IA basada en imágenes se muestra prometedora para detección de parásitos en muestras de heces digitalizadas

Estas infecciones a menudo conducen a problemas de salud crónicos que pueden causar discapacidad, estigma social y sus importantes impactos económicos en las comunidades. Las STH desempeñan un papel notorio en la pérdida de nutrientes, lo que puede contribuir a deterioros neurocognitivos, retraso en el crecimiento y desarrollo y fatiga persistente en los niños afectados. Además, estos parásitos son una causa importante de morbilidad y complicaciones durante el embarazo. El método de diagnóstico estándar para las geohelmintiasis implica la microscopía manual, que requiere hasta 10 minutos por portaobjetos y se ve obstaculizada por la falta de profesionales capacitados y de acceso al equipo y la infraestructura de laboratorio necesarios en las regiones altamente afectadas. Existe una necesidad apremiante de mejorar las técnicas de diagnóstico, en particular para detectar infecciones de intensidad leve, para gestionar eficazmente y aspirar a eliminar las geohelmintiasis como problema de salud pública. Ahora, se ha demostrado que un sistema de microscopía de inteligencia artificial (IA) identifica con precisión las infecciones por gusanos intestinales, especialmente las infecciones de intensidad luminosa que podrían pasarse por alto al utilizar la microscopía manual.

El nuevo estudio realizado por un equipo multiinstitucional de especialistas del Instituto Karolinska (Estocolmo, Suecia) y la Universidad de Helsinki (Helsinki, Finlandia) marcó el primer ensayo clínico del sistema para detectar infecciones por gusanos en un entorno remoto con imágenes de diapositivas completas. . El estudio se llevó a cabo en zonas rurales del condado de Kwale en Kenia, donde existe una alta prevalencia de geohelmintiasis entre los niños. Durante el estudio, 1.335 niños en edad escolar fueron examinados utilizando el sistema basado en aprendizaje profundo para la detección de huevos de gusanos parásitos, y los resultados se compararon con los obtenidos mediante microscopía manual experta.

El análisis de muestras de heces escaneadas digitalmente utilizando el sistema de aprendizaje profundo demostró una alta precisión diagnóstica al identificar tres tipos comunes de gusanos parásitos: Ascaris lumbricoides (lombriz gigante), Trichuris trichiura (tricocéfalo) y anquilostoma (Ancylostoma duodenale o Necator americanus). La IA pudo detectar entre el 76 % y el 92 % de las infecciones identificadas por técnicos de laboratorio capacitados, según el tipo de gusano. En particular, el sistema de IA identificó una cantidad significativa de infecciones de intensidad lumínica que no se detectaron en las evaluaciones de microscopía manual. De hecho, en 79 muestras (10 % del total), que inicialmente se determinaron negativas mediante microscopía manual, el sistema de IA detectó la presencia de huevos de gusanos parásitos. Además, el sistema de IA proporciona un registro digital de cada muestra que se puede conservar para análisis posteriores, lo que ofrece una ventaja significativa sobre las muestras humanas, que normalmente se secan en cuestión de horas y se vuelven más difíciles de analizar.

“Hemos demostrado que podemos utilizar nuestras pruebas en un entorno con recursos limitados y obtener una alta precisión. Nuestro método fue especialmente eficaz en infecciones de intensidad ligera”, afirmó el investigador principal, el profesor Johan Lundin, MD, PhD, del Karolinska Institutet. "Con la IA, una vez que nuestra muestra está digitalizada, solo toma unos segundos, observa la muestra completa y puede encontrar con mucha precisión los huevos del parásito".

Enlaces relacionados:
Instituto Karolinska
Universidad de Helsinki