Header Ads

Diagnosticar la drepanocitosis con un teléfono móvil




La drepanocitosis es una prioridad sanitaria a nivel global con un gran impacto socio-sanitario en todo el mundo y afectado a millones de personas. En muchas regiones y particularmente en las que tienen peor acceso a la Sanidad, la drepanocitosis es ampliamente infra-diagnosticada.

En África, donde se encuentran la mayoría de pacientes con drepanocitosis, más del 50% de los casi 300.000 niños que nacen con drepanocitosis mueren por culpa de esta. Muchas de estas muertes serían evitables con un diagnóstico y tratamiento precoces.

Un equipo de ingenieros de la University of California, ha presentado un proyecto de ingeniería frugal con el objetivo de mejorar las tasas de diagnóstico y permitir el tratamiento precoz de estos pacientes. Ya existían desde hace años trabajos en el mismo ámbito, pero hasta ahora se habían realizado con microscopios ópticos sin miniaturizar, lo que hacía mucho menos móvil el equipo de diagnóstico.

El microscopio de campo claro creado con un teléfono móvil permite obtener imágenes que son mejoradas por una primera red neural, e interpretadas por una segunda red neural profunda para detectar pacientes con drepanocitosis
Acoplando una pieza que convierte el teléfono en un microscopio, entrenaron una Inteligencia Artificial basada en dos redes neurales profundas que trabajan de forma conjunta para mejorar la imagen obtenida e identificar de forma automática los glóbulos rojos enfermos por drepanocitosis.

Esta combinación de dos redes neurales permitió hacer un diagnóstico correcto para el 98% de las muestras analizadas en un grupo de 96 pacientes, entre los cuales había 32 pacientes con una drepanocitosis confirmada. Esta alta capacidad de detección, unido al bajo coste del dispositivo, lo convierten en una buena alternativa para el despistaje de pacientes con drepanocitosis en entornos con recursos muy limitados.


de Haan, K., Ceylan Koydemir, H., Rivenson, Y. et al. Automated screening of sickle cells using a smartphone-based microscope and deep learning. npj Digit. Med. 3, 76 (2020). https://doi.org/10.1038/s41746-020-0282-y
Knowlton, S., Sencan, I., Aytar, Y. et al. Sickle cell detection using a smartphone. Sci Rep 5, 15022 (2015). https://doi.org/10.1038/srep15022

No hay comentarios

Siéntete libre de expresar tus opiniones pero muestra respeto por los demás y por nuestra politica de contenido.

Con la tecnología de Blogger.