Sistema automatizado de identificación de patógenos para laboratorios de microbiología de la UNEFM

Resumen

El presente trabajo investigativo, propone el desarrollo de un sistema automatizado de identificación de patógenos para los laboratorios de microbiología de la UNEFM, integrando visión por computadora con el módulo ESP32-CAM, redes neuronales convolucionales entrenadas con muestras locales y una plataforma web alojada en un ESP32. Su objetivo principal es optimizar el diagnóstico microbiológico, reduciendo el tiempo de respuesta de más de 72 horas a menos de 5 minutos, minimizando errores humanos y garantizando la trazabilidad clínica mediante una base de datos local y generación de reportes PDF. La metodología comprendió un diagnóstico situacional, estudios de factibilidad técnica, operativa y económica, y el prototipado con hardware de bajo costo y software basado en inteligencia artificial. Los resultados obtenidos demuestran una precisión global del 93.8 % en la clasificación de seis clases de patógenos, un tiempo de inferencia promedio de 3.3 segundos, y una interfaz web funcional que permite el registro de pacientes, consulta de historiales y generación de reportes clínicos. Se ejecutaron pruebas de hardware y comunicación, precisión del modelo CNN, funcionalidades de la interfaz web y gestión de datos, comprobando la factibilidad técnica y operativa del sistema. Se concluye que el prototipo constituye una alternativa accesible, precisa y trazable para la identificación de patógenos en laboratorios públicos venezolanos.