NeuroMedX: Aplicación móvil para el monitoreo médico personalizado
DOI:
https://doi.org/10.29057/icbi.v14iEspecial2.16697Palabras clave:
Inteligencia Artificial, Redes neuronales, aplicación médica, telemedicina, monitoreo, firebaseResumen
El presente artículo expone el desarrollo de NeuroMedx, una aplicación móvil que incorpora técnicas de inteligencia artificial con el propósito de optimizar la gestión y el seguimiento de la salud personal, al tiempo que facilita la comunicación entre médicos y pacientes. La aplicación permite el registro local de signos vitales y sincroniza automáticamente la información con una plataforma web para su verificación. Se implementaron dos redes neuronales independientes de tipo Multilayer Perceptron (MLP): la primera destinada a la clasificación de 14 enfermedades y la segunda al reconocimiento de 23 medicamentos mediante el uso de tokens. El modelo de enfermedades alcanzó una precisión del 91% con una pérdida de 0.1557 tras 400 épocas de entrenamiento, mientras que el modelo de medicamentos obtuvo una precisión del 89.86% con una pérdida de 0.249. Ambos modelos fueron integrados en dispositivos móviles mediante TensorFlow Lite, mostrando estabilidad operativa y una tasa de error semántico aproximada del 12%, atribuida a la complejidad de los datos locales. Los resultados preliminares evidencian la existencia de una base de datos sólida y un sistema técnicamente viable, con un potencial significativo para fortalecer la telemedicina y el monitoreo preventivo en tiempo real.
Descargas
Citas
Alom, M. Z. (2025). An explainable AI-based deep neural network for accurate breast cancer detection from histopathological and ultrasound images. Scientific Reports, 15(1), 5–35. doi:10.1038/s41598-025-12345-x
American Medical Association. (2025, octubre 21). Retrieved from AMA: https://www.ama-assn.org/practice-management/digital-health/augmented-intelligence-medicine
Aracena, R. (2022). Inteligencia artificial en salud: Oportunidades y desafíos para la medicina actual. Revista Médica Clínica Las Condes, 33(5), 450–458. doi:10.1016/j.rmclc.2022.08.001
Association, A. M. (2025, octubre 21). Augmented intelligence in medicine. Retrieved from AMA: https://www.ama-assn.org/practice-management/digital-health/augmented-intelligence-medicine
BrowserStack. (2025, marzo 4). Understanding Flutter's Hot Reload: Enhancing developer experience in cross-platform development. Retrieved from https://www.browserstack.com/guide/flutter-hot-reload
BrowserStack. (2025, marzo 4). What is Flutter. Retrieved from BrowserStack: https://www.browserstack.com/guide/what-is-flutter
Cortes, V. (2020). Digital health platforms for patient care. Retrieved from Chetu: https://www.chetu.com/es/blogs/healthcare/digital-health-platforms-for-patient-care.php
DiriCloud. (2025). Plataforma médica digital para la gestión y monitoreo de la salud. Retrieved from DriCloud: https://dricloud.com/plataforma-medica/
Esteva, A., Kuprel, B., Novoa, R. A., Ko, J., Swetter, S. M., Blau, H. M., & Thrun, S. (2021). Dermatologist-level classification of skin cancer with deep neural networks. Nature, 542, 115–118. doi:10.1038/nature21056
Firebase. (2025a, noviembre 06). Firebase platform overview. Retrieved from Firebase: https://firebase.google.com/?hl=es-419
Firebase. (2025b, octubre). Firebase platform overview. Retrieved from Firebase: https://firebase.google.com/
Flutter. (2024). Google. Retrieved from Flutter: Build apps for any screen: https://flutter.dev/
Google. (2025). LiteRT: AI for edge devices. Retrieved from Google AI: https://ai.google.dev/edge/litert
Jalife, M. (2024, abril 29). Ética y regulación de la inteligencia artificial en la medicina contemporánea. Ciudad de México, México: Editorial Médica Panamericana. Retrieved from Centro Médico Digital: https://centromexico.digital/inteligencia-artificial-en-la-salud-riesgos-y-ventajas/
Lane, N. (2015). Can deep learning revolutionize mobile sensing. Proceedings of the 16th International Workshop on Mobile Computing Systems and Applications (HotMobile ’15), 117–122.
Mayer-Schönberger, V., & Cukier, K. (2013, enero). Big Data: A revolution that will transform how we live, work, and think. Boston, MA, Estados Unidos: Houghton Mifflin Harcourt. doi:978-0544002692
Microsoft. (2025). Visual Studio Code documentation. Retrieved from Microsoft: https://code.visualstudio.com/docs
Organización Panamericana de la Salud. (2022). Sistemas de información para la salud. (OPS/OMS, Ed.). Retrieved from Organización Panamericana de la Salud: https://www.paho.org/es/temas/sistemas-informacion-para-salud
World Health Organization. (2021, agosto 18). Global strategy on digital health 2020–2025. Retrieved from World Health Organization: https://www.who.int/publications/i/item/9789240020924
Rootstack. (2025). Node.js vs React: crear sitio web. (Rootstack, Ed.). Retrieved from Rootstack: https://rootstack.com/es/blog/nodejs-vs-react-crear-sitio-web
SaludByDiaz. (2025, marzo 7). Monitorización y diagnóstico de la salud mediante métodos de deep learning. Retrieved from Gestión y economía de la salud: https://saludbydiaz.com/2025/03/07/monitorizacion-y-diagnostico-de-la-salud-mediante-metodos-de-deep-learning/
Shaik, T. (2023, enero 5). Retrieved from WIREs: https://wires-onlinelibrary-wiley-com.translate.goog/doi/10.1002/widm.1485
TensorFlow. (2024). Model optimization toolkit. Retrieved from TensorFlow: https://www.tensorflow.org/model_optimization?hl=es
Topol, E. J. (2021, enero 7). High-performance medicine: The convergence of human and artificial intelligence. Nature Medicine, 1–5.
World Health Organization. (2021, agosto 18). Global strategy on digital health 2020–2025. World Health Organization, Ginebra, Suiza. doi:978-92-4-002092-4
Descargas
Publicado
Cómo citar
Número
Sección
Licencia
Derechos de autor 2026 Maria, Alexander, Jocelyn

Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial-SinDerivadas 4.0.










