Validación de una aplicación móvil con redes neuronales artificiales para el diagnóstico microscópico de malaria

Abstract

Background: Malaria remains a major public health problem in the Peruvian Amazon, where timely diagnosis is limited by geographic barriers, a shortage of trained microscopists, and variability in routine microscopy. Methods: A quantitative, retrospective, analytical, observational, cross sectional study was conducted to evaluate the diagnostic performance of an artificial intelligence–based mobile application for microscopic malaria detection in thick blood smear slides, operated by non-expert users, using expert microscopy as the reference standard. A total of 397 slides from Intuto, Loreto, Peru, were included after data cleaning and quality control. Results: According to the reference standard, 205 slides were positive and 192 were negative. The mobile application achieved an overall accuracy of 77.3%, with a sensitivity of 71.2%, specificity of 83.9%, positive predictive value of 82.5%, negative predictive value of 73.2%, F1-score of 0.764, Youden index of 0.551, and Cohen’s kappa of 0.548. Sensitivity improved with increasing parasitemia. The Intuto laboratory outperformed the mobile application across the main diagnostic metrics. Conclusions: The mobile application demonstrated moderate diagnostic performance under real-world conditions, and parasitemia was identified as the main determinant of detection. Although it does not currently support autonomous clinical use, it may be useful as a complementary screening or decision-support tool in remote settings

Introducción: La malaria continúa siendo un importante problema de salud pública en la Amazonía peruana, donde el diagnóstico oportuno se ve limitado por barreras geográficas, escasez de microscopistas capacitados y variabilidad en la microscopía rutinaria. Métodos: Se realizó un estudio cuantitativo, retrospectivo, analítico, observacional y transversal para evaluar el desempeño diagnóstico de una aplicación móvil basada en inteligencia artificial para la detección microscópica de malaria en láminas de gota gruesa, utilizada por operadores no expertos, frente a la microscopía experta como patrón de referencia. Se incluyeron 397 láminas procedentes de Intuto, Loreto, Perú, luego de su depuración y control de calidad. Resultados: Según el patrón de referencia, 205 láminas fueron positivas y 192 negativas. La aplicación móvil alcanzó una exactitud de 77,3%, con sensibilidad de 71,2%, especificidad de 83,9%, valor predictivo positivo de 82,5%, valor predictivo negativo de 73,2%, F1-score de 0,764, índice de Youden de 0,551 y coeficiente Kappa de Cohen de 0,548. La sensibilidad mejoró conforme aumentó la parasitemia. El Laboratorio de Intuto superó a la aplicación móvil en las principales métricas diagnósticas. Conclusiones: La aplicación móvil mostró un rendimiento diagnóstico moderado en condiciones reales, y la parasitemia fue el principal determinante de la detección. Aunque aún no respalda un uso clínico autónomo, podría ser útil como herramienta complementaria de tamizaje o apoyo diagnóstico en entornos remotos.