Sistema para la evaluación automatizada de dibujos de la figura humana a través de un modelo de visión computacional
Los trastornos cognitivos en la infancia, especialmente la discapacidad intelectual en México y otros países, representan un grave desafío de salud pública.
La técnica proyectiva del Dibujo de la Figura Humana (DFH), usada por psicólogos para la detección temprana de problemas cognitivos en niños y niñas, se ve limitada por un proceso tardado y subjetivo análisis manual. En respuesta a estos desafíos, este trabajo detalla el desarrollo de un sistema automatizado para la evaluación de DFH en niños y niñas de entre 5 y 12 años de la Zona Metropolitana de Nuevo León, México, con el objetivo de mejorar la detección temprana de trastornos cognitivos y emocionales. Abordando las limitaciones a los métodos manuales tradicionales, el sistema emplea técnicas en visión computacional y aprendizaje automático. La metodología se basa en el marco de trabajo SCRUM, lo que facilita un desarrollo ágil y adaptable, acorde con las necesidades emergentes en el campo de la salud mental infantil. El sistema integra tecnologías como Python, PyTorch, TensorFlow y YOLO v8 para el procesamiento y análisis de los dibujos. Adicionalmente, se desarrolló una aplicación web utilizando Vue.js, Quasar Framework y Axios, junto con SQL Server para la gestión de bases de datos, y C# para el sistema de predicciones. Estas herramientas proporcionan una interfaz de usuario intuitiva y un procesamiento de datos eficiente, esto con el fin de ser accesible para los usuarios. Este avance tecnológico ofrece aplicaciones potenciales significativas en hospitales, clínicas, centros de salud mental y entornos educativos. Representa una herramienta valiosa para el diagnóstico y tratamiento de trastornos cognitivos y emocionales, abriendo nuevas posibilidades para abordar desafíos en la salud mental infantil. La integración de la inteligencia artificial en la evaluación psicológica infantil promete transformar significativamente las prácticas actuales, proporcionando una plataforma más robusta y precisa.