El investigador de la Universidad Internacional Iberoamericana de México (UNINI México), el Dr. Eduardo Silva Alvarado, participa en un estudio que presenta un nuevo enfoque para detectar la malaria con mayor precisión, con la ayuda del aprendizaje profundo.
La malaria es una enfermedad peligrosa que es causada por las picaduras de mosquitos hembra infectados. No solo es infecciosa entre los humanos, sino también entre los animales. Causa síntomas leves como fiebre, dolor de cabeza, sudoración y vómitos, malestar muscular. Entre sus síntomas graves está la coma, convulsiones e insuficiencia renal.
La gran carga de casos de malaria, especialmente en África, el sudeste asiático y el Mediterráneo Oriental, ha puesto a prueba la eficacia de la detección manual de glóbulos rojos infectados. El método convencional para diagnosticar la malaria implica examinar determinadamente las manchas de sangre bajo un microscopio. Este enfoque puede ser desafiante debido a la superposición de las células en las manchas gruesas, que puede dificultar la distinción entre las células sanas e infectadas.
Para agilizar el diagnóstico de las infecciones de malaria, se ha propuesto el uso de cámaras digitales o teléfonos móviles de alta resolución para capturar imágenes de las manchas de sangre. Sin embargo, la calidad de las fotografías tomadas con teléfonos móviles puede ser inferior, lo que dificulta la interpretación y detección manual de las enfermedades mediante algoritmos de aprendizaje automático.
En este contexto, se ha implementado el uso de algoritmos de aprendizaje profundo que pueden preprocesar rápidamente las imágenes y estimar características importantes para el diagnóstico y la clasificación de la malaria. Los métodos de aprendizaje automático como las máquinas vectores de soporte, los clasificadores de Naive Bayes y las redes neuronales, han demostrado precisión en la detección de infecciones entre el 83,5% y el 85%. No obstante, el éxito de estos algoritmos depende en gran medida del acceso a los vectores de características bien construidos y discriminantes, extraídos por profesionales capacitados.
Para abordar estos desafíos, se ha desarrollado un enfoque eficiente basado en el aprendizaje profundo utilizando muestras de glóbulos rojos. Al utilizar algoritmos de preprocesamiento rápidos y automatizar la extracción de características, se puede lograr un diagnóstico preciso y confiable de la malaria. El algoritmo elimina la necesidad de extracción manual de características, reduciendo significativamente la carga de trabajo de los patólogos y acelerando el proceso del diagnóstico.
Este innovador enfoque combina dos elementos esenciales: el análisis de imágenes y los algoritmos entrenados. Al entrenar el algoritmo con un gran conjunto de datos de imágenes de muestras de sangre, no solo detecta y diagnostica la malaria de manera precisa, sino que también evalúa la gravedad del parásito. Este análisis integral beneficia tanto a los patólogos como a los pacientes, proporcionando resultados eficientes, rentables y confiables.
Esta metodología innovadora ofrece una solución prometedora para las regiones con escasez de patólogos calificados. La implementación de este enfoque tiene el potencial de revolucionar la detección de la malaria, conduciendo en última instancia a una gestión más eficiente de este problema de salud global.
Si quieres conocer más sobre este estudio, haz clic aquí.
Para leer más investigaciones, consulta el repositorio de UNINI México.
La Universidad Internacional Iberoamericana de México (UNINI México) ofrece el programa de Maestría en Dirección Estratégica en Tecnologías de la Información. Un programa que desarrolla las habilidades y capacidades de los estudiantes para gerenciar un puesto directivo de sistemas y TIC o para dirigir un proyecto de cambio organizacional.
