Berrocal Narváez, NeilaLlorente Ramos, LucyGarcía Mestra, María Cristina2024-02-032024-02-032024-02-02https://repositorio.unicordoba.edu.co/handle/ucordoba/8231La Inteligencia Artificial (IA) en el campo médico de Colombia, especialmente en la detección temprana del melanoma, ofrece perspectivas transformadoras. La aplicación del Aprendizaje Automático y el Aprendizaje Profundo ha abierto nuevas posibilidades para el análisis detallado y complejo de datos. Dentro de estas técnicas, las Redes Neuronales Convolucionales (CNN) destacan por su potencial en la interpretación precisa de imágenes dermatológicas. Pero, a pesar de su alta precisión, estos sistemas podrían no abarcar completamente las sutilezas clínicas, desafiando el paradigma tradicional del diagnóstico basado en la experiencia y la empatía humanas. Este estudio tiene como objetivo compilar información sobre el potencial de la Inteligencia Artificial para la detección temprana del melanoma maligno en Colombia, identificando los desafíos y oportunidades que enfrenta la implementación de estas herramientas avanzadas en la práctica clínica. Esta monografía de compilación se relaciona con la aplicación de IA en la detección de melanoma en el contexto médico colombiano. Se recopiló información de diversas fuentes bibliográficas, incluyendo estudios académicos, páginas web y datos sobre el uso de herramientas de IA en el sector médico de Colombia. Finalmente, con la biodiversidad y datos en Colombia, existe una oportunidad para mejorar y adaptar los modelos de Aprendizaje Automático y otras formas de IA para lograr un diagnóstico más preciso y efectivo del melanoma. Si bien existen desafíos, el interés del sector privado es un motivo para ser optimistas sobre el futuro de la implementación de la IA en el campo médico colombiano, especialmente en la detección temprana del melanoma.Artificial Intelligence (AI) in Colombia's medical field, especially in the early detection of melanoma, offers transformative perspectives. The application of Machine Learning and Deep Learning has opened new possibilities for detailed and complex data analysis. Within these techniques, Convolutional Neural Networks (CNN) stand out for their potential in the precise interpretation of dermatological images. But despite their high accuracy, these systems may not fully encompass clinical subtleties, challenging the traditional paradigm of diagnosis based on human experience and empathy. This study aims to compile information on the potential of Artificial Intelligence for the early detection of malignant melanoma in Colombia, identifying the challenges and opportunities faced by the implementation of these advanced tools in clinical practice. This compilation monograph is related to the application of AI in the detection of melanoma in the Colombian medical context. Information was collected from various bibliographic sources, including academic studies, web pages and data on the use of AI tools in the Colombian medical sector. Finally, with the biodiversity and data in Colombia, there is an opportunity to improve and adapt Machine Learning models and other forms of AI to achieve more accurate and effective diagnosis of melanoma. While there are challenges, the interest of the private sector is a reason to be optimistic about the future of AI implementation in the Colombian medical field, especially in the early detection of melanoma.1. PLANTEAMIENTO DEL PROBLEMA.............................................. 121.1. Descripción del problema.......................................................... 122. JUSTIFICACIÓN............................................................................. 143. OBJETIVOS...................................................................................... 163.1. Objetivo General......................................................................... 163.2. Objetivos Específicos...................................................................... 164. METODOLOGÍA............................................................................ 174.1. Tipo de Estudio............................................................................. 174.2. Población..................................................................................... 174.3. Muestra......................................................................................... 174.4. Unidad de Análisis...................................................................... 184.5. Organización de la monografía.................................................. 184.6. Presentación de la Información................................................. 184.7. Aspectos éticos............................................................................. 184.8. Aspectos de propiedad intelectual y derechos de autor....... 195. MONOGRAFÍA.............................................................................. 205.1. RAMAS DE LA INTELIGENCIA ARTIFICIAL UTILIZADAS INTERNACIONALMENTE PARA LA DETECCIÓN TEMPRANA DEL MELANOMA MALIGNO........ 205.1.1. Aprendizaje Automático (Machine Learning-ML) como Rama Central de la IA ...................................................215.1.2. Aprendizaje Profundo (Depp Learning-DL)............................................................... 235.1.3. Redes Neuronales Convolucionales (CNNs)............................................................ 255.1.4. Aprendizaje por Refuerzo........................................................ 265.2. BARRERAS Y FACILITADORES PARA LA IMPLEMENTACIÓN DE INTELIGENCIA ARTIFICIAL EN LA DETECCIÓN TEMPRANA DEL MELANOMA MALIGNO EN COLOMBIA..... 305.2.1. IMPORTANCIA DE LA IMPLEMENTACIÓN DE LA INTELIGENCIA ARTIFICIAL EN LA DETECCIÓN TEMPRANA DEL MELANOMA MALIGNO EN EL SISTEMA DE SALUD COLOMBIANO...... 376. CONSIDERACIONES FINALES............................................................ 427. CONCLUSIONES.......................................................................... 458. RECOMENDACIONES.................................................................... 489. BIBLIOGRAFÍA.................................................................................. 51application/pdfspaCopyright Universidad de Córdoba, 2024Trabajo de grado - EspecializaciónAtribución-NoComercial-SinDerivadas 4.0 Internacional (CC BY-NC-ND 4.0)info:eu-repo/semantics/openAccessMelanomaInteligencia artificial (IA)Aprendizaje automáticoAprendizaje profundoMelanomaArtificial intelligenceMachine learning (ML)Deep learning (DL)Universidad de CórdobaRepositorio Universidad de Córdobahttps://repositorio.unicordoba.edu.co/http://purl.org/coar/access_right/c_abf2