¿Alguna vez te has preguntado cuál es el animal más mortífero de la historia? ¿El causante de millones de muertes al año?

Se puede afirmar que el conocido como Plasmodium falciparum, un tipo de mosquito, es el origen de uno de los mayores enemigos de la salud mundial: la malaria. Esta enfermedad ha infectado a los humanos durante más de 50.000 años y se cree que haya sido un patógeno humano durante la totalidad de la historia de nuestra especie.

El plasmodio es un parásito que cuenta con dos huéspedes en su ciclo vital, un mosquito que actúa como vector y un huésped vertebrado. Existen algo más de veinte especies de plasmodios que afectan a los primates y, hasta hace poco, se pensaba que eran únicamente cuatro las especies que afectaban al hombre, pero recientemente se ha descubierto una quinta.

Cada año se diagnostica a más de 200 millones de personas con malaria o paludismo. La mayor parte de los casos se registran en África, al sur del Sahara. Alrededor del cuarenta por ciento de la población mundial vive en zonas afectadas por dicha enfermedad, siendo este hecho especialmente notable en los países más pobres.

El Informe mundial sobre el paludismo de la Organización Mundial de la Salud (OMS) (2019) afirma lo siguiente:

“Es la primera enfermedad de importancia entre las enfermedades debilitantes. Entre 700.000 y 2.700.000 personas mueren al año a causa de la malaria, de las cuales más del 75% son niños en zonas endémicas de África. Asimismo, causa aproximadamente entre 400 y 900 millones casos de fiebre aguda al año en la población infantil (menores de cinco años) en dichas zonas.”

En la situación en que nos encontramos actualmente de pandemia por coronavirus, quise centrar la atención en otra enfermedad que, aunque endémica, mata a millones de personas cada año. Es por ese motivo que decidí enfocar el tema de mi Trabajo Fin de Máster, presentado para la Cátedra UCM – Grupo 5 Contra el Estigma, en el diagnóstico de la malaria.

Los microscopistas suelen examinar muestras de sangre para diagnosticar enfermedades y calcular el índice de parasitemia. Sin embargo, su precisión depende de la calidad de la muestra y de su experiencia en clasificación y recuento de células infectadas y no infectadas. Dicho examen podría ser demasiado complejo a la hora de hacer diagnósticos a gran escala y resultar en errores. Es por eso que desde hace algunos años se estudia el uso de la Inteligencia Artificial para agilizar y pulir esos cálculos y clasificaciones.

Mi objetivo era realizar un análisis de imágenes de células sanguíneas de pacientes infectados y no infectados de malaria, obteniendo una serie de características que permitieran clasificarlas de manera automática en personas sanas o infectadas. Este proceso se realiza con técnicas de Aprendizaje Profundo o Deep Learning.

 

malaria e inteligencia artificialEl Deep Learning forma parte de un conjunto más amplio de métodos de Aprendizaje Automático, también conocido como Machine Learning, que utilizan algoritmos (un conjunto de instrucciones o reglas definidas, ordenadas y no ambiguas que permiten realizar un cálculo, solucionar un problema o procesar una gran cantidad de datos). Este tipo de Inteligencia Artificial se basa en asimilar representaciones de datos. Una observación, que en el caso de mi proyecto sería una imagen, es representada y computada (por ejemplo, como una matriz o un vector de píxeles), proceso que se repite con miles de imágenes con el fin de encontrar patrones que permitan después clasificar una imagen de manera automática. Es decir, identificar si una foto corresponde a una persona que tiene o no la enfermedad.

En mi trabajo, evalúo el rendimiento de modelos de Deep Learning basados en modelos de redes neuronales convolucionales. Este tipo de redes neuronales son modelos computacionales utilizados para tareas de visión artificial con el objetivo de clasificar imágenes.

La validación estadística de los resultados del proyecto demuestra que el uso de este tipo de redes neuronales es una herramienta prometedora para la mejora de la detección de enfermedades, demostrando ser una ayuda diagnóstica muy eficaz y con un mínimo margen de error, habiendo obtenido una exactitud del 97%.

Si quieres profundizar en la metodología utilizada en el trabajo, el origen del dataset compuesto por 27.000 imágenes o simplemente entender cómo se aplica la Inteligencia Artificial al diagnóstico de una enfermedad como la malaria, haz clic AQUÍ.

O puedes ver este vídeo de Youtube a modo de elevator pitch en el que hablo un poco más acerca de cómo lo he realizado.

El código ha sido compartido en la web de Kaggle asociado a los datos que se han utilizado para la realización del trabajo. Haz clic aquí para más información.