Deep learning como estrategia de servicio al cliente para el diagnóstico precoz de Covid-19

• José Fernando López Aguirre ^[1] ; Juan Carlos Pomaquero Yuquilema ^[1] ; José Luis López Salazar ^[1] ; Diego Marcelo Almeida López ^[1]
  1. [1] Escuela Superior Politécnica de Chimborazo
• Localización: Revista de ciencias sociales, ISSN-e 1315-9518, Vol. 29, Nº. Extra 7, 2023, págs. 152-164
• Idioma: español
• Títulos paralelos:
  • Deep learning as a customer service strategy for the early diagnosis of Covid-19
• Enlaces
  • Texto completo (pdf)
• Resumen
  • español

    El virus Covid-19 (Neumonía Atípica), desde su origen hace más de tres años, continúa cobrando vidas y causando aglomeraciones en los sistemas de salud de países como Ecuador, por lo que se hace necesario el uso de tecnologías de la información para asistir al personal médico en el diagnóstico temprano. El objetivo de la investigación fue analizar el deep learning como estrategia de servicio al cliente para el diagnóstico precoz de Covid-19. La metodología utilizada se sistematizó mediante selección de imágenes de tipo no probabilístico, la elección del investigador fue clave en el uso de imágenes de rayos X de tórax obtenidas en casas de salud privadas y públicas en las ciudades de Riobamba y Quito-Ecuador, además se utilizó la base de datos “Chest X-ray”, en la plataforma Kaggle. La evidencia científica muestra que las radiografías de tórax son una prueba eficaz para una primera fase diagnóstica de presunción de Covid-19, por lo que el uso de deep learning como estrategia de atención al cliente a través del análisis de radiografías de tórax, cuenta con las propiedades necesarias para extraer características y lograr un buen nivel de precisión en su clasificación y ayudar con el cribado de pacientes infectados.

  • English

    The Covid-19 virus (Atypical Pneumonia), since its origin more than three years ago, continues to claim lives and cause crowds in the health systems of countries such as Ecuador, for which the use of information technologies is necessary to assist medical staff in early diagnosis. The objective of the research was to analyze deep learning as a customer service strategy for the early diagnosis of Covid-19. The methodology used was systematized through the selection of non-probabilistic images, the choice of the researcher was key in the use of chest X-ray images obtained in private and public health centers in the cities of Riobamba and Quito-Ecuador, in addition used the “Chest X-ray” database, on the Kaggle platform. Scientific evidence shows that chest X-rays are an effective test for a first phase of presumptive diagnosis of Covid-19, so the use of deep learning as a customer service strategy through the analysis of chest X-rays has the properties needed to extract features and achieve a good level of accuracy in their classification and help with the screening of infected patients.