Un grupo de investigadores de la UPM, la compañía Spotlab, el Centro Nacional de Microbiología del Instituto de Salud Carlos III y el Centro de Investigación Biomédica en Red crearon hace menos de un año un algoritmo de inteligencia artificial para el diagnóstico de filariasis usando un teléfono móvil acoplado a un microscopio.
¿Qué es?
Para quién lo desconozca, la filariasis es una enfermedad infecciosa tropical común y afecta a más de 1 billón de personas a nivel mundial. En función del parásito, causa linfedema, elefantiasis, picazón y ceguera -más conocida como la ceguera de los ríos-.
Para eliminar la filariasis como un problema de salud pública, se lleva a cabo la administración masiva de medicamentos a todas las personas que viven en zonas endémicas. Eso sí, el diagnóstico de esta enfermedad se realiza mediante el examen microscópico de un frotis de sangre por un experto humano.
Procedimiento
Lo cual, como era de esperar, es laborioso y los expertos no siempre están disponibles. Ante este panorama, investigadores de los colectivos citados antes desarrollaron algoritmos de inteligencia artificial para detectar microfilarias en sangre, las larvas infecciosas que pueden transmitir la filariasis.
Al parecer, estos algoritmos distinguen las especies de parásitos más comunes en África (Loa loa, Mansonella perstans y Wuchereria bancrofti) y el sudeste asiático (Brugia spp), usando rápidamente la cámara de un teléfono móvil conectado a un microscopio óptico con un adaptador impreso en 3D.
Para confeccionar este gran sistema, los investigadores usaron 115 casos clínicos y validaron el sistema en un entorno clínico en el CNM-ISCIII. El sistema, para sorpresa de numerosos usuarios en las redes sociales, sobre todo en 'X', tiene una precisión de entorno al 95%.
A tener en cuenta
Los resultados de la investigación pueden consultarse en la revista Plos Neglected Tropical Diseases. Por suerte, contaron con nada más y nada menos que el apoyo de la Unión Europea H2020, los fondos NextGenerationEU, la Fundación Bill y Mellinda Gates, el programa predoctoral industrial de la CAM, el Ministerio de Ciencia, Innovación y Universidades.
Los autores principales del trabajo, cabe destacar, fueron 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).
