Edición Médica

Lunes, 14 de octubre de 2024
19:46
Colombia | Ecuador
Avances
ESTUDIO UNAL
Modelo estadístico para diagnóstico de malaria: un avance prometedor en Salud Pública
En Colombia, en 2023, se reportaron 94.544 casos, de los cuales 1.612 fueron de malaria complicada
Martes, 25 de junio de 2024, a las 12:38

Para detectar la malaria se examina una muestra de sangre a través del microscopio.


Redacción. Bogotá
Aunque se han logrado importantes avances en la reducción global de casos de malaria, aún mantiene importantes desafíos a nivel de Salud pública. Para ello, investigadores de la Universidad Nacional (UNAL) han realizado un estudio innovador para predecir la malaria usando modelos de aprendizaje automático basados en parámetros hematológicos, edad y género de los pacientes.
 
El magíster en Ciencias - Estadística de la Universidad Nacional de Colombia (UNAL) Sede Medellín, Javier Mosquera Rentería, ha desarrollado un modelo estadístico, con el fin de mejorar la precisión y eficiencia en el diagnóstico de malaria, especialmente en regiones con recursos limitados. Actualmente, el diagnóstico de malaria depende principalmente de microscopios, una herramienta que, aunque precisa, es escasa y costosa en áreas con dificultades económicas, comprometiendo la salud pública.
 
Según ha indicado la Organización Mundial de la Salud (OMS), la malaria afecta anualmente a más de 240 millones de personas en todo el mundo, causando más de 600.000 muertes. En Colombia, en 2023, se reportaron 94.544 casos, de los cuales 1.612 fueron de malaria complicada. "En mi municipio natal, Lloró (Chocó), he visto a mi madre, quien es médica, atender hasta 300 pacientes al mes con síntomas de malaria," relata Mosquera.
 
Ante este panorama, Mosquera junto al científico de laboratorio Ellis Kobina Paintsil en Ghana, un país con un alto impacto de malaria y una buena sistematización de datos ha diseñado un modelo estadístico para predecir la probabilidad de malaria en un paciente.
 
La investigación ha evaluado cuatro modelos de predicción: regresión logística, discriminante lineal de Fisher, Naive Bayes y K vecinos más cercanos. Utilizando datos de 2.076 pacientes, de los cuales 539 (25 por ciento) eran positivos para malaria, se identificó que la regresión logística era el modelo más preciso, con un área bajo la curva del 81,5 por ciento.
 
Cada modelo clasifica a los pacientes según la probabilidad de que tengan el parásito o no, y luego el investigador constata qué tan acertado fue con respecto a la realidad.
 
Cabe mencionar que, este modelo tiene el potencial de ser implementado globalmente, siempre y cuando se cuenten con los datos necesarios. Mosquera ha concluido que, este modelo es una gran alternativa para áreas de la salud como la Bacteriología, especialmente en pacientes que ya presentan síntomas.
 
El dato
 
La investigación ha contado con la asesoría de docente Juan Carlos Salazar Uribe, adscrito a la Facultad de Ciencias de la UNAL Sede Medellín. Para aquellos interesados en profundizar en este avance, pueden acceder a la tesis aquí.


Política de cookies

Utilizamos cookies propias y de terceros para recopilar información que ayuda a optimizar su visita. Las cookies no se utilizan para recoger información de carácter personal. Usted puede permitir su uso o rechazarlo, también puede cambiar su configuración siempre que lo desee. Al continuar con la navegación entendemos que se acepta nuestra Política de cookies.