Cuando el inmunólogo Helder Nakaya visitó el Instituto Evandro Chagas, en Belém (Pensilvania), en 2017, hubo conmoción porque uno de los mejores microscopistas de la entidad se jubilaba en ese momento. Como resultado, gran parte de ese conocimiento que hizo posible identificar con rapidez y precisión las cepas del protozoario Leishmania se perdería.
“Me intrigaba que fuera un desperdicio perder toda la experiencia acumulada durante décadas. Fue entonces cuando comenzamos a investigar y tratamos de entrenar la computadora con la sabiduría del profesional para actuar en la identificación de microorganismos y con bajo costo”, explica Nakaya, a la Agência Fapesp.
Cinco años después, un grupo de investigadores coordinados por Nakaya y el científico Mauro César Cafundó de Morais publicaron el resultado de un estudio que demuestra que es posible utilizar inteligencia artificial para detectar el tripanosoma cruziel protozoario que causa la enfermedad de Chagas, en imágenes de muestras de sangre obtenidas con un teléfono celular y analizadas bajo un microscopio óptico.
El algoritmo desarrollado por el grupo está disponible en un artículo publicado el viernes en la revista científica PeerJ. La investigación contó con el apoyo de la Fapesp y reunió a profesionales de diversas áreas, desde biología hasta matemáticas e informática.
“Logramos un buen resultado de aprendizaje automático. Dado que el algoritmo funcionó bien para la enfermedad de Chagas, se puede adaptar para otros fines que dependen de imágenes, como análisis de muestras de heces, dermatología y colposcopia”, dice Nakaya, quien es investigadora del Hospital Israelita Albert Einstein, de la Plataforma Científica Pasteur. -USP, el Instituto Todos pela Saúde y el Centro de Investigaciones en Enfermedades Inflamatorias (CRID).
Una forma de diagnosticar la enfermedad de Chagas es mediante microscopistas capacitados que detectan los parásitos en muestras de sangre. Esto requiere un microscopio profesional, que se puede conectar a una cámara de alta resolución, pero esto a menudo hace que el método sea costoso y de difícil acceso para las personas de bajos ingresos.
Clasificada por la Organización Mundial de la Salud (OMS) como una de las enfermedades tropicales desatendidas (ETD), la enfermedad de Chagas es considerada una condición infecciosa crónica, cuya prevención está ligada al modo de transmisión, es decir, al control del gusanillo del peluquero. . Esto exige una respuesta de las redes de atención de la salud.
Endémica en 21 países de las Américas, infección por tripanosoma cruzi Afecta aproximadamente a 6 millones de personas, con una incidencia anual de 30.000 casos nuevos en la región, lo que lleva, en promedio, a 14.000 muertes por año. Además, se estima que alrededor de 70 millones de personas viven en áreas de exposición a la barbería y están en riesgo de contraer la enfermedad.
En Brasil, aún con la tendencia a la baja en las tasas de mortalidad, hubo un promedio de 4.000 muertes cada año por la enfermedad en la última década.
‘Enseñando’ a la máquina
Los investigadores desarrollaron un enfoque basado en llamadas para el aprendizaje informático. bosque aleatorio (random forest, en traducción libre), creando un algoritmo para la detección y conteo de tripomastigotes del tripanosoma cruzi en imágenes tomadas con la cámara del celular. Los tripomastigotes son la forma morfológica del protozoario presente en la fase extracelular y que se encuentra en la sangre de pacientes con la enfermedad aguda.
Se analizaron micrografías de muestras de frotis de sangre registradas en imágenes con una resolución de 12 megapíxeles. Se extrajo un conjunto de parámetros morfométricos (forma y tamaño), medidas de color y textura de 1314 parásitos.
Los resultados de precisión se consideraron altos: 87,6 %. Con esto, el grupo pudo automatizar el análisis de imágenes adquiridas con un dispositivo móvil, obteniendo una alternativa para reducir costos y aumentar la eficiencia en el uso del microscopio óptico.
“La idea es generar una imagen y analizarla bajo un microscopio que pueda ser enviada a lugares remotos de Brasil para que la propia aplicación diga si es o no la enfermedad de Chagas. Por eso es importante tener también un microscopio robusto y de bajo costo que pueda recolectar imágenes automáticamente”, agrega Nakaya.
Según el investigador, la propuesta es dejar el algoritmo abierto para que la comunidad científica aporte otros datos y recursos.
*Este contenido fue producido por Agência FAPESP.