Inteligencia artificial logra un 90 % de precisión al detectar una infección de transmisión sexual en mujeres
SANTO DOMINGO, RD. – Un equipo de investigadores españoles desarrolló un sistema de inteligencia artificial (IA) que alcanzó un 90 % de exactitud al identificar Trichomonas vaginalis, el parásito responsable de la tricomoniasis, una de las infecciones de transmisión sexual no virales más frecuentes en el mundo.
El estudio, publicado el 7 de junio de 2026 en la revista científica Diagnostics, fue realizado por especialistas de la Universidad de Alcalá y del Hospital Universitario Príncipe de Asturias, en colaboración con investigadores vinculados al Instituto Ramón y Cajal de Investigación Sanitaria.
La herramienta analiza imágenes microscópicas de muestras vaginales teñidas mediante el método de Gram, una técnica utilizada habitualmente en los laboratorios clínicos.
La investigación, encabezada por Fernando Ernesto Ortega-Ojeda y con la participación de Daniella Peña-Pedraza y otros seis especialistas, examinó imágenes obtenidas entre 2024 y 2025 de pacientes atendidas en el Hospital Universitario Príncipe de Asturias, en Alcalá de Henares. Los científicos utilizaron un modelo de aprendizaje profundo denominado EfficientNetV2-XL, entrenado para distinguir imágenes positivas y negativas para el parásito.
Para comprobar sus resultados, emplearon pruebas moleculares de referencia basadas en la amplificación de ácidos nucleicos.
El sistema fue evaluado con 2.540 imágenes, de las cuales 380 se reservaron para una prueba independiente destinada a medir su rendimiento fuera del conjunto utilizado durante el desarrollo.
En esa evaluación independiente, la inteligencia artificial clasificó correctamente 342 de las 380 imágenes, con una exactitud general del 90 %.
También alcanzó una sensibilidad del 92,7 % para identificar imágenes positivas y una especificidad del 86,8 % para reconocer las negativas. El análisis registró 191 positivos correctamente identificados y 151 negativos acertados, además de 15 falsos negativos y 23 falsos positivos.
Los autores destacaron que estos resultados muestran la capacidad del modelo para extraer información diagnóstica de preparaciones microscópicas que tradicionalmente no se consideran adecuadas para confirmar la presencia de Trichomonas vaginalis, debido a que la tinción puede dificultar la observación de las características del microorganismo.
Una de las principales ventajas potenciales del procedimiento es su compatibilidad con equipos de microscopía convencionales y sistemas de captura de imágenes mediante teléfonos inteligentes.
Según los investigadores, esta característica permitiría aprovechar recursos ya disponibles en los laboratorios y podría resultar especialmente útil en centros sanitarios con acceso limitado a pruebas moleculares.
El trabajo también presenta estimaciones económicas exploratorias realizadas en el contexto sanitario español, donde el análisis automatizado de una imagen previamente obtenida tendría un coste adicional aproximado de 0,50 euros.
Sin embargo, los científicos aclararon que esta cifra no representa el coste total del diagnóstico y que los posibles ahorros todavía deben comprobarse mediante estudios específicos en condiciones clínicas reales.
Pese a los resultados, los autores señalaron que la herramienta aún necesita evaluaciones prospectivas en distintos hospitales antes de incorporarse de manera generalizada a la práctica médica.
Entre las limitaciones identificadas figuran la procedencia de las imágenes de una sola institución, las posibles diferencias entre equipos y técnicas de laboratorio, y la necesidad de evitar que imágenes de una misma paciente se distribuyan entre los conjuntos utilizados para entrenar y evaluar el sistema.
Además, el modelo solo distingue imágenes positivas y negativas para Trichomonas vaginalis, sin identificar otras infecciones.
Por ello, los investigadores consideran que su aplicación más adecuada sería como apoyo al personal sanitario para la detección y clasificación inicial de muestras, sin sustituir las pruebas moleculares ni la valoración de los profesionales de salud.
Referencia:
Fernando Ernesto Ortega-Ojeda, José-Manuel Gómez-Pulido et al. AI-Assisted Diagnosis of Trichomonas vaginalis from Routine Gram-Stained Vaginal Smears. Diagnostics (2026).
