Aplicaciones de Inteligencia Artificial, en la enseñanza superior (fase I). Diagnóstico parasitológico / Samayoa Herrera, Blanca Elizabeth; investigador III Anneliese Moller Sundfeldt; investigadores Martin Gil y Mildred Alquijay; colaboradores Ana Cecilia Cocón Upún, Ana Lucia Morales Ardón, Ayde Jiménez, Cindy Mazariegos, Gabriela Mirtala Segura Morales, Jaqueline Celeste Cano Lemus, Juana Vivel Morales Mateo, Nancy Lisbeth Pineda Saquic, Pamela Stefanya Coronado Lou, Sofía Mariana García Flores, Werner Gustavo González Tul.

Apéndice en la página 46.

Tesauro DeCS

La observación microscópica de la morfología de los parásitos intestinales continúa siendo el estándar de oro en su diagnóstico. Este método, consume recursos y la calidad de los resultados depende de la disponibilidad de profesionales calificados. La búsqueda de alternativas basadas en inteligencia artificial (IA) ha mostrado una alta precisión y un método alternativo en este campo. Objetivo: Determinar la exactitud y precisión de una herramienta de identificación de parásitos basada en IA y explorar los potenciales parásitos a incluir en el desarrollo de una aplicación basada en IA apropiada a Guatemala. Métodos: Se utilizó una aplicación de parásitos intestinales Parasite ID (https://parasite.id/) de uso gratuito para la identificación de 181 fotografías validadas por expertos. Los datos generados fueron analizados con un intervalo de confianza del 95%. Además, se exploró a partir de informes históricos de EPS, que otros parásitos, podían ser incluidos en una potencial aplicación a desarrollar en Guatemala. Resultados Se encontró que la sensibilidad de Parasite ID fue pobre (25.2; IC 95%, 17.8 - 34.4%); la especificidad fue buena (79.5%; (IC 95%, 69.3-86.9%); la precisión de la prueba fue nula (4.3 %; IC95, 6.9-17.9%), mientras que la exactitud fue baja (48.6%; IC95%, 41.1% - 56.1%). Además, se hace necesario ampliar el catálogo de los parásitos de importancia clínica en el país. Conclusión La pobre sensibilidad, la precisión nula y baja exactitud, alcanzada por Parasite ID, indican que es necesario desarrollar una aplicación que mejore estos parámetros y que incluyan el amplio abanico de parásitos que se diagnostican en Guatemala.

Microscopic observation of the morphology of intestinal parasites continues to be the gold standard in their diagnosis. This method consumes resources, and the quality of the results depends on the availability of qualified professionals. The search for alternatives based on artificial intelligence (AI) has shown high precision and an alternative method in this field. Objective: To determine the accuracy and precision of an AI-based parasite identification tool and to explore the potential parasites to include in the development of an appropriate AI application for Guatemala. Methods: A free-to-use intestinal parasite application Parasite ID (https://parasite.id/) was used for the identification of 181 expert-validated photographs. The generated data were analyzed with a 95% confidence interval. In addition, it was explored from historical EPS reports that other parasites could be included in a potential application to be developed in Guatemala. Results: The sensitivity of Parasite ID was found to be poor (25.2; 95% confidence interval: 17.8, 34.4%); specificity, good (79.5%; 95% confidence interval: 69.3, 86.9%); precision, null (4.3%; 95% confidence interval: 6.9,17.9%), while the accuracy was low (48.6%; 95% confidence interval: 41.1%, 56.1%). In addition, it is necessary to expand the catalog of parasites of clinical importance in the country. Conclusion: The poor sensitivity, null precision and low accuracy achieved by Parasite ID indicate that it is necessary to develop an application that improves these parameters and that includes the wide range of parasites that are diagnosed in Guatemala.