La búsqueda de oro en el estado Bolívar de Venezuela ha provocado un resurgir de casos de malaria, un problema agravado por la deforestación y la modificación de hábitats que han alterado las poblaciones de mosquitos. Estos insectos, que antes no presentaban riesgo significativo en esas áreas, ahora están infectando a los mineros con parásitos mortales.
Históricamente, Venezuela fue declarado libre de malaria en 1961 por la Organización Mundial de la Salud (OMS). Sin embargo, las estadísticas mundiales de 2023 indican que se registraron aproximadamente 263 millones de casos de malaria y 597,000 muertes a nivel global. En el contexto del reciente brote en Venezuela, las áreas afectadas son rurales y tienen escaso acceso a centros médicos, lo que dificulta la detección de casos mediante microscopia por profesionales capacitados.
Desarrollo de inteligencia artificial para combatir la malaria
Un equipo de investigadores ha logrado usar inteligencia artificial (IA) y GPUs de NVIDIA para abordar esta problemática. Recientemente, publicaron un trabajo en la revista Nature, donde describen la creación de una red neuronal convolucional (CNN) diseñada para detectar automáticamente parásitos de malaria en muestras de sangre.
Diego Ramos-Briceño, uno de los investigadores y estudiante de medicina e ingeniería, mencionó: “En algún momento, la malaria estuvo casi erradicada en Venezuela. Se estimó que el año pasado hubo alrededor de 135,000 casos”. Los investigadores, junto a sus colegas Alessandro Flammia-D’Aleo, Gerardo Fernández-López, Fhabián Carrión-Nessi y David Forero-Peña, lograron identificar las especies Plasmodium falciparum y Plasmodium vivax con una precisión del 99.51% en el análisis de frotis de sangre gruesa.
Para el desarrollo del modelo, el equipo utilizó un conjunto de datos que incluía 5,941 imágenes etiquetadas de frotis de sangre obtenidas del Chittagong Medical College Hospital en Bangladesh. Esto les permitió generar casi 190,000 imágenes etiquetadas, cruciales para el entrenamiento del modelo.
Uso de tecnología avanzada para el entrenamiento del modelo
El equipo de investigación empleó una GPU RTX 3060 proporcionada por un profesor del departamento de informática para llevar a cabo el entrenamiento del modelo de malaria. Utilizaron PyTorch Lightning con aceleración de NVIDIA CUDA, lo que permitió realizar cálculos en paralelo de manera eficiente, acelerando significativamente las operaciones de matriz y la preparación de la red neuronal en comparación con lo que un CPU podría hacer.
Este modelo permite obtener determinaciones sobre malaria a partir de muestras de sangre en cuestión de segundos, un avance que podría beneficiar a clínicas que carecen de microscopistas capacitados. Estos centros podrían implementar el modelo y adaptar sus propios datos para el aprendizaje transferido, optimizando el análisis basado en las condiciones de iluminación y otros factores. “Para comunidades alejadas de entornos urbanos, donde hay menos acceso a recursos, esta podría ser una solución efectiva al problema de la malaria”, concluyó Ramos-Briceño.
