El uso cada vez mayor de la inteligencia artificial (IA) en diversos campos ha aumentado la necesidad de disponer de una gran cantidad de datos. Se requiere un dispositivo con la potencia computacional adecuada para gestionar los datos y producir un resultado con una alta velocidad de procesamiento y una precisión satisfactoria. Mientras tanto, el uso de varios dispositivos de sistemas integrados para redes neuronales (NN) se ve limitado por la baja capacidad del procesador y la memoria. Se han desarrollado varios dispositivos de sistemas integrados con capacidades de procesador mejoradas para el procesamiento de datos de NN. Este estudio analizó las capacidades de un dispositivo de sistema integrado para NN en aplicaciones sanitarias, concretamente, la detección de imágenes de rayos X de pacientes con neumonía utilizando una red neuronal convolucional (CNN). Se han empleado arquitecturas CNN 2D con diversos parámetros, entre ellos la profundidad de color, las capas, los filtros, los núcleos y la cuantificación. El resultado se expresó en términos de precisión, tiempo de inferencia y consumo de RAM y Flash. Los resultados mostraron una asociación positiva significativa entre todas las métricas de salida y el número de filtros. Sin embargo, en algunas situaciones, la utilización de RAM y Flash del sistema integrado excede su capacidad, lo que lo hace inutilizable. Esto indica que el tiempo de inferencia y la memoria se ven influidos por el número de capas, filtros y cuantificación.