La actividad de prospección de oro en Venezuela ha desencadenado un resurgimiento de la malaria, pero investigadores han desarrollado una solución apoyada en la inteligencia artificial (IA) para enfrentar el problema. En el estado de Bolívar, la deforestación provocada por la minería en áreas acuáticas ha alterado las poblaciones de mosquitos, que ahora pican a los mineros e infectan a muchos de ellos con el mortal parásito.
Venezuela fue certificada como libre de malaria en 1961 por la Organización Mundial de la Salud. Sin embargo, en el actual brote en el país, las áreas afectadas son rurales y cuentan con acceso limitado a clínicas médicas, dificultando la detección de la enfermedad con microscopía a cargo de profesionales capacitados.
En respuesta a esta crisis, un grupo de investigadores ha combinado medicina y tecnología para crear una red neuronal convolucional (CNN) que permite la detección automática de parásitos de malaria en muestras de sangre. La investigación, liderada por el joven ingeniero venezolano Diego Ramos-Briceño y sus colegas, fue publicada recientemente, presentando un modelo que identifica con una precisión del 99.51% las especies Plasmodium falciparum y Plasmodium vivax en extensiones gruesas de sangre.
Para el desarrollo del modelo, se utilizó un extenso conjunto de datos formados por 5,941 imágenes de microscopía de frotis de sangre, obtenidas del Hospital Médico de Chittagong en Bangladesh. Estas imágenes fueron procesadas y aumentadas hasta lograr un conjunto de casi 190,000 imágenes que fueron utilizadas para el entrenamiento del modelo.
El equipo de investigadores aprovechó también GPUs de NVIDIA para la ejecución del entrenamiento del modelo. Mediante el uso de PyTorch Lightning con aceleración CUDA, pudieron realizar cálculos en paralelo de manera eficiente, optimizando considerablemente el proceso.
El modelo ofrece la capacidad de determinar la presencia de malaria en muestras de sangre en cuestión de segundos, lo que resulta particularmente útil en clínicas que carecen de microscopistas capacitados. Además, estas instalaciones podrían adaptar el modelo introduciendo sus propios datos para un aprendizaje por transferencia, optimizando así su desempeño con los tipos de imágenes que generen.
Para las comunidades alejadas de los núcleos urbanos, donde el acceso a recursos médicos es más limitado, esta innovación podría representar una solución viable para abordar el problema de la malaria, señaló Ramos-Briceño.
Fuente: Zona de blogs y prensa de Nvidia
