MurrAI Quality: desarrollo de un sistema de deep learning para la evaluación automatizada de la calidad de muestras de esputo en microbiología clínica

Identificador:  TFG:9075

Handle: https://hdl.handle.net/20.500.11797/TFG9075

Autores:  Martos i Massó, Laia

Resumen:
La evaluación de la calidad de las muestras de esputo mediante la tinción de Gram y un microscopio es un paso esencial para obtener resultados fiables en el diagnóstico microbiológico de infecciones respiratorias del trato respiratorio inferior, pero su interpretación manual puede ser subjetiva y requiere tiempo y personal cualificado. En este trabajo se ha desarrollado un algoritmo llamado MurrAI Quality, que se trata de un sistema automatizado basado en redes neuronales convolucionales capaz de detectar y contar células epiteliales escamosas y leucocitos en imágenes microscópicas para clasificar las muestras según su calidad. El modelo se ha entrenado con 402 microfotografías de esputo anotadas manualmente, indicando la localización de leucocitos y células epiteliales para proporcionar al modelo ejemplos de los patrones a reconocer. Finalmente, se ha evaluado la validez del sistema en tareas de segmentación de instancias y clasificación. Este estudio constituye una prueba de concepto con potencial de implementación en entornos clínicos, que abre la puerta a futuras optimizaciones.