Gathering AI solutions for building a meta-AI tool for chest X-Ray COVID- 19 diagnosis

La inteligencia artificial (IA) está revolucionando la imagen médica al mejorar diagnósticos, aunque enfrenta barreras significativas para su implementación. Esta tesis propone superar estos retos mediante técnicas de visión computacional que mejoran la calidad de datos y la robustez de los modelos. Se han realizado experimentos enfocados en la adaptación de dominio, esencial para que los modelos operen eficazmente en diferentes contextos. Además, se emplean Redes Generativas Antagónicas (GANs) para aumentar datos y modelos open-set para garantizar su calidad. También se han desarrollado métodos de ensamblaje que combinan decisiones de múltiples modelos, optimizando predicciones según la entropía y ajustándose dinámicamente al origen de las imágenes. Los modelos se han evaluado en conjuntos de datos públicos y privados, demostrando mejoras sustanciales en precisión diagnóstica frente a métodos actuales. Estas innovaciones posicionan estas herramientas como soluciones efectivas para su integración clínica.