Por Deborah Pirchner
La malaria es una enfermedad infecciosa que se cobra más de medio millón de vidas cada año. Debido a que el diagnóstico tradicional requiere experiencia y la carga de trabajo es alta, un equipo internacional de investigadores investigó si el diagnóstico mediante un nuevo sistema que combina un microscopio de barrido automático e inteligencia synthetic es factible en entornos clínicos. Descubrieron que el sistema identificaba los parásitos de la malaria casi con tanta precisión como los expertos que manejaban los microscopios utilizados en los procedimientos de diagnóstico estándar. Esto puede ayudar a reducir la carga de los microscopistas y aumentar la carga factible de pacientes.
Cada año, más de 200 millones de personas enferman de malaria y más de medio millón de estas infecciones provocan la muerte. La Organización Mundial de la Salud recomienda el diagnóstico parasitario antes de iniciar el tratamiento de la enfermedad causada por los parásitos Plasmodium. Existen varios métodos de diagnóstico, entre ellos la microscopía óptica convencional, las pruebas de diagnóstico rápido y la PCR.
Sin embargo, el estándar para el diagnóstico de malaria sigue siendo la microscopía óptica guide, durante la cual un especialista examina frotis de sangre con un microscopio para confirmar la presencia de parásitos de la malaria. Sin embargo, la precisión de los resultados depende fundamentalmente de las habilidades del microscopista y puede verse obstaculizada por la fatiga causada por la carga de trabajo excesiva de los profesionales que realizan las pruebas.
Ahora, escribiendo en Fronteras en la malariaun equipo internacional de investigadores ha evaluado si un sistema totalmente automatizado, que combina software program de detección de IA y un microscopio automatizado, puede diagnosticar la malaria con una precisión clínicamente útil.
“Con una tasa de precisión diagnóstica del 88% en relación con los microscopistas, el sistema de IA identificó los parásitos de la malaria casi, aunque no del todo, tan bien como los expertos”, dijo la Dra. Roxanne Rees-Channer, investigadora del Hospital de Enfermedades Tropicales de la UCLH en el Reino Unido. , donde se realizó el estudio. “Este nivel de rendimiento en un entorno clínico es un logro importante para los algoritmos de IA dirigidos a la malaria. Indica que el sistema puede ser, de hecho, una herramienta clínicamente útil para el diagnóstico de malaria en entornos apropiados”.
La IA ofrece un diagnóstico preciso
Los investigadores tomaron muestras de más de 1.200 muestras de sangre de viajeros que habían regresado al Reino Unido desde países endémicos de malaria. El estudio probó la precisión de la IA y el sistema de microscopio automatizado en un entorno clínico actual en condiciones ideales.
Evaluaron muestras utilizando microscopía óptica guide y el sistema de microscopio AI. Manualmente, 113 muestras fueron diagnosticadas como positivas para el parásito de la malaria, mientras que el sistema de inteligencia synthetic identificó correctamente 99 muestras como positivas, lo que corresponde a una tasa de precisión del 88%.
“La IA para la medicina a menudo arroja resultados preliminares optimistas en conjuntos de datos internos, pero luego fracasa en entornos clínicos reales. Este estudio evaluó de forma independiente si el sistema de IA podría tener éxito en un caso de uso clínico actual”, dijo Rees-Channer, quien también es el autor principal del estudio.
Automatizado versus guide
El sistema de diagnóstico de malaria totalmente automatizado que los investigadores pusieron a prueba incluye {hardware} y software program. Una plataforma de microscopía automatizada escanea frotis de sangre y algoritmos de detección de malaria procesan la imagen para detectar parásitos y la cantidad presente.
Los científicos señalaron que el diagnóstico automatizado de malaria tiene varios beneficios potenciales. “Incluso los microscopistas expertos pueden fatigarse y cometer errores, especialmente cuando tienen una gran carga de trabajo”, explicó Rees-Channer. “El diagnóstico automatizado de la malaria mediante IA podría reducir esta carga para los microscopistas y, por tanto, aumentar la carga factible de pacientes”. Además, estos sistemas ofrecen resultados reproducibles y pueden implementarse ampliamente, escribieron los científicos.
A pesar de la tasa de precisión del 88%, el sistema automatizado también identificó erróneamente 122 muestras como positivas, lo que puede llevar a que los pacientes reciban medicamentos contra la malaria innecesarios. “El software program de IA todavía no es tan preciso como el de un microscopista experto. Este estudio representa un dato prometedor más que una prueba decisiva de aptitud”, concluyó Rees-Channer.
Lea la investigación completa
Evaluación de un microscopio automatizado mediante aprendizaje automático para la detección de malaria en viajeros que regresan al Reino Unido, Roxanne R. Rees-Channer, Christine M. Bachman, Lynn Grignard, Michelle L. Gatton, Stephen Burkot, Matthew P. Horning, Charles B. Delahunt, Liming Hu, Courosh Mehanian, Clay M. Thompson, Katherine Woods, Paul Lansdell, Sonal Shah, Peter L. ChiodiniFronteras en la malaria (2023).
Noticias científicas de fronteras
AIhub
es una organización sin fines de lucro dedicada a conectar a la comunidad de IA con el público proporcionando información gratuita y de alta calidad en IA.
AIhub es una organización sin fines de lucro dedicada a conectar a la comunidad de IA con el público proporcionando información gratuita y de alta calidad en IA.
