Una novedosa técnica para diagnóstico automático de tuberculosis a partir de baciloscopia de Ziehl-Neelsen evaluada por microscopía fluorescente utilizando un prototipo de microscopio de bajo costo y algoritmos de inteligencia artificial integrados

La te´cnica esta´ndar de baciloscopia por medio de la tincio´n de Ziehl-Neelsen (ZN) es au´n el me´todo ma´s usado en pai´ses en subdesarrollado y en particular por el Ministerio de Salud del Peru´ como prueba de primera eleccio´n para el diagno´stico de Tuberculosis (TB). Esta te´cnica consiste en el reconocimiento de bacilos de Mycobacterium tuberculosis (MTB) ten~idos con carbolfucsina, bajo observacio´n microsco´pica con luz visible a partir de muestras de esputo. El me´todo es ra´pido, simple y econo´mico, sin embargo presenta una modesta sensibilidad de 40-60%. Un estudio previo ha demostrado que la carbolfucsina puede fluorescer si se excita con luz verde, emitiendo luz fluorescente roja. Una baciloscopia de ZN observada con microscopi´a fluorescente incrementa su sensibilidad significativamente comparado con la observacio´n a microscopi´a visible estandar. En un estudio piloto previo, hemos confirmado esta observacio´n. Un factor limitante para el uso de esta técnica, es el alto costo de los microscopios fluorescentes comerciales, y la limitada disponibilidad de técnicos expertos en analizar e interpretar estas imágenes. En estudios previos hemos evaluado la posibilidad de usar microscopios ad-hoc de bajo costo construidos por impresio´n 3D. Estos prototipos fueron usados para analizar cultivos MODS y digitalizar ima´genes de manera ra´pida para diagnosticar TB y resistencia a drogas. Adicionalmente hemos desarrollado algoritmos de inteligencia artificial que clasifican las ima´genes capturadas entre positivas o negativas, las cuales ayudaron en el telediagno´stico de TB, pudiendo reemplazar a un técnico experto en la interpretación. En el presente estudio proponemos la construccio´n de un sistema integrado comprendido por un microscopio impreso en 3D fluorescente y un algoritmo de inteligencia artificial para la identificacio´n automa´tica de bacilos de MTB, utilizando una variante de la baciloscopia ZN, observada bajo fluorescencia, esperando un aumento de la sensibilidad.