Una foto del párpado detecta anemia en el 96% de los casos sin pinchazo

Qué se ha descubierto¶

Un grupo de investigadores de la India ha creado un sistema de inteligencia artificial llamado HemaViT. Detecta la anemia a partir de una fotografía del interior del párpado inferior, la membrana rosada que se ve al bajar el párpado. Es la misma zona que un profesional mira cuando revisa si una persona tiene anemia a simple vista.

La novedad es que no hace falta un análisis de sangre. Con una foto y un modelo de inteligencia artificial, el sistema es capaz de decir con bastante precisión si hay anemia. En las pruebas que han publicado, HemaViT acertó en casi el 96% de los casos.

Cómo se hizo el estudio¶

El trabajo se publicó en la revista Scientific Reports. Los autores pertenecen a dos universidades de la India.

Para entrenar y probar el sistema usaron un conjunto de datos público con 1.320 fotografías de la conjuntiva, la parte interior del párpado. Aplicaron una validación cruzada en cinco bloques estratificados. Es una técnica estadística que reparte los datos en cinco grupos. Sirve para comprobar que el modelo no funciona solo de casualidad con unas pocas imágenes.

El sistema combina varias piezas:

• Una red que aísla automáticamente la conjuntiva en la imagen.
• Otra que extrae rasgos a distintas escalas, es decir, analiza detalles pequeños y grandes por separado.
• Un Vision Transformer, un tipo de modelo de inteligencia artificial muy usado para reconocer imágenes.
• Un algoritmo de optimización que ajusta los parámetros del modelo de forma automática.

Los resultados que obtuvieron fueron:

• Precisión global: 95,8% (aciertos totales).
• Precisión: 97,6% (de los casos que el sistema marca como anemia, cuántos lo son de verdad).
• Sensibilidad: 96,9% (capacidad de detectar a quien sí tiene anemia).
• Especificidad: 98,7% (capacidad de descartar a quien no la tiene).
• Puntuación F1: 97,2% (un resumen que combina precisión y sensibilidad).
• Área bajo la curva ROC: 0,98 (cuanto más cerca de 1, mejor distingue el test entre sanos y enfermos).

Qué significa y qué no¶

Que un modelo acierte casi en el 96% de las imágenes de un conjunto público es un resultado llamativo. Aun así, hay que leerlo con calma.

En zonas con pocos recursos, este tipo de herramienta podría ser útil, ya que un análisis de sangre rápido no siempre es posible. Serviría también como un cribado inicial en Atención Primaria, en escuelas o en campañas de salud pública. Si la foto sugiere anemia, se confirmaría luego con un análisis de laboratorio.

De momento, todavía no sustituye a la analítica de sangre. El propio artículo reconoce que hacen falta más pruebas con pacientes reales, en consultas y con diversidad de tonos de piel, dispositivos y condiciones de luz. Los modelos de imagen a veces fallan cuando cambian las condiciones en las que se tomaron las fotos con las que se entrenaron.

Si te han dicho que tienes anemia, conviene hablar con un profesional de la salud antes de interpretar cualquier resultado.

Contexto¶

La anemia es un problema de salud pública importante en muchos países. El diagnóstico habitual requiere una extracción de sangre y medir, sobre todo, la hemoglobina, la proteína que transporta el oxígeno dentro de los glóbulos rojos.

En los últimos años se han explorado varias ideas para detectar anemia sin pinchazo: fotografías del lecho de la uña, del interior del párpado o de la lengua, e incluso sensores que se colocan sobre la piel. Todas comparten la misma limitación: son aproximaciones visuales u ópticas, y necesitan validarse con la prueba de referencia, que sigue siendo el análisis de sangre.

Qué falta por saber¶

• Validar el sistema con fotos nuevas de pacientes que no estén en el conjunto de entrenamiento, tomadas en condiciones reales.
• Comprobar si funciona igual con distintos tonos de piel, edades y dispositivos.
• Medir si la estimación se acerca a la cifra real de hemoglobina del paciente.
• Saber cuánto tarda y qué cámara necesita una persona normal para hacer la foto correctamente.
• Plantear un ensayo clínico que compare la decisión basada en HemaViT con la basada en el análisis de sangre.

Hay más usos de la imagen médica con redes neuronales: por ejemplo, otra red neuronal logra un 95,7 % de acierto al segmentar el corazón en resonancias magnéticas, aunque allí el objetivo es delimitar estructuras, no detectar anemia.