Sistema portátil de microscopía automatizada con inteligencia artificial para la detección rápida de malaria por gota gruesa como herramienta de apoyo en establecimientos de salud rurales de Loreto

La malaria continúa siendo una prioridad de salud pública en la Amazonía peruana y se concentra principalmente en Loreto, donde la dispersión geográfica, la conectividad limitada dificultan el diagnóstico oportuno. Aunque la microscopía por gota gruesa sigue siendo el método de confirmación estándar (gold standard), su desempeño depende de la experiencia del lector, la calidad de la lámina y el tiempo disponible. La limitada capacidad para realizar un diagnóstico oportuno, estandarizado y trazable de malaria por gota gruesa en establecimientos de salud rurales de Loreto. Actualmente, la lectura depende en gran medida de microscopistas capacitados, cuya disponibilidad es limitada y cuyo desempeño puede variar según la experiencia, carga de trabajo, fatiga, calidad de la lámina y condiciones operativas Se realizará un estudio de desarrollo tecnológico con validación diagnóstica y operativa prospectiva, multicéntrica y de enfoque aplicado. Se adaptará un microscopio OpenFlexure con Raspberry Pi, barrido automatizado, autoenfoque, control de iluminación, conectividad local e interfaz móvil. Se construirá un banco trazable de imágenes de gota gruesa obtenidas por captura automatizada y asistida con celular; las láminas serán codificadas y verificadas mediante microscopía experta cegada del laboratorio referencial. Se entrenarán, compararán y optimizarán modelos de IA para ejecución local. Finalmente, el sistema integrado se evaluará en establecimientos priorizados mediante métricas diagnósticas, operativas y de usabilidad, bajo resguardo ético, bioseguridad y anonimización. Como hipótesis se plantea que la implementación de un sistema portátil que integre barrido automatizado, control de calidad de imagen e inteligencia artificial para analizar múltiples campos de gota gruesa mejorará la precisión, reproducibilidad y oportunidad de la lectura diagnóstica de malaria, en comparación con la lectura rutinaria, tomando como referencia la microscopía experta. El objetivo general es desarrollar y validar un sistema automatizado integrado de inteligencia artificial y microscopía para el diagnóstico rápido de malaria mediante gota gruesa, capaz de localizar y enfocar automáticamente los campos microscópicos sin intervención de un laboratorista, y evaluar su desempeño en condiciones de campo en establecimientos de salud de zonas rurales de Loreto, Perú, con el fin de mejorar la accesibilidad, oportunidad y precisión diagnóstica en contextos con infraestructura sanitaria limitada.” Los Objetivos específicos comprenden: “1. Adaptación del microscopio OpenFlexure e integración de conectividad con dispositivos móviles para implementar el equipo automatizado de lectura microscópica de malaria por gota gruesa; 2. Recolección de láminas de gota gruesa y generación de un banco de imágenes microscópicas con identificación y etiquetado de Plasmodium en laboratorio; 3. Entrenamiento y optimización de Algoritmos de Inteligencia Artificial; 4. Implementación del flujo completo de diagnóstico automatizado, incluyendo registro y almacenamiento de evidencia de imágenes. 5. Validación del sistema automatizado en establecimientos de salud de Loreto.” El principal resultado será un prototipo funcional de microscopía automatizada con IA, de bajo costo y operación offline-first, que lea sistemáticamente una lámina de gota gruesa, analice múltiples campos y emita un resultado trazable a nivel de lámina. Además, se busca alcanzar TRL 6. Impacto Social: Menor demora en diagnóstico y tratamiento, para que la población pueda ser atendida a tiempo, Apoyo a establecimientos de salud del primer nivel de atención a la sociedad y Menor dependencia de microscopistas; Impacto Económico: Menor presión sobre laboratorios de referencia, Menores costos del diagnóstico microscópico de Malaria, Menos costos de traslado de muestras o pacientes, Menor pérdida de días productivos por diagnóstico tardío, Impacto Ambiental: Posibilidad de alimentación autónoma mediante energía solar.