«Sistema inteligente para la Detección y el Diagnóstico de Cáncer de Pulmón Mediante Ciencia de Datos», se denomina el Trabajo Final de Grado (TFG)  presentado el ahora ingeniero Emilio Ernesto Aparicio Brücke, como prueba final para egresar de la carrera de Ingeniería Mecatrónica de la Facultad de Ingeniería de la Universidad Nacional de Asunción (FIUNA). La defensa del trabajo se realizó el martes 26 de Diciembre de 2023 en la Institución.

El cáncer es la principal causa de muerte en el mundo y con tendencia a seguir creciendo en cifras año tras año debido en gran parte a las dietas basadas en comidas rápidas, poca o nula actividad física y el hábito de fumar, los cuales incrementan el riesgo de contraerlo. Aproximadamente cada año se detectan 14 millones de casos nuevos y se registran 8 millones de muertes debido al cáncer en todas sus variantes, afectando a todas las regiones del mundo a pesar de los avances en el tratamiento del mismo y en su detección temprana.

Los tratamientos actuales para el cáncer de pulmón son cirugía, quimioterapia, radioterapia y terapia localizada. Comprender el origen y la biología del cáncer de pulmón de cada paciente es crucial para combatir la alta tasa de mortalidad de esta enfermedad; conocer los orígenes y factores ambientales y genéticos de cada paciente lleva a la utilización de tratamientos más específicos y estrategias más efectivas en cada caso. La utilización de métodos de detección modernos y rápidos ayudará a proceder al tratamiento mientras el cáncer aún se encuentre bastante localizado, lo que supone siempre una mejor respuesta a las terapias por parte del paciente.

En el Trabajo Final de Grado presentado, se utilizó un conjunto de datos retrospectivos de imágenes de tomografía computarizada (TC) adquiridas de pacientes con sospecha de cáncer de pulmón que se sometieron a biopsias pulmonares estándar. Se llevó a cabo un análisis de los modelos de la arquitectura YOLO (You Only Look Once) para seleccionar el mejor en la detección de tumores en imágenes. Posteriormente, se realizó un análisis sobre filtros de mejora en imágenes y su impacto en las propiedades de la misma. Finalmente se llevaron a cabo pruebas de aumento de datos con el modelo seleccionado anteriormente, utilizando las imágenes con los filtros de mejora, para lograr un mejor resultado en el desempeño del modelo.