Diagnostican enfermedades tropicales con un móvil y una IA
Un algoritmo permite agilizar el cribado y el equipo es asequible para zonas con pocos recursos o sin personal especializado
REDACCIÓN
El cambio climático y la globalización provocan que enfermedades endémicas de regiones de sur del planeta acaben impactando en poblaciones del norte.
A algunos les sonará la filariasis canina que ataca al corazón de algunas mascotas. Pero lo cierto es que la filariasis afecta a miles de personas en todo el mundo. Es una enfermedad infecciosa tropical común.
Según sea el parásito, puede causar linfedema, elefantiasis, picazón o la conocida como ceguera de los ríos. El diagnóstico a través de una muestra de sangre resulta muy laborioso pues hay que dedicarle bastante tiempo de observación al microscopio.
ALGORITMOS CONTRA FILARIAS
Pero ahora investigadores de Spotlab, del Centro Nacional de Microbiología del Instituto de Salud Carlos III (ISCIII), de la Universidad Politécnica de Madrid (UPM) y las Áreas de Bioingeniería, Biomateriales y Nanomedicina (CIBERBBN) y Enfermedades Infecciosas (CIBERINFEC) del CIBER-ISCIII han desarrollado algoritmos de Inteligencia Artificial (IA) para detectar microfilarias en sangre, las larvas infecciosas que pueden transmitir la filariasis.
Los algoritmos distinguen las especies de parásitos más comunes en África (Loa loa, Mansonella perstans y Wuchereria bancrofti) y el sudeste asiático (Brugia spp), utilizando la cámara de un teléfono móvil conectado a un microscopio óptico con un adaptador.
Para crear este sistema, los investigadores han usado 115 casos clínicos y han validado el sistema en un entorno clínico en el CNM-ISCIII. El sistema tiene una precisión de entorno al 95%.
Los resultados de la investigación acaban de ser publicados en la revista Plos Neglected Tropical Diseases y los autores principales del trabajo son Lin Lin, ingeniera especialista en inteligencia artificial y Elena Dacal que trabaja en el equipo clínico, ambas bajo la supervisión de los investigadores principales Miguel Ángel Luengo (Spotlab), José Miguel Rubio (CNM-ISCIII, CIBERINFEC) y María Jesús Ledesma (UPM, CIBERBBN).
Además, los investigadores han creado una aplicación móvil llamada HuggingSpot, que está disponible en Google App Store y permite a la comunidad científica descargar los modelos de IA y probarlos.
Esta innovación, explican, tiene un potencial enorme para apoyar el diagnóstico y monitorización de las filariasis, especialmente en zonas con recursos limitados, donde el acceso a técnicos especializados y equipos de laboratorio es escaso.