IA detecta tricomoniasis con 93% de precisión en imágenes de laboratorio

En los laboratorios de microbiología, el trabajo de identificar parásitos microscópicos en muestras de sangre y fluidos corporales sigue siendo en gran medida un acto de reconocimiento visual. Un microbiólogo mira a través del microscopio, busca formas y movimientos característicos, y toma una decisión. Ahora, investigadores del Hospital Universitario Príncipe de Asturias en Alcalá de Henares y de la Universidad de Alcalá han entrenado un sistema de inteligencia artificial que puede hacer ese trabajo con una precisión del 93 por ciento, identificando correctamente la presencia de Trichomonas vaginalis en imágenes de laboratorio rutinarias.

La tricomoniasis es la infección de transmisión sexual no viral más común en el mundo. Cada año afecta entre 170 y 190 millones de personas. El parásito responsable, Trichomonas vaginalis, causa en las mujeres flujo vaginal anormal, picor, irritación y molestias durante la micción o las relaciones sexuales. Pero aquí está el problema central: una proporción importante de quienes contraen la infección nunca desarrollan síntomas. Sin síntomas, sin búsqueda de tratamiento. Sin tratamiento, sin diagnóstico. Y sin diagnóstico, la enfermedad se propaga.

El equipo de investigación trabajó con 380 imágenes microscópicas procedentes del Servicio de Microbiología del hospital. Utilizaron estas imágenes como referencia estándar para entrenar el algoritmo, enseñándole a reconocer los patrones visuales que distinguen un caso positivo de uno negativo. El sistema fue entonces validado de forma independiente. Los resultados mostraron que el algoritmo identificaba correctamente el 93 por ciento de los casos positivos. No es perfección, pero es una mejora significativa sobre lo que muchos laboratorios pueden lograr de forma consistente, especialmente en contextos donde los microbiólogos están sobrecargados de trabajo o donde el acceso a técnicas moleculares más avanzadas es limitado.

Lo notable del enfoque es que no requiere nuevas pruebas ni cambios en los circuitos de trabajo existentes. El sistema analiza imágenes de tinción de Gram, la técnica estándar ya implantada en laboratorios de todo el mundo. Extrae información diagnóstica de preparaciones microscópicas rutinarias, información que a menudo resulta difícil de reconocer visualmente incluso para profesionales experimentados. En la práctica, esto significa que el mismo portaobjetos que un microbiólogo examinaría hoy podría ser analizado por el sistema para identificar casos dudosos, acelerar la selección de muestras que necesitan confirmación molecular adicional, y permitir un diagnóstico más temprano.

Las consecuencias de no diagnosticar la tricomoniasis son graves. Si no se trata, la infección puede derivar en enfermedad inflamatoria pélvica, infertilidad, parto prematuro y bajo peso al nacer. Además, aumenta significativamente el riesgo de adquirir o transmitir otras infecciones de transmisión sexual, incluido el VIH. En España, la prevalencia es del 3 por ciento, inferior a la de otras regiones del mundo, pero sigue siendo un problema de salud pública importante precisamente porque tantos casos pasan desapercibidos.

El trabajo fue publicado en la revista Diagnostics y representa una colaboración entre el Hospital Príncipe de Asturias y el grupo de investigación Computación en Salud y Sistemas Inteligentes de la Universidad de Alcalá. Los investigadores subrayan que uno de los valores principales de esta tecnología es convertir información que resulta difícil de extraer visualmente en información diagnóstica útil para el personal sanitario. El siguiente paso es validar el sistema en estudios prospectivos y en diferentes entornos asistenciales, con el objetivo de facilitar su integración en la práctica clínica habitual. Si eso ocurre, especialmente en regiones donde el acceso a técnicas moleculares es limitado, el impacto podría ser considerable: diagnósticos más rápidos, menos casos sin detectar, menos transmisión silenciosa.