Desarrollo de un sistema de detección y localización automática de estructuras fetales en tiempo real para ecografías de screening del primer trimestre

"La ecografía ha revolucionado el cuidado prenatal al proporcionar una herramienta no invasiva para evaluar el desarrollo fetal y detectar anomalías cromosómicas en el primer trimestre, como el síndrome de Down (trisomía 21), trisomía 18 y trisomía 13. Mediciones clave incluyen la translucencia nucal (TN) y la presencia del hueso nasal (HN), que requieren identificar el plano sagital medio fetal en tiempo real para congelar la imagen y realizar evaluaciones precisas. Este proyecto desarrolla un sistema impulsado por inteligencia artificial (IA) y aprendizaje profundo (DL) para analizar videos preexistentes o transmisiones en vivo de ecografías, conectándose directamente al ecógrafo. Utiliza un clasificador binario basado en MobileNet-v3 para distinguir frames “útiles” según la posición fetal, y un detector de objetos con YOLO-v8 para localizar TN y HN en frames seleccionados. Los modelos se entrenaron con un dataset externo público de 1628 imágenes estáticas anotadas y un dataset interno de 36 videos recopilados en 2025 por la Dra. Juliana Prados. Tras ajuste fino, el clasificador alcanza 83% de exactitud en el dataset interno, y el detector obtiene 77% de IoU promedio. Se implementó una plataforma web en la nube para recolección de datos, anotación colaborativa y procesamiento en tiempo real, probada exitosamente en un estudio clínico en vivo. Esta aplicación es ampliamente extensible, escalable y segura. Los resultados demuestran el potencial para automatizar la detección fetal, reducir variabilidad interobservador y mejorar la eficiencia en cribado prenatal. Futuras extensiones incluyen medición automática de TN y evaluación de reducción en tiempo de estudio".