Microscopio automatizado impulsado por IA identifica con precisión parásitos de malaria en muestras de sangre

Cada año, más de 200 millones de personas contraen malaria, y más de medio millón de estos casos resultan en muertes. La Organización Mundial de la Salud aboga por el uso de diagnósticos basados en parásitos antes de iniciar el tratamiento de la enfermedad infecciosa causada por parásitos Plasmodium. Hay varias técnicas de diagnóstico disponibles, incluida la microscopía óptica convencional, las pruebas de diagnóstico rápido y la PCR. Sin embargo, el punto de referencia establecido para el diagnóstico de la malaria es la microscopía óptica manual, donde un especialista examina muestras de sangre bajo un microscopio para verificar la presencia de parásitos de la malaria. Sin embargo, la precisión de los resultados depende en gran medida de la experiencia del microscopista y puede verse afectada por la fatiga causada por la carga de trabajo entre los profesionales que realizan las pruebas.

Debido a la naturaleza exigente del diagnóstico tradicional y la gran carga de trabajo, un equipo internacional de investigadores llevó a cabo una investigación sobre la viabilidad de emplear un sistema novedoso que combina un microscopio de barrido automatizado con inteligencia artificial (IA) para el diagnóstico clínico. Los resultados indicaron que este sistema identificó los parásitos de la malaria con casi la misma precisión que los microscopistas experimentados que siguen los procedimientos de diagnóstico estándar. Este avance tiene el potencial de aliviar la carga de los microscopistas y aumentar el número manejable de casos de pacientes.

Investigadores del Hospital de Enfermedades Tropicales de la UCLH (Londres, Reino Unido) probaron un sistema de diagnóstico de la malaria totalmente automatizado que constaba de componentes de hardware y software. La plataforma de microscopía automatizada escanea muestras de sangre y los algoritmos para la detección de malaria procesan las imágenes para detectar la presencia y cantidad de parásitos. Los investigadores analizaron más de 1.200 muestras de sangre de viajeros que habían regresado al Reino Unido desde regiones donde prevalece la malaria. El estudio evaluó la precisión del sistema de microscopio de IA en un entorno clínico real bajo condiciones ideales.

Los investigadores compararon los resultados obtenidos tanto con el microscopio óptico manual como con el sistema de microscopio de IA. De forma manual, se identificaron 113 muestras con parásitos de la malaria, mientras que el sistema de IA detectó con precisión 99 muestras positivas, lo que resultó en una tasa de precisión del 88 %. A pesar de esta tasa de precisión encomiable, el sistema automatizado también produjo falsos positivos, indicando que 122 muestras eran positivas cuando no lo eran, lo que podría llevar a la administración innecesaria de medicamentos contra la malaria a los pacientes.

"Con una tasa de precisión diagnóstica del 88 % en relación con los microscopistas, el sistema de IA identificó los parásitos de la malaria casi tan bien como los expertos", dijo la Dra. Roxanne Rees-Channer, investigadora del Hospital de Enfermedades Tropicales de la UCLH. “Este nivel de desempeño en un entorno clínico es un logro importante para los algoritmos de IA dirigidos a la malaria. Indica que el sistema de hecho puede ser una herramienta clínicamente útil para el diagnóstico de la malaria en entornos apropiados”.

Enlaces relacionados:
UCLH

Visitar la expo >

Miembro Oro

Clinical Chemistry Assay

Sorbitol Dehydrogenase (SDH)

Software de laboratorio
Acusera 24•7

New

Automated Clinical Chemistry Analyzer

Envoy 500+

New

Analizador de coagulación automatizado

Hemolumi H6