RSL Sobre Diagnóstico de COVID-19 Utilizando Redes Neuronales Artificiales Convolucionales

Abstract

La rápida propagación del COVID-19 a nivel mundial obligó a desarrollar sistemas y métodos para predecir el comportamiento del virus o detectar la infección. Una de las formas de detectar al COVID-19 es a través del análisis de Rayos X o de Tomografías Computarizadas del tórax, por lo que resulta relevante desarrollar modelos de IA que puedan asistir en la toma de decisiones. El objetivo de este informe es presentar una Revisión Sistemática de la Literatura (RSL) para evidenciar los avances en el desarrollo de soluciones software utilizando Redes Neuronales Artificiales (RNA) enfocadas en la detección del COVID-19. La búsqueda de artículos se realizó en seis fuentes diferentes. Como resultado, se obtuvieron 18 estudios clasificados en 5 dimensiones: Tipos de Propuestas, Tipos de datos, Validación, Características y Tipo de Soporte. Este trabajo evidencia que existen en simultáneo una gran cantidad de investigaciones relacionadas, que apuntan a la necesidad de encontrar soluciones prácticas, de bajo costo y de rápida evolución. La mayoría de los trabajos estudiados hacen hincapié en el dinamismo de los métodos de entrenamiento y la precisión de las respuestas.