El próximo gran avance contra la rabia podría estar en un algoritmo

Un sistema de inteligencia artificial logró identificar el virus de la rabia con 99.6% de precisión en pruebas de laboratorio. El avance podría transformar la vigilancia de una enfermedad que todavía cobra miles de vidas cada año.

La rabia es una de esas enfermedades que la ciencia sabe cómo prevenir, pero que todavía no ha logrado erradicar del mundo. Aunque existen vacunas eficaces, su detección y vigilancia siguen siendo un desafío. Esto ocurre especialmente en regiones donde los laboratorios especializados son escasos.

Ahora, una investigación demuestra cómo la inteligencia artificial detecta la rabia mediante el análisis de imágenes microscópicas. Un equipo científico desarrolló un sistema capaz de identificar señales de infección en cultivos celulares con 99.6% de precisión.

El resultado abre nuevas posibilidades para automatizar pruebas que requieren la interpretación de especialistas. También plantea un nuevo escenario para la inteligencia artificial aplicada a la salud. El avance fue desarrollado por investigadores de la Universidad de Surrey, en Reino Unido, junto con la Animal and Plant Health Agency (APHA). Los resultados aparecieron en la revista científica Scientific Reports.

Lo interesante no es únicamente el porcentaje alcanzado. Es la posibilidad de utilizar la IA para resolver uno de los problemas menos visibles de la salud pública: analizar muestras de laboratorio con mayor eficiencia y consistencia.

Cómo funciona la inteligencia artificial que detecta la rabia

Para entender la importancia del hallazgo, primero hay que conocer cómo funcionan algunas pruebas de laboratorio para identificar el virus de la rabia. Los especialistas utilizan técnicas de fluorescencia que permiten observar señales relacionadas con la presencia del virus en células. Después, interpretan las imágenes obtenidas mediante microscopía para determinar si existe infección.

Estos procedimientos son fundamentales para la investigación y el diagnóstico. Sin embargo, revisar grandes cantidades de imágenes requiere tiempo, experiencia y atención al detalle. Ahí es donde entra la inteligencia artificial. Los investigadores entrenaron distintos modelos de aprendizaje profundo. Esta tecnología permite identificar patrones complejos después de analizar grandes conjuntos de datos.

En lugar de revisar cada imagen manualmente, el sistema aprende a reconocer las características visuales asociadas con células infectadas. De acuerdo con el estudio científico, el equipo utilizó 2,344 imágenes de fluorescencia. A partir de ellas obtuvo 36,822 fragmentos anotados para entrenar y evaluar tres modelos: ResNet, Swin Transformer V2 y MambaOut. Este último obtuvo los mejores resultados. Alcanzó una precisión de 99.6% en las evaluaciones realizadas a nivel de pocillo de cultivo, es decir, en las unidades de laboratorio donde se analizan las células.

En términos sencillos, el sistema consiguió clasificar correctamente casi todas las unidades evaluadas bajo las condiciones del experimento. Sin embargo, existe una distinción importante. El 99.6% no representa una tasa de éxito demostrada en pacientes humanos. Tampoco significa que la herramienta pueda diagnosticar rabia por sí sola en cualquier circunstancia. La cifra corresponde al desempeño del modelo en pruebas experimentales con cultivos celulares.

La IA también podría ayudar a evaluar vacunas contra la rabia

Uno de los aspectos más interesantes del proyecto es que la tecnología no se limita a identificar señales de infección. Los investigadores también evaluaron su capacidad para medir concentraciones de anticuerpos contra la rabia. Esta tarea resulta importante para conocer la respuesta inmunológica después de la vacunación.

Los anticuerpos son proteínas que produce el sistema inmunitario para reconocer y combatir agentes infecciosos. Medirlos permite evaluar la respuesta a las vacunas en determinados contextos. Para comprobar esta capacidad, el equipo utilizó imágenes que los modelos no habían visto durante su entrenamiento.

Estas imágenes procedían de una prueba de neutralización viral mediante anticuerpos fluorescentes, recomendada por organismos internacionales de salud animal y humana. El modelo MambaOut mostró una concordancia completa con los valores de referencia al estimar concentraciones de anticuerpos en ese conjunto de evaluación.

Este resultado podría ser relevante para laboratorios que realizan controles relacionados con vacunas. También podría tener aplicaciones en las certificaciones sanitarias necesarias para los viajes internacionales de mascotas. La posibilidad de combinar la identificación del virus con la medición de anticuerpos representa una aplicación concreta de la IA en la industria de la salud. No se trata de eliminar la intervención de los científicos. El objetivo es proporcionarles herramientas que puedan ampliar su capacidad de análisis y reducir tareas repetitivas.

La rabia sigue provocando miles de muertes cada año

La necesidad de mejorar la vigilancia de la rabia va mucho más allá de los laboratorios. Según las estimaciones de la Organización Mundial de la Salud, la enfermedad provoca alrededor de 59,000 muertes humanas cada año. Aproximadamente 95% de los casos ocurre en África y Asia. La mayoría de las infecciones humanas se relaciona con la transmisión del virus por perros infectados.

Aunque existen vacunas y tratamientos preventivos después de una exposición, la enfermedad es prácticamente siempre mortal una vez que aparecen los síntomas clínicos. Esta contradicción convierte a la rabia en un problema persistente de salud pública. Contamos con los conocimientos necesarios para prevenirla, pero el acceso desigual a los servicios médicos continúa dificultando su control. A esto se suman los desafíos de vacunación animal y vigilancia epidemiológica.

En este contexto, las herramientas capaces de ampliar las capacidades de los laboratorios podrían marcar una diferencia. La investigación demuestra cómo la inteligencia artificial detecta la rabia mediante patrones visuales. Su aplicación futura podría ayudar a reducir parte del trabajo asociado con la interpretación de imágenes Esto sería especialmente útil en regiones donde la disponibilidad de personal especializado es limitada. Sin embargo, la tecnología por sí sola no resolverá el problema. La prevención también depende de campañas de vacunación, atención médica oportuna y sistemas eficaces de vigilancia sanitaria.

Qué significa este avance científico para México

México tiene una historia particular en la lucha contra la rabia. En 2019, se convirtió en el primer país del mundo en recibir la validación de la Organización Mundial de la Salud por eliminar la rabia humana transmitida por perros como problema de salud pública. Este reconocimiento internacional fue resultado de décadas de vacunación animal, vigilancia epidemiológica y prevención.

Pero eso no significa que el virus haya desaparecido por completo del territorio nacional. La rabia también puede circular entre animales silvestres, como los murciélagos. Por esta razón, mantener los programas de vigilancia sigue siendo fundamental.

México cuenta con instituciones dedicadas a esta tarea, como el Servicio Nacional de Sanidad, Inocuidad y Calidad Agroalimentaria (Senasica). En este escenario, una herramienta capaz de automatizar la interpretación de imágenes podría fortalecer el trabajo de los laboratorios nacionales.

Sin embargo, cualquier incorporación requeriría validaciones adicionales y ajustes a los protocolos utilizados en el país. Por ahora, el estudio no presenta evidencia de que este sistema ya se encuentre implementado en laboratorios mexicanos Aun así, el desarrollo plantea una pregunta relevante: ¿qué ocurriría si más laboratorios pudieran analizar muestras complejas con ayuda de inteligencia artificial?

La respuesta podría extenderse más allá de la rabia. Otras enfermedades infecciosas también requieren procedimientos especializados para identificar virus y evaluar muestras.

El verdadero desafío es llevar el 99.6% de precisión al mundo real

Aunque los resultados son prometedores, todavía existe una distancia entre obtener una alta precisión experimental y utilizar una herramienta de manera rutinaria. Los investigadores deberán demostrar que el sistema conserva su desempeño con diferentes muestras, equipos y protocolos de laboratorio. También será necesario evaluar sus posibles errores.

Uno de los riesgos más importantes son los falsos negativos. Esto ocurre cuando una muestra infectada es clasificada incorrectamente como libre del virus. La precisión general no basta para determinar si una tecnología es segura en todos los escenarios. También importa conocer qué tipos de errores comete y con qué frecuencia. Este es uno de los principales desafíos de la inteligencia artificial en medicina: demostrar que una herramienta funciona fuera del entorno donde fue desarrollada.

La investigación también abre posibilidades para aplicar métodos similares a otros ensayos virológicos basados en cultivos celulares. Sin embargo, esas aplicaciones todavía requieren estudios específicos.

La inteligencia artificial detecta la rabia, pero no sustituye la prevención

El avance no significa que la inteligencia artificial pueda reemplazar las vacunas, los tratamientos preventivos o la atención médica. Tampoco convierte a un algoritmo en una solución inmediata para una enfermedad que requiere sistemas sólidos de salud pública. Su valor está en otra parte.

La investigación muestra que el aprendizaje automático aplicado al diagnóstico puede fortalecer tareas científicas esenciales, aunque muchas veces pasen inadvertidas. La inteligencia artificial detecta la rabia con una precisión notable bajo las condiciones evaluadas. Pero su verdadero impacto dependerá de que esa capacidad pueda validarse y utilizarse en laboratorios reales.

Más allá de los porcentajes, el hallazgo apunta hacia un futuro donde la tecnología no necesariamente sustituye el conocimiento humano. En cambio, puede ayudar a que los especialistas trabajen con mayor eficiencia.

La IA todavía no ha eliminado la rabia ni ha resuelto todos los desafíos de su diagnóstico. Pero este avance demuestra que una parte del futuro de la salud podría construirse lejos de los consultorios. Quizá una de las aplicaciones más relevantes de la inteligencia artificial no sea hacer cosas que antes parecían imposibles. Podría ser mejorar procesos científicos que ya existen y permitir que sus beneficios lleguen a más personas.