RadIA

• 

  Main

• 

  Example

Inspiration

RadIA surge como una propuesta tecnológica orientada a mejorar la precisión y eficiencia del análisis radiológico mediante el uso de inteligencia artificial explicable. El sistema permite a los profesionales de la salud visualizar radiografías junto con análisis asistidos, resaltando zonas de interés (heatmaps) y proporcionando explicaciones clínicas orientativas.

What it does

Nuestra solución alivia directamente los problemas estructurales del sistema de salud pública actual, caracterizado por un incremento masivo en la demanda de estudios de imagen emparejado con una preocupante escasez de radiólogos especializados. Al mitigar factores humanos inevitables como la fatiga, los sesgos cognitivos y el agotamiento visual, el proyecto: • Reduce los retrasos en las interpretaciones radiológicas • Evita consecuencias graves que ponen en riesgo la vida humana • Democratiza una atención médica de alta precisión • Apoya a médicos con carga asistencial excesiva

How we built it

El asistente conversacional está integrado como widget flotante accesible desde cualquier pantalla. Opera bajo una lógica altamente estructurada que evita la conversación casual y optimiza el flujo médico: • Conectado a la API de Microsft Copilot (Compilación oficial) (64 bits) con system prompt clínico especializado • Mantiene historial de conversación por usuario en localStorage • Responde en formato estructurado: Observación → Interpretación → Recomendación • Incluye fallback local para garantizar funcionalidad sin conexión • Sistema de filtrado: ante mensajes incoherentes responde: "Consulta no válida. Describe hallazgos clínicos o dudas radiológicas."

Challenges we ran into

• Facilitar la visualización de anomalías mediante mapas de calor (heatmaps) sobre la imagen radiológica. • Generar explicaciones clínicas estructuradas mediante modelos de lenguaje (LLM) con prompt engineering especializado. • Diseñar una interfaz intuitiva y centrada en el flujo médico real: subir → analizar → revisar → documentar. • Simular escenarios clínicos realistas usando el dataset NIH Chest X-ray para fines de demostración. • Garantizar el uso ético de la IA mediante restricciones en la generación de respuestas y lenguaje probabilístico. • Implementar un sistema de revisión donde el médico puede validar o marcar cada estudio.

Accomplishments that we're proud of

Desarrollar una plataforma web que asista a médicos en la interpretación de radiografías de tórax mediante inteligencia artificial explicable, sin sustituir el juicio clínico profesional.

What we learned

Se desarrolló un sistema funcional monolítico basado en HTML, CSS y JavaScript, sin depender de backend complejo. Esta decisión permitió rapidez de desarrollo, facilidad de despliegue y demostración inmediata en cualquier entorno.

What's next for RadIA

• Integración con Azure OpenAI GPT-4o Vision para análisis real de imagen • Backend Node.js + MongoDB para persistencia en producción • Modelo de visión computacional propio entrenado sobre NIH Chest X-ray • Módulo DICOM para compatibilidad hospitalaria nativa

Built With

• css3
• html5
• javascript