Desenvolupament d’un sistema de diagnòstic automatitzat per la malària i l’esquistosomiasi urogenital utilitzant eines d'intel·ligència artificial i un microscopi robotitzat universal de baix cost
Segons dades de segons l'Organització Mundial de la Salut (OMS) s’han reportat 263 milions de casos de malària a tot el món durant el 2023. L'esquistosomiasi és catalogada per l'OMS com a malaltia tropical desatesa (MTD), amb més de 253 milions de persones en risc d'infecció. La...
| Autor: | |
|---|---|
| Formato: | tesis doctoral |
| Estado: | Versión publicada |
| Fecha de publicación: | 2025 |
| País: | España |
| Recursos: | CBUC, CESCA |
| Repositorio: | TDR. Tesis Doctorales en Red |
| OAI Identifier: | oai:www.tdx.cat:10803/694642 |
| Acesso em linha: | http://hdl.handle.net/10803/694642 |
| Access Level: | acceso abierto |
| Palavra-chave: | Malària Malaria Esquistosomiasi Schistosomiasis Esquistosomiasis Intel·ligència artificial Artificial intelligence Inteligencia artificial Ciències de la Salut 579 |
| Resumo: | Segons dades de segons l'Organització Mundial de la Salut (OMS) s’han reportat 263 milions de casos de malària a tot el món durant el 2023. L'esquistosomiasi és catalogada per l'OMS com a malaltia tropical desatesa (MTD), amb més de 253 milions de persones en risc d'infecció. La microscòpia continua sent la tècnica gold standard pel diagnòstic d’ambdues malalties, encara així, es tracta d'un mètode professional dependent amb un alt nivell d’implicació a la rutina diària dels laboratoris. Com a alternativa al gold standard, els algorismes d’Intel·ligència Artificial (IA) són capaços de detectar formes biològiques en imatges de microscòpia mitjançant xarxes neuronals (XN) pre-entrenades amb dades microbiològiques. D’altra banda, els telèfons intel·ligents són una solució òptima de baix cost, gràcies a la seva capacitat de capturar imatges de suficient qualitat amb una càmera pròpia, i la possibilitat d'integrar models de XN per executar els algoritmes d'IA i realitzar una detecció. En el projecte de tesi presentat hem desenvolupat un nou sistema automatitzat basat en tècniques d'anàlisi d'imatges per al diagnòstic de la malària i l'esquistosomiasi urogenital. El sistema es basa en una aplicació per a telèfons intel·ligents, i un microscopi robotitzat de baix cost. Per automatitzar tot el procés, es va dissenyar un prototip de peces impreses en 3D per a la robotització de la microscòpia òptica convencional, capaç d'auto-enfocar i fer un escaneig de tota la preparació. L’objectiu principal de l’estudi és la detecció automàtica dels paràsits de Plasmodium i Schistosoma haematobium per donar suport al diagnòstic microbiològic, i per la seva implementació en entorns amb pocs recursos. Es va crear un conjunt de dades de 2571 imatges etiquetades de gotes gruixudes tenyides amb Giemsa, i 1017 imatges digitals etiquetades de sediment urinari. L'anàlisi comparatiu de xarxes neuronals va demostrar, utilitzant mètriques d’aprenentatge automàtic per avaluar el rendiment del model YOLOv5x, una precisió del 92.10%, un recall de 93.50% i un valor F de 92.79% per a la detecció de trofozoïts de Plasmodium primerencs, madurs i leucòcits. En el cas de l’esquistosomiasi urogenital, l'entrenament de YOLOv5x va demostrar una precisió del 99.3%, un recall de 99.4% i un valor F de 99.3% per a la detecció d’ous de S. haematobium. El model de xarxa neuronal NasNetLarge va demostrar una precisió del 85.6% per a la detecció d'eritròcits/leucòcits en orina. Els algoritmes de diagnòstic es van integrar en una aplicació per telèfons intel·ligents i un software de laboratori dissenyat pel seu maneig en ordinador. El nou prototip és capaç de determinar si (i) una mostra de gota gruixuda tenyida amb Giemsa és positiva/negativa per a la infecció de Plasmodium, i els seus nivells de parasitemia; (ii) detectar la presencia d’ous de S. haematobium i d’eritròcits/leucòcits en imatges de sediments urinaris. Es va realitzar una validació diagnòstica preliminar del sistema per comparar-la amb la tècnica gold standard de microscòpia convencional. Els resultats obtinguts a la validació del Centre Drassanes Vall d’Hebron van demostrar una sensibilitat del 81.25% i una especificitat del 92.11% pel diagnòstic de la malària. D’altra banda, s’ha realitzat una prova de concepte a l’Hospital Nossa Senhora da Paz (Cubal, Angola) pel diagnòstic de la malària, demostrant resultats satisfactoris per a la implementació del sistema en laboratoris amb pocs recursos. Finalment, la coalescència del sistema totalment automatitzat, la detecció autònoma de paràsits/cèl·lules en imatges digitals amb un programari per a telèfons intel·ligents i algoritmes d'IA, i altres aplicacions transversals confereixen al prototip les característiques òptimes per unir-se a l'esforç global per la lluita contra la malària i les malalties tropicals desateses. |
|---|