Desarrollan una IA que detecta el parásito de Chagas con un móvil en tiempo real

Un equipo de investigadores del Instituto de Salud Carlos III (ISCIII), la Universidad Politécnica de Madrid (UPM), la compañía Spotlab, la Universidad Mayor de San Simón de Bolivia, el Centro de Investigación Biomédica en Red (CIBER-ISCIII) y la Fundación Mundo Sano ha desarrollado una innovadora inteligencia artificial (IA) que permite detectar el parásito responsable de la enfermedad de Chagas en tiempo real utilizando un teléfono móvil acoplado a un microscopio.

Aproximadamente 8 millones de personas son diagnosticadas con Chagas, una enfermedad parasitaria que puede ser mortal y que es endémica en América Latina. Causada por el parásito Trypanosoma cruzi, esta enfermedad provoca más de 10.000 muertes anualmente y afecta a más de 100 millones de personas que están en riesgo. Su transmisión se realiza principalmente a través de las heces de las chinches triatominas (vinchucas), aunque también puede ocurrir mediante alimentos contaminados, durante el parto o a través de transfusiones sanguíneas.

Durante la fase aguda, cuando hay una alta concentración del parásito en el organismo, es posible diagnosticar la enfermedad observando muestras de sangre o líquido cefalorraquídeo bajo un microscopio. Sin embargo, este procedimiento requiere personal especializado y puede ser complicado en regiones donde los recursos son escasos. La doctora Mary Cruz Torrico, investigadora en la Universidad Mayor de San Simón, destaca que muchas áreas afectadas cuentan con solo un técnico de laboratorio con poca o ninguna experiencia para realizar diagnósticos precisos.

Innovación tecnológica para el diagnóstico

Para abordar estas limitaciones, los investigadores han creado un sistema portátil basado en IA capaz de detectar y contar los parásitos causantes de Chagas en tiempo real. Este sistema utiliza un adaptador impreso en 3D para acoplar la cámara del teléfono móvil al ocular de un microscopio óptico convencional, permitiendo que los modelos de IA se ejecuten directamente desde el dispositivo sin necesidad de conexión a internet ni equipos costosos.

Los hallazgos del estudio han sido publicados en la revista científica PLOS Neglected Tropical Diseases. Además, los modelos desarrollados están disponibles para que la comunidad científica pueda acceder a ellos y probar su eficacia.

Un avance hacia el acceso universal al diagnóstico

La doctora María Flores-Chavez, investigadora principal del proyecto, señala que lo que antes parecía ciencia ficción ahora se convierte en una realidad. La combinación de conocimientos en parasitología, microscopía e inteligencia artificial ha permitido transformar el uso tradicional del microscopio. Sin embargo, aún queda el desafío crucial de implementar este desarrollo en entornos reales donde más se necesita.

El equipo utilizó muestras humanas y animales procedentes de Bolivia para entrenar y validar su sistema. El modelo alcanzó una precisión cercana al 86% con muestras humanas y analiza cada imagen en aproximadamente 350 milisegundos. En pruebas piloto realizadas en laboratorio, donde un operador examinaba las muestras con el móvil, el sistema logró identificar más del 96% de los parásitos presentes, lo cual resalta su utilidad como herramienta inicial para cribado diagnóstico.

"El análisis se lleva a cabo directamente desde un teléfono móvil conectado a un microscopio convencional", explica la doctora Lin Lin, investigadora principal por parte de SpotLab. Esta característica permite acercar el diagnóstico a lugares con recursos limitados y facilitar su acceso globalmente.

La doctora María Jesús Ledesma, investigadora principal por parte de la UPM, subraya que esta innovación tiene un gran potencial para mejorar tanto el diagnóstico como el seguimiento del Chagas especialmente en contextos desfavorecidos. Además, su diseño modular podría adaptarse para detectar otros parásitos y enfermedades tropicales desatendidas, alineándose así con los objetivos establecidos por la Organización Mundial de la Salud.

Dicha investigación recibió apoyo del programa H2020 de la Unión Europea, así como financiación por parte de la Fundación Bill y Melinda Gates y otras instituciones españolas dedicadas a la ciencia e innovación.

Referencia del artículo: Lin L et al. (2026). Artificial intelligence algorithm for real-time detection and counting of Trypanosoma cruzi parasites using smartphone microscopy. PLoS Neglected Tropical Diseases, 20(5):e0012955. doi: 10.1371/journal.pntd.0012955.