Se compara la microscopía automatizada para el diagnóstico rutinario de la malaria
Por el equipo editorial de LabMedica en español Actualizado el 17 Oct 2018 |
Imagen: El Autoscope utiliza un software de aprendizaje profundo para cuantificar los parásitos de la malaria en una muestra (Fotografía cortesía de Intellectual Ventures).
El examen microscópico de los frotis de sangre coloreados con Giemsa sigue siendo una forma importante de diagnóstico en el manejo de casos de malaria. Sin embargo, al igual que con otros diagnósticos basados en visualización, la exactitud depende del desempeño del técnico individual, lo que dificulta la estandarización y la confiabilidad.
El reconocimiento automático de imágenes basado en el aprendizaje automático, utilizando redes neuronales convolucionales, ofrece un potencial para superar estos inconvenientes. La aplicación del reconocimiento de imágenes digitales a la microscopía de la malaria, utilizando algoritmos de inteligencia artificial para reemplazar o complementar el factor humano en la interpretación de los frotis de sangre, ha sido intentado, generalmente en frotis delgados.
Un equipo de científicos que colaboran con Intellectual Ventures (Bellevue, WA, EUA) realizó un ensayo observacional transversal en dos instituciones de salud primaria periféricas en Perú. Inscribieron a 700 participantes cuya edad variaba entre 5 y 75 años, y tenían antecedentes de fiebre en los últimos tres días o temperatura elevada al momento del ingreso. Se tomó una muestra de sangre mediante punción digital para hacer frotis de sangre para el diagnóstico de microscopía y se colocaron gotas adicionales de sangre en un papel de filtro para el análisis cuantitativo posterior usando la reacción en cadena de la polimerasa cuantitativa (qPCR). Un prototipo del microscopio digital que emplea un algoritmo basado en el aprendizaje automático, el Autoscope, fue evaluado por su potencial en la microscopía de la malaria.
Los investigadores informaron que en una clínica, la sensibilidad del Autoscope para diagnosticar la malaria fue del 72% y la especificidad fue del 85%. El desempeño de la microscopía fue similar al Autoscope, con una sensibilidad del 68% y una especificidad del 100%. En una clínica, el 85% de las láminas preparadas tenían un mínimo de imágenes de 600 glóbulos blancos (WBC), por lo que cumplían con las condiciones de diseño del Autoscope. En la segunda clínica, la sensibilidad del Autoscope fue del 52% y la especificidad del 70%. El desempeño de la microscopía en esta segunda clínica fue del 42% y la especificidad fue del 97%. Solo el 39% de las láminas de esta clínica cumplieron con los supuestos de diseño de Autoscope respecto a la preparación de las láminas para obtener imágenes de los WBC.
Los autores concluyeron que el desempeño diagnóstico del Autoscope estaba a la par de la microscopía de rutina cuando las láminas tenían un volumen de sangre adecuado para cumplir con los supuestos de diseño, como lo representan los resultados de una clínica. El desempeño diagnóstico del Autoscope fue inferior al de la microscopía de rutina en las láminas de la otra clínica debido a que generó láminas con volúmenes más bajos de sangre. El estudio fue publicado el 25 de septiembre de 2018 en la revista Malaria Journal.
Enlace relacionado:
Intellectual Ventures
El reconocimiento automático de imágenes basado en el aprendizaje automático, utilizando redes neuronales convolucionales, ofrece un potencial para superar estos inconvenientes. La aplicación del reconocimiento de imágenes digitales a la microscopía de la malaria, utilizando algoritmos de inteligencia artificial para reemplazar o complementar el factor humano en la interpretación de los frotis de sangre, ha sido intentado, generalmente en frotis delgados.
Un equipo de científicos que colaboran con Intellectual Ventures (Bellevue, WA, EUA) realizó un ensayo observacional transversal en dos instituciones de salud primaria periféricas en Perú. Inscribieron a 700 participantes cuya edad variaba entre 5 y 75 años, y tenían antecedentes de fiebre en los últimos tres días o temperatura elevada al momento del ingreso. Se tomó una muestra de sangre mediante punción digital para hacer frotis de sangre para el diagnóstico de microscopía y se colocaron gotas adicionales de sangre en un papel de filtro para el análisis cuantitativo posterior usando la reacción en cadena de la polimerasa cuantitativa (qPCR). Un prototipo del microscopio digital que emplea un algoritmo basado en el aprendizaje automático, el Autoscope, fue evaluado por su potencial en la microscopía de la malaria.
Los investigadores informaron que en una clínica, la sensibilidad del Autoscope para diagnosticar la malaria fue del 72% y la especificidad fue del 85%. El desempeño de la microscopía fue similar al Autoscope, con una sensibilidad del 68% y una especificidad del 100%. En una clínica, el 85% de las láminas preparadas tenían un mínimo de imágenes de 600 glóbulos blancos (WBC), por lo que cumplían con las condiciones de diseño del Autoscope. En la segunda clínica, la sensibilidad del Autoscope fue del 52% y la especificidad del 70%. El desempeño de la microscopía en esta segunda clínica fue del 42% y la especificidad fue del 97%. Solo el 39% de las láminas de esta clínica cumplieron con los supuestos de diseño de Autoscope respecto a la preparación de las láminas para obtener imágenes de los WBC.
Los autores concluyeron que el desempeño diagnóstico del Autoscope estaba a la par de la microscopía de rutina cuando las láminas tenían un volumen de sangre adecuado para cumplir con los supuestos de diseño, como lo representan los resultados de una clínica. El desempeño diagnóstico del Autoscope fue inferior al de la microscopía de rutina en las láminas de la otra clínica debido a que generó láminas con volúmenes más bajos de sangre. El estudio fue publicado el 25 de septiembre de 2018 en la revista Malaria Journal.
Enlace relacionado:
Intellectual Ventures
Últimas Tecnología noticias
- Biosensor de ADN permite diagnóstico temprano del cáncer de cuello uterino
- Dispositivos de microfluidos autocalentables pueden detectar enfermedades en pequeñas muestras de sangre o fluidos
- Avance en tecnología de diagnóstico podría hacer que pruebas en el sitio sean ampliamente accesibles
- Primera tecnología de su tipo para detectar glucosa en saliva humana
- Dispositivo electroquímico identifica personas con mayor riesgo de osteoporosis mediante una sola gota de sangre
- Nueva prueba no invasiva detecta infección por malaria sin muestra de sangre
- Dispositivos de detección optofluídicos portátiles podrían realizar simultáneamente una variedad de pruebas médicas
- Solución de software para punto de atención ayuda a manejar escenarios de pruebas POC dispares en ubicaciones de prueba de pacientes
- Biosensor electrónico detecta biomarcadores en muestras de sangre completa sin agregar reactivos
- Prueba innovadora detecta marcadores biológicos relacionados con una variedad mayor de cánceres
- Kit de detección rápida POC determina la salud intestinal a partir de muestras de suero sanguíneo y heces
- Dispositivo convierte teléfono inteligente en microscopio de fluorescencia por solo 50 dólares
- Lector de tubos portátil habilitado para Wi-Fi diseñado para una fácil portabilidad
- Novedosa plataforma de pruebas de diagnóstico asegura el tiempo de respuesta a situaciones de pandemia emergentes
- Transistor revolucionario podría permitir dispositivos portátiles para medir el sodio y el potasio en la sangre
- Sensor portátil de bajo costo detecta metales pesados en el sudor