Una vez libre de malaria, Venezuela se enfrenta a un resurgimiento de la enfermedad infecciosa, pero los investigadores han entrenado un modelo para ayudar en la detección.
La prospección de oro en Venezuela ha llevado a un resurgimiento de la malaria, pero los investigadores han desarrollado IA para eliminar el problema.
En el estado venezolano de Bolívar, la deforestación para la extracción de oro en las aguas ha perturbado las poblaciones de mosquitos, que están mordiendo a los mineros e infectándolos con el parásito mortal.
Venezuela fue certificada como libre de malaria en 1961 por la Organización Mundial de la Salud. Se estima que en todo el mundo hubo 263 millones de casos de malaria y 597,000 muertes en 2023, según la OMS.
En el brote venezolano, el área afectada es rural y tiene acceso limitado a clínicas médicas, por lo que falta detección con microscopía por profesionales capacitados.
Pero los investigadores en la intersección de la medicina y la tecnología han aprovechado las GPU AI y NVIDIA para encontrar una solución. Recientemente ellos publicó un artículo en Naturaleza, describiendo el desarrollo de a red neuronal convolucional (CNN) para detectar automáticamente parásitos de la malaria en muestras de sangre.
“En algún momento de Venezuela, la malaria casi fue erradicada,” dijo Diego Ramos-Briceño, de 25 años, quien tiene una licenciatura en ingeniería que obtuvo mientras también cursaba un doctorado en medicina. “Creo que fueron alrededor de 135,000 casos el año pasado.”
Identificación de Parásitos de Malaria en Muestras de Sangre
Los investigadores — Ramos-Briceño, Alessandro Flammia-DadAleo, Gerardo Fernández-López, Fhabián Carrión-Nessi y David Forero-Peña — utilizaron la CNN para identificar Plasmodium falciparum y Plasmodium vivax en frotis de sangre gruesos, logrando una precisión del 99.51%.
Para desarrollar el modelo, el equipo adquirió un conjunto de datos de 5,941 imágenes de microscopio de frotis de sangre gruesa etiquetadas del Hospital Chittagong Medical College, en Bangladesh. Procesaron este conjunto de datos para crear casi 190,000 imágenes etiquetadas.
“Lo que queríamos que la red neuronal aprendiera es la morfología del parásito, por lo que de las casi 6,000 imágenes a nivel de microscopio, extrajimos cada parásito, y de todo ese aumento y segmentación de datos, terminamos teniendo casi 190,000 imágenes para el entrenamiento de modelos,” dijo Ramos-Briceño.
El modelo se presenta como los métodos tradicionales de microscopía también se ven desafiados por las limitaciones en la precisión y la consistencia, según el documento de investigación.
Aprovechamiento de GPU de juegos y CUDA para Model Training, Inference
Para ejecutar la capacitación de modelos, el equipo de paperings de malaria aprovechó una GPU RTX 3060 de un maestro de informática que asesora a su investigación.
“Usamos PyTorch Lightning con NVIDIA CUDA aceleración que nos permitió hacer un cálculo paralelo eficiente que aceleró significativamente las operaciones de la matriz y los preparativos de la red neuronal en comparación con lo que habría hecho una CPU,” dijo Ramos-Briceño.
Para la inferencia, las determinaciones de la malaria a partir de muestras de sangre se pueden hacer en varios segundos, dijo, usando tales GPU.
Las clínicas que carecen de microscopistas capacitados podrían usar el modelo e introducir sus propios datos para el aprendizaje de transferencia para que el modelo funcione de manera óptima con los tipos de imágenes que envían, manejando las condiciones de iluminación y otros factores, dijo.
“Para las comunidades que están lejos del entorno urbano, donde hay más acceso a los recursos, esta podría ser una forma de abordar el problema de la malaria,” dijo Ramos-Briceño.
NVIDIA Blog. S. M. Traducido al español
Contacto