Inteligencia artificial colombiana predice complicaciones por malaria y podría salvar vidas

La malaria sigue siendo una de las enfermedades más comunes en regiones tropicales y subtropicales de África, Asia y América del Sur. No obstante, por sus síntomas y la dificultad de acceso a servicios de salud, su diagnóstico tardío puede llegar a ser mortal. Para hacer frente a esta problemática, investigadores de La Sabana, idearon una inteligencia artificial que hace más fácil su identificación. 

La Organización Mundial de la Salud estima que en 2023 se produjeron 263 millones de casos de malaria y 597 000 muertes por esta enfermedad en todo el mundo. Colombia, no es ajeno a este tipo de casos. En noviembre de 2024, según el reporte de consultorsalud, los datos mostraban un aumento de 81% de los casos de malaria en el país en comparación con el año anterior y un Informe mundial sobre el paludismo de este año, destaca la necesidad de una respuesta más integradora y eficaz para llegar a los más vulnerables a la enfermedad. 

No es para menos, la malaria o paludismo es una enfermedad causada por un parásito Plasmodium, que usualmente es confundida con fiebre amarilla, dengue porque es transmitida por vectores que son huéspedes intermedios de la enfermedad, es decir, se encuentra en un animal que prota la enfermedad pero que no se encuentra afectado por esta. “Los vectores son la conexión, entre el huésped inicial o animal que la porta y el humano. Los vectores, son generalmente mosquitos. Estos insectos se encargan de llevar la enfermedad de un lado a otro. Entonces, una de las causas por las cuales la enfermedad se confunde es porque se trasmite por medio de estos vectores”, señala el doctor Luis Felipe Reyes, profesor de muy alto prestigio en enfermedades infecciosas de la Facultad de Medicina de la Universidad de La Sabana. 

Con el ánimo de aportar a estrategias para resolver las causas profundas de la malaria y partiendo del hecho de que la enfermedad suele tener lugar en zonas apartadas y selváticas, donde no siempre los hospitales y puntos de atención en salud están al alcance de la mano, un grupo de investigadores de la Universidad de La Sabana, integrado por Alirio Bastidas-Goyes, Juan Leon-Ariza, Angela Guerrero, Mauricio Agudelo, Daniel Botero-Rosas y Eduardo Tuta-Quintero, se dieron a la tarea de crear una inteligencia artificial que facilita el diagnóstico de la enfermedad, un proceso que a su vez quedó documentado en el paper Aplicación de la inteligencia artificial en la predicción de complicaciones en pacientes con Malaria.  

“Nosotros creamos un sistema con inteligencia artificial que analiza variables muy simples, sin necesidad de entrar en alta tecnología y que puede predecir si esa persona se va a complicar, o no”, explica Daniel Botero. 

Este desarrollo resulta innovador porque se convierte en una herramienta simple que puede operar cualquier persona vinculada al sector de la salud y que permite, sin necesidad de hacer un exámen que se llama la gota gruesa, que requiere de microcopio, laboratorio y un bacteriorologo, identificar qué tipo de plasmodium tiene el paciente y determinar si se va a complicar o no.  “Con esto, no necesitamos el examen y alcanzamos una eficiencia parecida a las que estamos alcanzado con los métodos actuales”, agrega Botero. 

El desarrollo de la IA 

Para llegar a este desarrollo, los expertos identificaron una serie de variables que permiten identificar la presencia de la enfermedad. En algunos casos enfermedades como el dengue, la fiebre amarilla, pueden ser confundidos con la malaria, de tal manera que para diferenciar una enfermedad de la otra, la inteligencia artificial puede ayudar a distinguir y establecer un diagnóstico con mayor precisión.  

En ese orden de ideas, aspectos como la presión arterial media, hemoglobina, recuento de leucocitos, recuento de plaquetas, bilirrubina total, dificultad para respirar, vómitos, historial previo de malaria, uso previo de medicamentos para la malaria y fiebre persistente, fueron tenidos en cuenta por los expertos. 

“La idea era unir esas dos partes, tanto la viabilidad de la prueba en lugares que no sean de actividad, como la representación de los compromisos de los diversos sistemas orgánicos que produce la enfermedad, unir esta información y sacar un resultado que nos diga, si existe la probabilidad y en qué porcentaje de que sea grave y se comprometa la vida”, señala el doctor Eduardo Tuta Quintero.  

Así, de la mano de un base de datos compuesta por 412 pacientes colombianos, muestra que con respecto a otros estudios es la más fiel a la realidad del país, permitieron desarrollar las técnicas de V cross, Validación Cruzada Aleatoria, Validación de Retención Modificada y Validación de Muestra Proporcional de Porcentaje para evaluar el rendimiento de una Red neuronal.  

El profesor de la Facultad de Ingeniería de la Universidad de La Sabana, Mauricio Agudelo de la mano de Ángela Guerrero y Natalia Valenzuela y su equipo, partiendo de lo anterior, no pudo determinar que los mejores resultados:  una red de 16 neuronas ocultas que usando una técnica de validación denominada “retención modificada”, alcanza una sensibilidad del 72% y una especificidad del 82%, superando en sensibilidad a otros métodos actuales de diagnóstico. 

“Una red neuronal de retención modificada incluye un mecanismo mejorado para retener información en largos periodos de tiempo secuencialmente. Se empela principalmente en predicción de series de tiempo. A las redes neuronales se le introducen variaciones para mejorar la capacidad de recordar información útil del pasado, olvidando información irrelevante”, explica Agudelo. 

El avance podría tener un impacto significativo especialmente en zonas rurales o con recursos limitados, donde los diagnósticos precisos y rápidos pueden marcar la diferencia entre la vida y la muerte. 

“El modelo aún debe ser validado con datos de otros centros médicos, pero representa un paso importante hacia la integración de la inteligencia artificial en la práctica clínica para enfermedades infecciosas en contextos de alta carga epidemiológica como el colombiano”, concluyó Botero-Rosas. 

Por eso, en una segunda fase, el equipo de médicos e ingenieros buscan implementarla para que las personas vinculadas al sector de la salud puedan, a través de una app, ingresar los datos solicitados y definir si hay una elevada o una baja probabilidad de que el paciente se complique. 

Para llegar a esta segunda fase, Botero explica que se requiere su aprobación de uso en seres humanos y pasar previamente por varios filtros de validación. “En este momento tenemos que probarlo en poblaciones externas para ver si continuamos funcionando tan bien como lo hemos hecho en la validación interna, o sea, en los datos que tenemos”. 

Con esta herramienta a la mano, el equipo de investigadores buscar hacer su contribución a una tendencia global conocida como medicina personalizada en donde por medio de sistemas de soporte se le brinda al médico una ayuda para la mejor toma de mejores decisiones.