Propuesta de un Sistema Automatizado para la Estimación de la Edad a partir de Radiografías de Mano

Abstract

La estimación de la edad ósea es una herramienta fundamental en el diagnóstico pediátrico, especialmente en el seguimiento del crecimiento y la detección temprana de trastornos endocrinos. Esta tesis propone un sistema automatizado basado en aprendizaje profundo para estimar la edad ósea a partir de radiografías de mano, utilizando como referencia el método Tanner-Whitehouse 3 (TW3). Se adaptó la base de datos del RSNA Pediatric Bone Age Challenge (2017) y se desarrolló una metodología que agrupa las 13 regiones de interés del TW3 en cuatro segmentos clave: meñique, dedo medio, pulgar y muñeca. Se entrenaron modelos individuales por segmento y un modelo fusionado para integrarlos. Se evaluaron distintas arquitecturas de red (ResNet50, VGG16, DenseNet121, InceptionV3), siendo DenseNet121 la que presentó el mejor desempeño. El modelo fusionado alcanzó un error medio absoluto (MAE) de 5.7 meses en validación interna y de 13.70 meses en validación externa (utilizando un subconjunto no visto del dataset original). Aunque los resultados son competitivos, existe una diferencia respecto a los mejores modelos reportados en la literatura, atribuible en parte al uso de imágenes de 112×112 píxeles en lugar del estándar 224×224. No obstante, los resultados demuestran que el sistema propuesto es funcional y adaptable, y sienta las bases para su futura implementación en entornos clínicos, particularmente en población mexicana.