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

[Viviana Cotik]

Recordatorio.

Hoy a las 14 hs. Luciano Tarsia defiende su tesis de licenciatura en la
Sala 1604.

Están todos cordialmente invitados.

Saludos,
Viviana

El jue, 6 nov 2025 a la(s) 4:03 p.m., Viviana Cotik (vcotik at dc.uba.ar)
escribió:

> 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.
>
>
>