y de los hombros. Las imágenes fueron anonimizadas y se integrarán al dataset para la detección de asimetrías, genu varo y genu valgo.
Producto 6: Taller para Semana Internacional de Investigación.
Se impartió el taller denominado “Método TRIZ en la resolución de problemas para la actividad inventiva”, dirigido a investigadores y estudiantes de posgrado, en el marco de una Semana Internacional de Investigación, fortaleciendo capacidades metodológicas para la innovación y el desarrollo de proyectos con impacto científico y tecnológico.
Producto 7: Dataset ampliado de pacientes en bipedestación.
Se llevó a cabo la aumentación de datos mediante técnicas de transformación de imágenes, con el objetivo de robustecer el dataset, equilibrar las clases y mejorar la capacidad de generalización de los modelos de inteligencia artificial previamente entrenados.
Producto 8: Modelo de red neuronal para clasificación de asimetría, genu varo y genu valgo.
Se realizó el entrenamiento de modelos de redes neuronales orientados a la identificación de acortamiento de miembro pélvico, genu varo y genu valgo.
Producto 9: Reporte de exactitud del modelo y actualización de la aplicación móvil.
Se efectuó la evaluación comparativa de los modelos para identificar el más eficiente, así como la actualización de la aplicación móvil, incorporando mejoras en la interfaz, tiempos de respuesta y gestión de datos. Asimismo, se actualizaron los documentos de validación del sistema, garantizando trazabilidad, cumplimiento de criterios de calidad y alineación con los requerimientos normativos aplicables.
Para mayor detalle de cada producto, se puede consultar el siguiente enlace:
https://drive.google.com/drive/folders/1bVMvcyc05YcVVvwH1jJ6uJCpL_fo1cfh?usp=sharing