FeliniAI — Detector de Alergias Felinas

Python MobileNetV2 XGBoost SHAP Optuna Groq LLaMA FastAPI PyTorch Roboflow Transfer Learning Veterinaria IA
FeliniAI — Detector de Alergias Felinas

FeliniAI — El diagnóstico diferencial que tu veterinario necesita antes de la visita

Las alergias felinas afectan al 15-30% de los gatos domésticos y son la principal causa de visitas dermatológicas veterinarias. El problema: distinguir entre los 4 tipos de alergia (pulgas, alimentaria, ambiental, contacto) requiere semanas de pruebas diagnósticas y múltiples visitas. FeliniAI comprime ese proceso en un análisis de 10 segundos que el dueño puede hacer antes de llamar al veterinario.

Triple Pipeline de Diagnóstico

  • Módulo Visual (MobileNetV2): detecta síntomas cutáneos en fotografías — alopecia, dermatitis miliar, placas eosinofílicas, parásitos externos. Fine-tuning sobre ~20.000 imágenes felinas aumentadas. CPU-viable: 2-4h de entrenamiento.
  • Módulo Clínico (XGBoost + ICADA): 33 features codificando los 10 criterios oficiales de la International Committee on Allergic Diseases of Animals, síntomas primarios con escala de intensidad 1-5, localización de lesiones multi-label, historial veterinario. F1 macro 0.97 en CV 5-fold.
  • Fusion Layer (Weighted Average): combina confianza visual (45%) con probabilidad clínica (55%). El módulo visual refuerza la señal cuando detecta parasitos_externos con alta confianza → aumenta peso de alergia_pulgas.
  • LLM (Groq + LLaMA 3.3 70B): genera recomendación de tratamiento contextualizada: manejo inmediato, cambios de entorno/dieta, señales de alarma y preguntas clave para el veterinario.

Fundamento Científico

El módulo clínico implementa los criterios ICADA (International Committee on Allergic Diseases of Animals), el estándar diagnóstico oficial para el Feline Atopic Skin Syndrome (FASS). Con 6 criterios cumplidos: 90% sensibilidad, 83% especificidad según literatura PMC/NIH. El dataset sintético de 8.000 casos replica distribuciones documentadas en PubMed y Today's Veterinary Practice.

Diferenciación Competitiva

Ninguna herramienta pública combina análisis de imagen, clasificación de tipo de alergia por síntomas Y recomendación de tratamiento en un solo flujo gratuito y explicable. PetDesk y VetAI son B2B/clínicas. Basepaws cuesta 89€ y solo hace genética. FeliniAI es el único sistema con acceso abierto y diagnóstico diferencial completo.

Stack Técnico

Python · FastAPI · MobileNetV2 (PyTorch) · XGBoost · SHAP · Optuna · Groq · LLaMA 3.3 70B · Roboflow · HuggingFace Datasets

Resultados

0.9675
F1 Macro XGBoost
CV 5-fold, 8.000 casos
93.4%
Accuracy Visual
MobileNetV2, 39.980 imgs
4
Tipos de alergia
pulgas · alimentaria · ambiental · contacto
33
Features clínicos
10 criterios ICADA oficiales
<1s
Tiempo inferencia
CPU-only, sin GPU
8.000
Casos de entrenamiento
Dataset sintético ICADA

Funcionalidades implementadas

  • 🔬 Triple pipeline único. Visión computacional + síntomas clínicos + LLM en un solo flujo. Ninguna herramienta pública ofrece este nivel de integración.
  • 📋 Criterios ICADA oficiales. Los 10 criterios del estándar internacional para FASS codificados como features ML. Base científica validada (PMC/NIH).
  • 🧠 Explicabilidad SHAP. Waterfall plots muestran exactamente qué síntomas determinaron el diagnóstico. Transparencia total del modelo.
  • ⚕️ Diseño responsable. Disclaimer veterinario integrado en cada respuesta. El sistema orienta, no diagnostica. Acceso gratuito y abierto.
  • 💻 CPU-only, sin GPU. Desplegable en cualquier VPS estándar. MobileNetV2 + XGBoost: inferencia <1s sin hardware especializado.
Try Live Demo View Code
🤖 Asistente Virtual