Desarrollo de un sistema de diagnóstico automatizado por la malaria y la esquistosomiasis urogenital utilizando herramientas de inteligencia artificial y un microscopio robotizado universal de bajo coste

La malaria es una de las enfermedades infecciosas más prevalentes en el África subsahariana, con 263 millones de casos reportados en todo el mundo durante el 2023 según la Organización Mundial de la Salud (OMS). La esquistosomiasis es catalogada por la OMS como enfermedad tropical desatendida, con más de 253 millones de personas en riesgo de infección. La microscopía sigue siendo la técnica gold standard para el diagnóstico de ambas enfermedades. Sin embargo, se trata de un método profesional dependiente con un alto nivel de implicación en la rutina diaria de los laboratorios. Como alternativa, se están desarrollando nuevas técnicas de diagnóstico basadas en el análisis de imágenes con herramientas de Inteligencia Artificial (IA).

La Inteligencia Artificial es una de las tecnologías en desarrollo más disruptivas durante el presente siglo, que ha impulsado y mejorado los métodos tradicionales de análisis de imágenes. El aprendizaje profundo y el uso de redes neuronales convolucionales (XNC) para la detección de objetos en imágenes y vídeos podría ser una alternativa adecuada al diagnóstico convencional por microscopía.

Los algoritmos de diagnóstico se integraron en una aplicación por teléfonos inteligentes y un software de laboratorio diseñado por su manejo en ordenador. El sistema es capaz de realizar un diagnóstico totalmente automatizado mediante: el autoenfoque de la imagen y los movimientos en los ejes X-Y del microscopio robotizado, los modelos de XNC entrenados para el análisis de imágenes digitales y el smartphone. El nuevo prototipo es capaz de determinar si una muestra de gota gruesa teñida con Giemsa es positiva/negativa para la infección de Plasmodium, y sus niveles de parasitemia; detectar la presencia de huevos de S. haematobium y de eritrocitos/leucocitos en imágenes de sedimentos urinarios. Los resultados obtenidos en la validación del Centro Drassanes Vall d'Hebron demostraron una sensibilidad del 81.25% y una especificidad del 92.11% por el diagnóstico de la malaria. Por otra parte, se ha realizado una prueba de concepto en el Hospital Nossa Senhora da Paz (Cubal, Angola) por el diagnóstico de la malaria, demostrando resultados satisfactorios para la implementación del sistema en laboratorios con pocos recursos.