La IA revoluciona el diagnóstico de filariasis detectando microfilarias en la sangre

Un equipo de investigadores ha creado algoritmos de inteligencia artificial (IA) capaces de detectar microfilarias en la sangre, las larvas infecciosas responsables de transmitir la filariasis, una enfermedad tropical infecciosa común.

La filariasis es una enfermedad infecciosa tropical común que afecta a más de mil millones de personas en todo el mundo. Dependiendo del parásito, puede causar linfedema, elefantiasis, picazón y ceguera, conocida como ceguera de los ríos. Para erradicar la filariasis como un problema de salud pública, se lleva a cabo la administración masiva de medicamentos a todas las personas que viven en áreas endémicas.

Los desafíos en el diagnóstico de la filariasis

El diagnóstico de la filariasis se lleva a cabo a través del examen microscópico de un frotis de sangre realizado por un experto humano. Este proceso es meticuloso y requiere mucho tiempo, ya que implica la identificación precisa de microfilarias en la muestra de sangre. Además, la disponibilidad de expertos calificados para realizar este análisis no siempre está garantizada, lo que puede retrasar el diagnóstico y el tratamiento oportuno de la enfermedad.

El grupo de investigadores está compuesto por miembros de Spotlab, del Centro Nacional de Microbiología del Instituto de Salud Carlos III (ISCIII), de la Universidad Politécnica de Madrid (UPM) y de diversas áreas especializadas del CIBER-ISCIII. Estas áreas incluyen la Bioingeniería, los Biomateriales y la Nanomedicina (CIBERBBN), así como las Enfermedades Infecciosas (CIBERINFEC).

Los algoritmos de IA para identificar las especies de parásitos en África

Estos algoritmos tienen la capacidad de diferenciar entre las especies de parásitos más comunes tanto en África como en el sudeste asiático. En África, identifican especies como Loa loa, Mansonella perstans y Wuchereria bancrofti, mientras que en el sudeste asiático son capaces de reconocer parásitos del género Brugia. Para realizar esta identificación, se utiliza la cámara de un teléfono móvil que está conectado a un microscopio óptico mediante un adaptador especial que ha sido fabricado utilizando tecnología de impresión 3D.

Para desarrollar este sistema, los investigadores han utilizado 115 casos clínicos como base de datos. Posteriormente, han validado el sistema en un entorno clínico en el Centro Nacional de Microbiología del Instituto de Salud Carlos III (CNM-ISCIII). El sistema ha demostrado tener una precisión de aproximadamente el 95 por ciento.

Los avances de las aplicaciones móviles para conseguir diagnósticos

Los hallazgos de esta investigación se han publicado recientemente en la revista 'Plos Neglected Tropical Diseases'. Los autores principales del estudio son Lin Lin, una ingeniera especializada en inteligencia artificial, y Elena Dacal, integrante del equipo clínico. Ambas han trabajado bajo la supervisión de los investigadores principales Miguel Ángel Luengo de Spotlab, José Miguel Rubio del CNM-ISCIII y CIBERINFEC, y María Jesús Ledesma de la UPM y CIBERBBN.

Además, los investigadores han desarrollado una aplicación móvil llamada HuggingSpot, disponible en 'Google App Store', que permite a la comunidad científica descargar y probar los modelos de IA.

Según los autores, esta innovación tiene "un potencial enorme" para apoyar el diagnóstico y la monitorización de la filariasis, especialmente en "contextos con recursos limitados" donde el acceso a técnicos especializados y equipos de laboratorio es escaso.

La investigación de filariasis ha sido respaldada por la Unión Europea a través del programa H2020, los fondos NextGenerationEU, la Fundación Bill y Melinda Gates, el programa predoctoral industrial de la Comunidad de Madrid, y el Ministerio de Ciencia, Innovación y Universidades.