Clasificación de células en pap test

 

Eje Rector: Salud Humana

Director: Gramática Martín Nicolás

Tutor: García Mario Alejandro (Integrantes: 9)

 

Resumen

La prueba de Papanicolaou (pap test) permite el diagnóstico precoz del cáncer de cuello uterino (CCU) y aumenta sustancialmente las probabilidades de sobrevida. Los errores (falsos negativos) en la realización del test tienen graves consecuencias y suelen tener como origen la subjetividad del especialista (patólogo), la desconcentración, sobrecarga laboral y falta de experiencia. Existe un estándar mundialmente aceptado llamado Bethesda (TBS) que busca minimizar los errores mediante la definición rigurosa de los datos informados en el test. El desarrollo de métodos automáticos de asistencia al patólogo es un tema activo de investigación y ha probado que puede disminuir la tasa de error [1]. A pesar de los esfuerzos y los avances de la inteligencia artificial (IA) y deep learning (DL), aún no se han logrado sistemas que den soporte a todo el proceso incluyendo el estándar TBS completo. En Argentina se dificulta la aplicación de avances de países desarrollados porque estos últimos utilizan tecnología basada en líquidos para realizar los tests y escáneres WSI para obtener las imágenes, mientras que en Argentina se utiliza el extendido convencional y microscopios estándares. En este proyecto se busca contribuir al desarrollo de un sistema de asistencia automática según las necesidades locales.

 

Contacto: martingra@gmail.com