Una inteligencia artificial ayuda a detectar tuberculosis infantil mediante radiografías

Un equipo de investigadores españoles ha desarrollado un sistema de inteligencia artificial que puede identificar signos de tuberculosis pulmonar en radiografías de tórax de niños, una herramienta que promete revolucionar el diagnóstico de esta enfermedad en zonas con recursos limitados.

El proyecto, liderado por la Universidad Politécnica de Madrid (UPM) y el Centro de Investigación Biomédica en Red en Bioingeniería, Biomateriales y Nanomedicina (CIBER-BBN), ha sido publicado en la prestigiosa revista Nature Communications y cuenta con la colaboración de instituciones internacionales de España, Mozambique y Estados Unidos.

Un desafío complejo

Diagnosticar tuberculosis en niños es especialmente complicado. A diferencia de los adultos, los pequeños presentan síntomas poco específicos que pueden confundirse con otras enfermedades respiratorias. Además, las alteraciones que la tuberculosis provoca en sus radiografías son más sutiles y variables, lo que dificulta su detección incluso para especialistas experimentados.

Para superar estos obstáculos, el sistema desarrollado analiza no solo las radiografías frontales de tórax, que son las habituales, sino también las laterales cuando están disponibles. Esta combinación resulta clave para aumentar la precisión del diagnóstico, especialmente en los pacientes más vulnerables.

Entrenamiento con datos de adultos

Una de las innovaciones más destacadas del proyecto es su método de entrenamiento. Los investigadores primero enseñaron al sistema a reconocer patrones de tuberculosis usando grandes colecciones de radiografías de pacientes adultos, que son mucho más abundantes. Después, ajustaron estos modelos con datos pediátricos.

«El preentrenamiento en datos adultos permite aprovechar conjuntos mucho más amplios y diversos, lo que facilita que el modelo aprenda características robustas que después pueden adaptarse al contexto pediátrico», explica Juan José Gómez Valverde, profesor de la UPM y segundo autor del estudio.

Daniel Capellán Martín, investigador principal del trabajo, destaca la eficiencia del sistema: «Hemos diseñado esta herramienta de tal forma que sea extremadamente eficiente sin perder precisión ni rendimiento, con el objetivo de que pueda integrarse incluso en dispositivos móviles y así acercar el diagnóstico de la tuberculosis a zonas rurales con alta incidencia de la enfermedad».

Tres aportaciones fundamentales

El estudio realiza tres contribuciones importantes al campo médico. La primera demuestra que entrenar la inteligencia artificial con radiografías de adultos mejora significativamente su capacidad para detectar tuberculosis en niños.

La segunda aportación resalta el valor de las radiografías laterales, que complementan la información de las frontales. «Las vistas laterales son especialmente valiosas en lactantes y niños pequeños, ya que ayudan a identificar hallazgos que podrían pasar desapercibidos cuando solo se cuenta con una proyección», señala Elisa López Varela, investigadora que participó en el estudio desde el Instituto de Salud Global de Barcelona (ISGlobal).

La tercera conclusión revela que crear modelos específicos para diferentes grupos de edad funciona mejor que usar un modelo único para todas las edades. Esto se debe a que la tuberculosis se presenta de forma distinta según la etapa de desarrollo del niño.

Una herramienta de apoyo, no un sustituto

Los investigadores insisten en que este sistema no pretende reemplazar a los médicos, sino ayudarles en su trabajo diario. Begoña Santiago García, coordinadora de la Red Española de Estudio de Tuberculosis Pediátrica (pTBred) y pediatra en el Hospital General Universitario Gregorio Marañón de Madrid, lo explica con claridad: «Esta solución puede ayudar a priorizar estudios, orientar decisiones de cribado y facilitar la detección temprana en entornos con escasos recursos».

El sistema incorpora además una característica innovadora: genera mapas visuales que señalan las zonas concretas de la radiografía que influyeron en su diagnóstico. Esta transparencia permite a los médicos revisar el razonamiento de la inteligencia artificial y aumenta la confianza en sus predicciones.

Próximos pasos

Aunque los resultados son prometedores, los autores del estudio subrayan que aún quedan etapas por completar. Es necesario realizar validaciones clínicas adicionales y estudios de implementación en hospitales reales, particularmente en centros con recursos limitados.

También resulta fundamental evaluar cómo se integra esta tecnología en el día a día de los profesionales sanitarios y medir su impacto real en la precisión diagnóstica. Los investigadores quieren explorar además su conexión con sistemas de telemedicina y programas de detección masiva en zonas donde la tuberculosis es más frecuente.

María Jesús Ledesma Carbayo, catedrática de la UPM y supervisora técnica del proyecto, resume la visión del equipo: «Nuestro objetivo es que esta tecnología se adapte a las necesidades locales y se implemente de forma responsable, complementando la labor clínica y contribuyendo a mejorar el acceso al diagnóstico en poblaciones vulnerables».

Colaboración internacional

El proyecto ha sido posible gracias a una extensa red de colaboración que incluye al Instituto de Salud Global de Barcelona, el Centro de Investigação em Saúde de Manhiça en Mozambique, el Centro de Investigación Biomédica en Red de Enfermedades Infecciosas (CIBERINFEC) y el Children’s National Hospital de Washington DC.

La investigación ha contado con financiación del Ministerio de Ciencia e Innovación, el Instituto de Salud Carlos III, la Sociedad Española de Neumología y Cirugía Torácica (SEPAR) y varios proyectos europeos como INNOVA4TB, ADVANCETB y STool4TB, financiados por la Unión Europea y la European Respiratory Society.