Estos algoritmos distinguen las especies de parásitos más comunes en África y el sudeste asiático, utilizando la cámara de un teléfono móvil conectado a un microscopio óptico con un adaptador impreso en 3D
La filariasis es una enfermedad infecciosa tropical común y afecta a más de 1 billón de personas a nivel mundial. Dependiendo del parásito, causa linfedema, elefantiasis, picazón y ceguera -conocida como la ceguera de los ríos-. Para eliminar la filariasis como un problema de salud pública, se realiza la administración masiva de medicamentos a todas las personas que viven en zonas endémicas. El diagnóstico de esta enfermedad se realiza mediante el examen microscópico de un frotis de sangre por un experto humano, lo cual es laborioso y los expertos no siempre están disponibles.
En el marco de la investigación de esta enfermedad, 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 del CIBER de Bioingeniería, Biomateriales y Nanomedicina (CIBER-BBN) y Enfermedades Infecciosas (CIBERINFEC) han desarrollado algoritmos de Inteligencia Artificial (IA) para detectar microfilarias en sangre, las larvas infecciosas que pueden transmitir la filariasis.
Estos 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 impreso en 3D.
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, CIBER-BBN).
Además, el equipo ha 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 tiene un potencial enorme para apoyar el diagnóstico y monitorización de las filariasis, especialmente en contextos con recursos limitados, donde el acceso a técnicos especializados y equipos de laboratorio es escaso. La tecnología, alineada con el perfil de producto objetivo para la filariasis linfática definido por la Organización Mundial de la Salud (OMS), marca un cambio de paradigma en la lucha contra una enfermedad que afecta a más de un billón de personas en todo el mundo.
Referencia bibliográfica: Referencia: Lin L, Dacal E, Díez N, Carmona C, Martin Ramirez A, Barón Argos L, Bermejo-Peláez D, Caballero C, Cuadrado D, Darias-Plasencia O, García-Villena J, Bakardjiev A, Postigo M, Recalde-Jaramillo E, Flores-Chavez M, Santos A, Ledesma-Carbayo MJ, Rubio JM, Luengo-Oroz M. (2024). Edge Artificial Intelligence (AI) for real-time automatic quantification of filariasis in mobile microscopy. PLoS Neglected Tropical Diseases, 18(4):e0012117. doi: 10.1371/journal.pntd.0012117
Fotografía de portada: Sistema de microscopio inteligente y Algoritmo de detección y clasificación de microfilarias. / Spotlab.
