Preguntas Frecuentes

“El 95% era en validación (datos que el modelo veía durante entrenamiento). El 80% es en test (datos completamente nuevos). Esto es normal y demuestra que el modelo generaliza bien.”

• Validación: Datos usados para ajustar hiperparámetros durante el entrenamiento
• Test: Datos completamente nuevos, nunca vistos por el modelo
• La diferencia refleja la capacidad de generalización
• Una caída de 15 puntos es aceptable en Deep Learning
• Lo importante es que el 80% en test es un resultado sólido para datos nuevos

• Demuestra que NO hay overfitting severo
• El modelo funciona con datos reales del mundo
• 80% sigue siendo útil para screening inicial

“Lo más importante: el modelo tiene 96% de sensibilidad, es decir, detecta casi todos los casos de neumonía. En medicina es mejor tener falsos positivos que perder un caso real.”

• De cada 100 casos de neumonía, detecta 96
• Solo 3-4 casos pasan desapercibidos
• Minimiza falsos negativos (el error más peligroso)

• Falso negativo = paciente enfermo sin detectar → PELIGROSO
• Falso positivo = verificación adicional → Molesto pero seguro
• Para screening, priorizar sensibilidad es la estrategia correcta

• AUC-ROC de 0.93 es “Excelente” (escala: >0.90 = excelente)
• Accuracy del 80% en test es sólido para clasificación médica binaria
• La alta sensibilidad (96%) es el punto fuerte

• No buscamos reemplazar a radiólogos (98%+ accuracy)
• Buscamos una herramienta de screening inicial
• Para ese propósito, estos números son apropiados

“Las CNN están diseñadas para imágenes. Detectan patrones espaciales mejor que redes tradicionales. Son el estándar en imagenología médica.”

• Invarianza espacial: Detecta patrones sin importar dónde aparezcan en la imagen
• Jerarquía de características: Primera capa detecta bordes, segunda texturas, tercera patrones complejos
• Menos parámetros: Comparado con redes fully connected para imágenes
• Probadas en medicina: ResNet, VGG, Inception usadas en imagenología

• Redes fully connected: Demasiados parámetros, pierden información espacial
• RNN: Diseñadas para secuencias, no para imágenes 2D
• Transformers: Requieren más datos y recursos de los que teníamos

“Usamos dropout, data augmentation y early stopping. Por eso hay diferencia entre validación (95%) y test (80%), pero sigue siendo un buen resultado.”

1. Dropout (50%):
   • Desactiva aleatoriamente 50% de neuronas durante entrenamiento
   • Previene co-adaptación de neuronas
   • Actúa como ensemble de redes
2. Data Augmentation:
   • Rotaciones, flips, zoom
   • Aumenta variedad de datos
   • Mejora generalización
3. Early Stopping:
   • Monitorea validation loss
   • Detiene entrenamiento cuando empieza overfitting
   • Restaura mejores pesos

• Test accuracy (80%) no está muy lejos de validation (95%)
• Si hubiera overfitting severo, test sería mucho peor (<60%)

• Suficiente detalle para patrones de neumonía
• Estándar en ImageNet y transfer learning
• Entrenable en GPUs comunes
• Tiempo de inferencia rápido

• Resolución más alta (512×512): Más detalle, pero 5× más lento
• Resolución más baja (128×128): Más rápido, pero pierde detalles importantes

“Es una herramienta de apoyo para screening inicial, no reemplaza el diagnóstico médico. Requiere validación clínica adicional.”

• ✅ Screening en centros de atención primaria
• ✅ Priorización de casos urgentes
• ✅ Apoyo en zonas con pocos radiólogos
• ✅ Segunda opinión automática

• ❌ Diagnóstico definitivo sin revisión médica
• ❌ Reemplazar completamente a radiólogos
• ❌ Decisiones de tratamiento sin confirmación

1. Validación clínica con médicos reales
2. Pruebas en hospitales piloto
3. Aprobación regulatoria (FDA, EMA, etc.)
4. Integración con sistemas PACS

• NORMAL (sin neumonía)
• PNEUMONIA (con neumonía, sin distinguir tipo)

• Reentrenar con dataset que incluya subtipos
• Agregar una tercera clase de salida
• Usar datasets como RSNA Pneumonia Detection Challenge

• Variaciones normales en contraste
• Diferentes ángulos estándar
• Ruido típico de rayos X

• Imágenes muy borrosas
• Ángulos no estándares (lateral en lugar de frontal)
• Artefactos severos
• Resolución muy baja

• Preprocesamiento más robusto
• Detección de calidad de imagen
• Entrenamiento con más variedad de calidades

• ~0.1-0.5 segundos por imagen en GPU
• ~1-2 segundos por imagen en CPU moderna

• Un radiólogo tarda 1-5 minutos analizando un caso
• El sistema puede procesar cientos de imágenes en minutos
• Útil para priorizar colas de trabajo

• 5,863 imágenes de rayos X de tórax
• 2 clases: NORMAL y PNEUMONIA
• Imágenes pediátricas (niños de 1-5 años)
• Fuente: Guangzhou Women and Children’s Medical Center

• Datos reales de hospital
• Etiquetado por expertos médicos
• Público y reproducible
• Ampliamente usado en investigación

• Solo pacientes pediátricos
• Un solo hospital (sesgo geográfico posible)
• Desbalance de clases (más casos de neumonía que normales)

• Etiquetado por 2 médicos expertos
• Verificado por un tercer experto en casos dudosos
• Publicado en journal médico peer-reviewed
• Usado en múltiples estudios académicos

• Análisis exploratorio de datos
• Verificación de distribuciones
• Revisión manual de muestras
• Test set completamente separado

• Evaluamos métricas más allá de accuracy (AUC-ROC, sensibilidad, especificidad)
• El test set mantiene la proporción natural
• Usamos data augmentation para balancear

• Capas convolucionales: ReLU (Rectified Linear Unit)
• Capa de salida: Sigmoid (para clasificación binaria)

• Entrena más rápido que sigmoid/tanh
• No sufre vanishing gradient
• Induce sparsity (algunas neuronas = 0)
• Estándar en CNNs modernas

• Output entre 0 y 1 (probabilidad)
• Interpretable: >0.5 = PNEUMONIA, <0.5 = NORMAL

• Optimizer: Adam
• Learning rate: 0.001 (típicamente)
• Loss: Binary Crossentropy

• Combina ventajas de RMSprop y Momentum
• Adapta learning rate por parámetro
• Funciona bien out-of-the-box
• Menos sensible a hiperparámetros

• “Sí, podríamos usar modelos pre-entrenados como ResNet o VGG”
• “Para este proyecto, entrenamos desde cero para entender el proceso completo”

• Menos datos necesarios
• Entrena más rápido
• Potencialmente mejor accuracy

• Aprendizaje educativo completo
• Control total sobre arquitectura
• Dataset es suficientemente grande (5,863 imágenes)