Diagnóstico de melanoma cutáneo usando redes neuronales convolucionales en teléfonos móviles

Abstract

This research develops and validates a mobile application based on convolutional neural networks (CNN) for the diagnosis of cutaneous melanoma, in order to offer an accessible and accurate tool that facilitates early detection in non-specialized users. The problem addressed is the limited accessibility to dermatological diagnoses in populations in remote or low resource areas. To solve it, the objective is to implement an optimized CNN model in the InceptionV3 architecture in a mobile application, ensuring diagnostic accuracy and usability. The applied methodology includes the development of a CNN model adapted for mobile devices, field tests with labeled images and validation through classification metrics and user satisfaction surveys. The results reflect a 100% accuracy and concordance with the clinical diagnosis, with a Cohen's Kappa coefficient of 1.0, confirming the effectiveness of the model in identifying suspicious skin lesions. In conclusion, the app proves to be a reliable and accessible tool, whose intuitive design and diagnostic efficacy make it a potentially revolutionary option for dermatological health in areas with limited medical coverage. Future improvements could optimize the app's ability to recognize other skin conditions, strengthening its impact on public health.

La presente investigación desarrolla y valida una aplicación móvil basada en redes neuronales convolucionales (CNN) para el diagnóstico de melanoma cutáneo, con el fin de ofrecer una herramienta accesible y precisa que facilite la detección temprana en usuarios no especializados. El problema abordado es la limitada accesibilidad a diagnósticos dermatológicos en poblaciones de áreas remotas o con escasos recursos. Para resolverlo, se plantea como objetivo implementar un modelo CNN optimizado en la arquitectura InceptionV3 en una aplicación móvil, asegurando precisión diagnóstica y usabilidad. La metodología aplicada incluye el desarrollo de un modelo de CNN adaptado para dispositivos móviles, pruebas de campo con imágenes etiquetadas y validación mediante métricas de clasificación y encuestas de satisfacción del usuario. Los resultados reflejan una precisión y concordancia con el diagnóstico clínico del 100%, con un coeficiente Kappa de Cohen de 1.0, confirmando la eficacia del modelo en la identificación de lesiones cutáneas sospechosas. En conclusión, la aplicación demuestra ser una herramienta confiable y accesible, cuyo diseño intuitivo y eficacia diagnóstica la convierten en una opción potencialmente revolucionaria para la salud dermatológica en áreas con limitada cobertura médica. Futuras mejoras podrían optimizar la capacidad de la aplicación para reconocer otras condiciones cutáneas, fortaleciendo su impacto en la salud pública.