El flagelo de la tuberculosis (TB) puede ser mayormente un recuerdo distante para la mayoría de los estadounidenses y europeos, pero el año pasado mató alrededor de 1,25 millones de personas en todo el mundo. Una organización sin fines de lucro con sede en India, que representa más de una cuarta parte de todos los casos, está desarrollando herramientas de inteligencia artificial (IA) que podrían impulsar los esfuerzos para erradicar la enfermedad.
Aproximadamente 10 millones de personas al año contraen TB, lo que la convierte en una de las enfermedades infecciosas más prevalentes del mundo. En 2018, el Primer Ministro de la India, Narendra Modi, hizo una ambiciosa promesa de eliminar la TB en India para 2025. Con 2,5 millones de casos registrados en India el año pasado, es evidente que ese objetivo no se cumplirá; aun así, el país ha invertido cientos de millones de dólares en un vasto programa nacional contra la TB, y ha reducido la incidencia de la enfermedad en aproximadamente un 18 por ciento entre 2015 y 2023.
Sin embargo, diagnosticar y tratar la enfermedad es un proceso complejo y prolongado. La TB es curable, pero requiere que los pacientes sigan un estricto régimen de seis meses de antibióticos. Cualquier desviación de este programa puede conducir rápidamente a la resistencia a los medicamentos, por lo que los pacientes necesitan supervisión constante. Y el estándar de oro para detectar la enfermedad es la radiografía de tórax, que es difícil de realizar en las zonas rurales de India donde la TB es más común.
Por eso la organización sin fines de lucro india Wadhwani AI ha desarrollado un conjunto de herramientas impulsadas por inteligencia artificial para ayudar a los trabajadores de la salud a detectar casos no diagnosticados, decidir sobre planes de tratamiento y evitar que las personas abandonen el tratamiento. Trabajando con el gobierno indio y la Agencia de los Estados Unidos para el Desarrollo Internacional (USAID), la organización está piloteando estas herramientas en todo el país. Y el director de soluciones de Wadhwani, Nakul Jain, dice que 2025 podría ver la incorporación de varias de estas herramientas al sistema nacional de gestión de pacientes con TB de India, Nikshay.
“Hemos visto resultados muy alentadores en las primeras fases que hemos lanzado y el gobierno nos apoya”, dice Jain. “Esperamos que la mayoría de las soluciones ahora se integren en la aplicación principal de Nikshay y se utilicen en todo el país”,
Raghuram Rao, quien trabaja en programas de TB en el Ministerio de Salud y Bienestar Familiar de India, dice que para cumplir con el ambicioso objetivo del gobierno de erradicar la TB, el ministerio ha adoptado soluciones digitales. “Las innovadoras soluciones de IA de Wadhwani, junto con un sólido apoyo analítico, han mejorado los esfuerzos del programa para combatir la tuberculosis”, dice Rao. “Al permitir la toma de decisiones basada en datos y mejorar la eficiencia programática, Wadhwani AI nos ha apoyado significativamente en la misión de acabar con la TB en India”.
Cómo la IA ayuda a diagnosticar la TB
Una de las herramientas más prometedoras que ha desarrollado Wadhwani es una aplicación de IA que puede detectar infecciones potenciales de TB a partir del sonido de la tos de un paciente. En India, los trabajadores de la salud generalmente dependen del reporte de los síntomas para identificar casos potenciales, y luego envían a esas personas a realizarse una radiografía confirmatoria, dice el principal científico de IA de Wadhwani, Alpan Raval. Pero el grupo quería ver si podían usar la IA para identificar casos incluso antes de que el paciente muestre signos de la enfermedad.
Para lograr esto, tuvieron que recopilar un gran conjunto de datos de sonidos de tos para entrenar sus modelos, y era crucial que el conjunto de datos incluyera pacientes sintomáticos y asintomáticos, dice Raval. Con la ayuda del Programa Nacional de Eliminación de la Tuberculosis, Wadhwani recopiló 36,000 sonidos de tos de pacientes que visitaban clínicas de rayos X por todo tipo de dolencias, no solo TB, lo que proporcionó datos de personas con y sin la enfermedad. Los investigadores también grabaron a familiares y contactos cercanos de pacientes con TB que aún no habían mostrado signos de infección. Los sonidos se recolectaron a través de teléfonos inteligentes, dice Raval, porque el equipo sabía que la solución no se ampliaría si los trabajadores de la salud tuvieran que depender de equipos especializados.
“Queremos trabajar desde el punto de vista del uso, por lo que utilizamos los teléfonos inteligentes más básicos para recopilar estos sonidos y nos aseguramos de que haya ruido de fondo que sea realista”, añade. “Gran parte del trabajo consiste en construir estos modelos para asegurarnos de que estas soluciones puedan usarse de manera robusta en el campo”.
La aplicación funciona convirtiendo el audio grabado en un mapa visual de frecuencias, que luego es procesado por un algoritmo de visión por computadora para predecir si el paciente tiene TB. En pilotos realizados en nueve estados indios que comenzaron a principios de 2023, encontraron que el modelo detecta un 14 por ciento más de casos que el enfoque de diagnóstico existente, lo que sugiere que está identificando casos asintomáticos. Su esperanza es eventualmente hacer que el modelo sea tan preciso como una radiografía, lo que simplificaría drásticamente los esfuerzos de detección, aunque Raval dice que esto requerirá muchos más datos.
Cómo la IA ayuda con el tratamiento de la TB
Una vez diagnosticados con TB, a los pacientes se les suele realizar una prueba llamada Ensayo de Sonda de Línea, que determina qué medicamentos deben usarse para tratar su cepa particular de TB. Los resultados de esta prueba son una tira con una serie de bandas que indican cómo reacciona el patógeno a diferentes medicamentos. Normalmente, esta prueba es interpretada por técnicos de laboratorio y luego se suben los resultados a la plataforma Nikshay. Pero Wadhwani ha creado una herramienta que usa técnicas similares al reconocimiento óptico de caracteres para interpretar automáticamente los resultados de la prueba, reduciendo errores y acelerando los tiempos de procesamiento.
Iniciar el tratamiento de un paciente es solo la punta del iceberg; garantizar que cumplan con el largo programa de tratamiento también es un desafío, dice Raval. Entre el 4 y el 7 por ciento de los pacientes abandonan el programa antes de completar su tratamiento, y para aquellos que lo siguen, faltar a una sola dosis de cada diez triplica el riesgo de desarrollar TB resistente a los medicamentos.
Por ello, Wadhwani también ha desarrollado un sistema basado en IA llamado Predicción de Resultados Adversos de TB (PATO), que predice tanto los pacientes que abandonarán el tratamiento como los que morirán a causa de la enfermedad. Esto puede ser utilizado por los trabajadores de la salud para identificar a las personas que necesitan intervenciones más intensivas, como visitas diarias a sus casas para asegurarse de que hayan tomado sus medicamentos.
Crear esta herramienta fue posible debido a la escala del problema de TB en India, dice Raval, lo que significa que el gobierno cuenta con enormes cantidades de datos de pacientes. Por ley, cada infección debe ser rastreada desde el diagnóstico hasta la finalización del tratamiento, y los trabajadores de la salud recopilan información detallada que incluye historia médica, situación familiar y estado económico. Wadhwani usó estos datos para entrenar un modelo de IA que utiliza la información recopilada al inicio del tratamiento para realizar predicciones. La herramienta ha sido piloteada en 12 estados desde abril de 2023 y hasta ahora ha reducido el número de resultados adversos en un 28 por ciento.
Usar IA para decidir quién debe ser sometido a pruebas para detectar enfermedades y cómo deben ser tratados tiene riesgos inherentes, admite Raval, pero la organización asegura que las decisiones finales siempre están en manos de los humanos. Y en un país como India, con una enorme carga de enfermedad y un sistema de salud sobrecargado, los trabajadores de la salud necesitan toda la ayuda que puedan obtener, añade.
“No podemos dejarnos llevar pensando que esto es el Salvaje Oeste y que podemos hacer lo que queramos”, dice Raval. “Pero necesitamos compararnos contra las bases de referencia. ¿Cuáles son las mejores prácticas ahora? Y ¿puede la IA marcar una diferencia significativa [de modo que] los riesgos valgan la pena?”.
