Sistema de diagnóstico con IA identifica parásitos de malaria en imágenes de frotis de sangre
Actualizado el 15 May 2025
El diagnóstico de la malaria se ha realizado tradicionalmente de forma manual mediante examen microscópico, un proceso que no solo requiere mucho tiempo, sino que también depende en gran medida de la experiencia y la precisión de los profesionales sanitarios. Factores como la fatiga, la escasez de profesionales cualificados y la apariencia variable del parásito en las distintas etapas de la vida suelen dificultar la precisión del diagnóstico. La aplicación de la inteligencia artificial (IA) en la atención sanitaria continúa expandiéndose, incluyendo su potencial para ayudar a diagnosticar enfermedades tropicales como la malaria, que sigue siendo una amenaza sanitaria importante en varias regiones del mundo.
Investigadores de la Agencia Nacional de Investigación e Innovación (BRIN, Yakarta, Indonesia) han desarrollado una herramienta de diagnóstico basada en IA para ayudar al personal sanitario a identificar los parásitos de la malaria. Este sistema analiza imágenes microscópicas de frotis sanguíneos finos y gruesos para detectar signos de infección. Para desarrollar esta herramienta, los investigadores utilizaron un conjunto de datos de 1.388 microfotografías de frotis sanguíneos recogidas en zonas endémicas de malaria en Indonesia. El conjunto de datos incluye varios tipos de parásitos de la malaria, como Plasmodium falciparum, P. vivax, P. malariae y P. ovale, junto con un caso de infección mixta y una muestra negativa.
Las primeras pruebas del sistema de diagnóstico basado en IA han arrojado resultados prometedores. El sistema se probó utilizando 35 micrografías de casos reales en zonas endémicas de malaria en Indonesia, que abarcan 3.362 células. La herramienta de IA demostró una gran capacidad para identificar parásitos de la malaria, con una sensibilidad del 84,37 % al distinguir entre células sanas e infectadas. El sistema alcanzó una precisión (puntuación F1) del 80,60 % y un valor predictivo positivo (VPP) del 77,14 % al identificar correctamente las especies de parásitos y sus estadios. Estos resultados sugieren que el sistema es altamente fiable para distinguir células sanguíneas infectadas de las sanas. Este sistema de diagnóstico también está diseñado para facilitar los análisis de sangre masivos sobre el terreno, donde un solo frotis puede requerir la observación de 500 a 1.000 eritrocitos o 200 leucocitos. La IA puede acelerar este proceso manteniendo la precisión.
Además de mejorar la eficiencia, este sistema también abre la posibilidad del diagnóstico remoto, lo que lo hace especialmente relevante para su uso en zonas desatendidas. Además, el sistema conserva el conocimiento y la experiencia microscópicos, lo que ayuda al personal sanitario con formación limitada. Los investigadores destacan la importancia de abordar factores como las características de los conjuntos de datos, la calidad de los datos, la selección de modelos y los métodos adecuados de evaluación del rendimiento en el desarrollo de la IA para aplicaciones biomédicas. La IA por sí sola no puede funcionar eficazmente; la colaboración entre expertos en informática e investigadores biomédicos es crucial para garantizar la fiabilidad de estas tecnologías. Con el potencial de mejorar significativamente la precisión diagnóstica y la prestación de servicios de salud en zonas endémicas de malaria, los investigadores se muestran optimistas de que la IA se convertirá en un aliado valioso en los esfuerzos nacionales de control de la malaria. El equipo se compromete a seguir perfeccionando el sistema mediante una amplia investigación colaborativa y ensayos de campo.
Enlaces relacionados:
BRIN
