Desarrollo de un sistema basado en visión por computadora para la detección y clasificación del acné mediante modelos de aprendizaje automático.

Abstract

Esta investigación aborda la dificultad para diagnosticar el acné de forma objetiva, dado que la evaluación clínica tradicional depende del criterio visual del especialista y presenta alta variabilidad entre observadores, problema que se agudiza donde el acceso a dermatólogos es limitado. Con este panorama, se planteó como propósito construir un sistema capaz de identificar y categorizar automáticamente distintas manifestaciones de acné facial mediante una red de aprendizaje profundo basada en YOLO26, pensado como herramienta de soporte al diagnóstico. El estudio siguió un diseño experimental-computacional: se conformó un banco de 16.123 fotografías dermatológicas a partir de cuatro repositorios abiertos de Roboflow Universe, organizado bajo un esquema de 23 categorías de condiciones cutáneas y repartido en subconjuntos de entrenamiento, validación y prueba. La red neuronal, con cerca de 9,5 millones de parámetros, se entrenó durante 100 épocas sobre una GPU Tesla T4 en Google Colaboratory, recurriendo a transferencia de conocimiento, ampliación artificial de datos y detención anticipada. Al evaluar el modelo se obtuvo una precisión de 0,574, una sensibilidad de 0,537 y un mAP@0.5 de 0,534, con tiempos de respuesta de 10,5 milisegundos por fotografía, cifras del mismo orden que las reportadas en trabajos similares; no obstante, se comprobó que las particiones de origen comparten fotografías entre subconjuntos, por lo que estas métricas deben entenderse como optimistas. Las lesiones con bordes bien delimitados se reconocieron con mayor fiabilidad que aquellas de textura difusa. Finalmente, se desarrolló un prototipo interactivo funcional que permite cargar imágenes y visualizar los hallazgos. Los resultados indican que la propuesta constituye un apoyo diagnóstico viable, reproducible y económico, complementario al juicio del profesional de salud.