[general_dat] Invitación a Defensa de Tesis de Licenciatura de Licenciatura de Luciano Tarsia

[Viviana Cotik]

Tenemos el agrado de invitarlos a la defensa de Tesis de Licenciatura en
Ciencias de la Computación de Luciano Tarsia

*Título: *Broncoscopía asistida por IA en terapia intensiva: Desarrollo de
un corpus y un enfoque para la identificación de posiciones anatómicas

*Cuándo: *Lunes 10 de Noviembre, 14:00 hrs
*Dónde:* Sala 1604 (Edificio Cero + Infinito, Ciudad Universitaria)
*Directora:* Viviana Cotik
*Co-Director:* Nicolás Mastropasqua
*Jurados: *Lara Gauder, Nicolás Gaggion

*Resumen:*

El crecimiento de los datos digitales en el ámbito de la salud ha impulsado
el desarrollo de tecnologías basadas en inteligencia artificial para
analizar y extraer información significativa, particularmente en la
imagenología médica. La broncoscopía es un procedimiento médico que permite
visualizar directamente las vías respiratorias mediante un broncoscopio, y
se utiliza tanto para el diagnóstico de enfermedades pulmonares como para
la toma de muestras. Este procedimiento es clave en el diagnóstico y
tratamiento de diversas patologías respiratorias, y puede beneficiarse
significativamente del uso de herramientas basadas en inteligencia
artificial, especialmente en tareas de navegación y localización anatómica.
Sin embargo, la falta de un corpus de imágenes de broncoscopía anotadas y
accesibles públicamente limita el desarrollo de soluciones en este campo.

Este trabajo presenta la creación de un corpus de imágenes broncoscópicas
etiquetadas por expertos, obtenidas a partir de 126 videos capturados en
pacientes internados en unidades de cuidados intensivos. Los videos fueron
registrados utilizando equipamiento estándar de broncoscopía disponible en
estos entornos clínicos. Además, se encuentran acompañados de datos
demográficos anonimizados, lo que permite realizar análisis complementarios
y preservar la confidencialidad de los pacientes. El proceso de anotación
se realizó siguiendo criterios refinados iterativamente, de forma tal de
obtener un corpus con un alto acuerdo entre anotadores.

Con este corpus, se entrenaron y evaluaron dos arquitecturas de redes
neuronales convolucionales (*ResNet18* y *ShuffleNetV2*), enfocadas en la
clasificación de imágenes según posiciones anatómicas en el árbol
bronquial. Los resultados muestran las fortalezas y limitaciones de cada
modelo, estableciendo un punto de partida para aplicaciones clínicas y
educativas. Este trabajo sienta las bases para futuros avances en la
integración de inteligencia artificial en broncoscopía, contribuyendo a
mejorar la precisión diagnóstica, la eficiencia de los procedimientos y la
formación médica.

*Palabras clave: *Broncoscopía, Inteligencia Artificial, Redes Neuronales
Convolucionales, Corpus Anotado, Navegación Asistida, Educación Médica.