Machine Learning para el diagnóstico de COVID-19

Abstract

Este trabajo analiza el uso de inteligencia artificial como alternativa para la detección de COVID-19 en radiografías. Para ello, se realizará un estudio comparativo aplicando modelos de Machine Learning a tres bases de datos de radiografías diferentes. Tomando en consideración los resultados iniciales obtenidos, se procederá a la obtención del modelo con desempeño óptimo para la detección de dicha enfermedad según las métricas de rendimiento establecidas, haciendo uso de una base de datos que englobe la totalidad de radiografías disponibles. Finalmente, se llegará la conclusión de que el método más adecuado para la detección de COVID-19 es K-Nearest Neighbors (KNN) aplicado a imágenes en crudo, sin ningún preprocesado previo.

This paper analyses the use of artificial intelligence as an alternative for the detection of COVID-19 in radiographs. For this purpose, a comparative study will be carried out by applying Machine Learning models to three different radiography databases. Considering the initial results obtained, we will proceed to obtain the model with optimal performance for the detection of this disease. To this end, we will develop a global model according to the established performance metrics, using a database that includes all the available radiographs. Finally, it will be concluded that the most suitable method for COVID-19 detection is K-Nearest Neighbors (KNN) applied to raw images, without any prior preprocessing.