Sistema para la Evaluación Automatizada del Test del Dibujo 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. A menudo no se detectan adecuadamente en etapas tempranas, lo que limita las intervenciones oportunas cruciales para el desarrollo y bienestar de los infantes. 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 un 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. La hipótesis planteada es que la herramienta desarrollada permitirá identificar los indicadores gráficos del DFH con una precisión de más de 90%, reduciendo el tiempo de evaluación de 10 minutos a menos de 30 segundos. La metodología parte de la recolección de más de 1,000 dibujos a partir de la aplicación del DFH en la población objetivo, siguiendo con su tratamiento y etiquetado para convertirlos en datos de entrenamiento de un modelo de aprendizaje automático. Como parte de los resultados, se desarrolló un modelo de visión computacional, capaz de detectar hasta 24 indicadores gráficos en un dibujo de la figura humana en menos de 1 segundo. Los hallazgos principales del estudio revelan una reducción del tiempo de la tarea de evaluación de un DFH en un 99.83% y un mean Average Precision (mAP50) de 92.8, una precisión (P) de 0.912 y una sensibilidad (R) de 0.902, destacando la efectividad del modelo en la identificación correcta de los elementos clave en los dibujos. El sistema completo ofrece una aplicación web dedicada a la evaluación de los dibujos, facilitando así la interacción del usuario con el modelo propuesto. El sistema integra tecnologías como Python, PyTorch y YOLO para el procesamiento y análisis de los dibujos, y Vue.js, C#y SQL Server para el desarrollo de la aplicación web. 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 en niños, mejorando no solo la eficiencia y la objetividad en la evaluación de DFH, sino también abriendo nuevas posibilidades para abordar desafíos en la salud mental infantil.