AI-BONE X: aplicativo de inteligencia artificial apoyado en el modelo convolucional para el diagnóstico de fracturas en el contexto clínico de la ciudad de VALLEDUPAR
No Thumbnail Available
Date
2025-10
Journal Title
Journal ISSN
Volume Title
Publisher
Abstract
El proyecto AI-BONE X desarrolla y valida un aplicativo de inteligencia artificial basado en redes neuronales convolucionales (CNN) —particularmente la arquitectura ResNet50— con el propósito de automatizar el diagnóstico de fracturas en radiografías de mano, codo y hombro en centros médicos de la ciudad de Valledupar. Esta iniciativa surge ante la elevada demanda de los servicios de urgencias causada por los accidentes de tránsito, situación que genera saturación en las áreas radiológicas y limita la disponibilidad permanente de especialistas para emitir diagnósticos oportunos.
Para entrenar el modelo, se empleó un conjunto de más de 20.000 imágenes radiológicas del repositorio público MURA (Kaggle). Dichas imágenes fueron sometidas a procesos de normalización, limpieza, aumentación y organización con el fin de garantizar la calidad del entrenamiento. Como resultado, la arquitectura propuesta alcanzó una precisión entre el 78 % y el 82 %, demostrando capacidad para diferenciar radiografías con y sin fractura, respaldada por métricas como accuracy, matriz de confusión y validaciones realizadas por especialistas clínicos.
El desarrollo del aplicativo se llevó a cabo bajo la metodología ágil Extreme Programming (XP), que permitió integrar de manera iterativa las etapas de análisis, diseño, codificación, pruebas e implementación. El producto final es un prototipo funcional de escritorio, capaz de cargar imágenes, procesarlas mediante el modelo entrenado y generar un diagnóstico preliminar con tiempos de respuesta eficientes. En conjunto, AI-BONE X constituye una solución innovadora, accesible y de bajo costo que fortalece el triage y el apoyo diagnóstico en entornos asistenciales de alta demanda en Valledupar.
ABSTRACT
The AI-BONE X project presents the development and validation of an artificial intelligence application based on convolutional neural networks (CNN), specifically a customized ResNet50 model, designed to automate fracture detection in hand, elbow, and shoulder X-ray images. This initiative responds to the increasing pressure on emergency services in Valledupar, where motorcycle and vehicle accidents significantly raise the demand for radiological evaluations, and specialists are not always available for timely diagnosis.
A dataset of more than 20,000 radiographic images from the public MURA (Kaggle) repository was preprocessed through normalization, filtering, and data augmentation to ensure high-quality inputs for model training. The resulting architecture achieved an accuracy range of 78–82%, demonstrating strong performance in distinguishing fractured from non-fractured images, supported by accuracy metrics, confusion matrices, and clinical expert validation.
The system was developed using the Extreme Programming (XP) methodology, which facilitated iterative refinement and continuous integration throughout the development process. The final product is a fully functional desktop prototype that allows medical personnel to upload X-ray images and obtain an automated preliminary diagnosis with efficient processing times. Overall, AI-BONE X represents an innovative and cost-effective support tool for clinical triage and radiographic interpretation in high-demand emergency settings in Valledupar.